Voiceovers automáticos sobre la música

Cuando montamos la estructura de La MIX Radio, nos dimos cuenta de que el flujo constante de música Deep House necesitaba cortes dinámicos. Los voiceovers automáticos sobre la música son la herramienta que nos permite insertar identificaciones o anuncios sin detener el ritmo.
No queremos que la radio suene como una lista de reproducción de Spotify, sino como una emisora real con personalidad.
Para lograr esto, tuvimos que pelear un poco con la configuración de RadioBOSS y los niveles de ganancia.

Por qué importa para una radio independiente

Operar una radio 24/7 implica que no siempre podemos estar frente al micrófono para presentar el siguiente tema. En una radio independiente, la automatización es la única forma de mantener la calidad sin quemarnos en el proceso.
Si dejamos que la música suene sola durante horas, el oyente pierde la conexión con la marca. Los voiceovers actúan como ese hilo conductor que recuerda quiénes somos y qué estamos transmitiendo.

En nuestro caso, necesitamos que el sistema detecte el momento justo para lanzar la cuña. No sirve que el voiceover corte la canción a la mitad de forma brusca.
La clave está en que la música baje de volumen suavemente, entre la voz y luego suba el volumen al terminar la frase.
Esto crea una experiencia auditiva profesional que engaña al oyente, haciéndole creer que hay un locutor vivo en el estudio.

Esta dinámica es fundamental para mantener la retención de la audiencia. Cuando implementamos los voiceovers automáticos sobre la música, notamos que la transición entre bloques se siente más orgánica.
Además, nos permite programar avisos sobre eventos o cambios de género musical sin tener que entrar manualmente en la consola de control cada diez minutos.

Cómo lo aplicamos en la práctica

En nuestro homelab, aunque gran parte del procesamiento ocurre en Proxmox, la gestión de la emisión la delegamos a RadioBOSS. Lo primero que hicimos fue crear una carpeta específica para los archivos de voz, separándolos de la música principal.
Estos archivos deben estar normalizados a un nivel constante para evitar que un voiceover suene demasiado fuerte y otro casi imperceptible.

Configuramos el programador de eventos para que los identificadores se lancen cada cierto número de canciones o en horas específicas.
Para que esto funcione, utilizamos la opción de «Duck» o atenuación.
Básicamente, le decimos al software que cuando se reproduzca un archivo de la categoría «Voiceover», el volumen de la pista musical debe bajar automáticamente a un porcentaje determinado, usualmente entre el 20% y el 30%.

Para darle más realismo en Radio OnE, experimentamos con diferentes tiempos de desvanecimiento. No es lo mismo un corte seco que un fundido gradual de 500 milisegundos.
Ajustamos la configuración para que el volumen de la música regrese a su estado original justo un segundo después de que termine la voz.
Esto evita que el retorno del sonido sea violento y moleste al oyente que tiene auriculares puestos.

Una vez que tuvimos el flujo básico, integramos los voiceovers con nuestra estrategia de contenidos.
Por ejemplo, si estamos en un bloque de Electro Swing, el sistema lanza una identificación que menciona el género.
Todo esto ocurre en segundo plano mientras nosotros monitoreamos la estabilidad del servidor Icecast desde nuestra VM.

Lo que funciona y lo que no

Después de meses de pruebas, descubrimos que saturar la radio con voces es un error grave. Al principio pusimos identificadores cada dos canciones y el resultado fue irritante. Menos es más. Lo que realmente funciona es dejar que la música respire y usar los voiceovers automáticos sobre la música solo para marcar transiciones importantes o dar información relevante.

Otro punto crítico es la calidad del audio de las voces. Usar grabaciones con ruido de fondo o eco destruye la sensación de profesionalismo, aunque la música sea de alta fidelidad.
Aprendimos que es preferible usar una voz sintética limpia que una grabación humana mal producida.
Por eso, empezamos a experimentar con herramientas de texto a voz para generar cuñas rápidas y nítidas.

En cuanto a la técnica, el uso de la función de «prioridad» en RadioBOSS es vital. Si un voiceover tiene la prioridad más alta, interrumpirá cualquier otro evento programado.
Esto es útil para noticias urgentes, pero peligroso si se configura mal, ya que podría solapar dos voces distintas si el tiempo de ejecución es muy largo.
La regla de oro es: un solo evento de voz a la vez.

Para que los voiceovers automáticos sobre la música no suenen artificiales, ajusta el tiempo de ‘fade-in’ del retorno de la música a unos 800ms; eso elimina la sensación de salto brusco de volumen.

Herramientas que usamos

Nuestra infraestructura es híbrida y se apoya en varias capas. Para la gestión de la emisión y el disparo de los voiceovers, usamos RadioBOSS en una máquina dedicada.
Sin embargo, la magia de la automatización ocurre en nuestro homelab con Proxmox. Para generar algunas de las voces, utilizamos un contenedor donde corremos Gemma via Ollama para redactar los guiones de las cuñas.

Una vez que tenemos el texto, usamos un script de Python en la VM 111 que emplea gTTS (Google Text-to-Speech). A esta voz la llamamos «Emily», y es la encargada de dar los avisos técnicos o el clima en la radio.
El archivo generado se guarda en una ruta compartida que RadioBOSS lee automáticamente.
Para la distribución final, todo pasa por nginx que actúa como proxy inverso hacia nuestro servidor Icecast.

También integramos n8n para coordinar algunas tareas. Por ejemplo, si ocurre un evento externo, n8n puede enviar una señal para que se reproduzca un voiceover específico.
Esta combinación de software propietario y herramientas open source nos permite tener un control total sobre el sonido sin depender de servicios en la nube costosos.

Para cerrar: qué hacer esta semana

Si quieres mejorar tu sonido, no intentes automatizar todo de golpe. Esta semana te recomendamos grabar tres identificadores básicos: uno de nombre de radio, uno de género musical y uno de saludo.
Configura el «ducking» en tu software para que la música baje al 25% y programa estos audios para que suenen cada cuatro canciones.
Prueba el resultado con auriculares y ajusta los tiempos de desvanecimiento hasta que la transición sea invisible para el oído.