Cómo escribir y narrar un vídeo de YouTube con IA

TLDR: Un vídeo de YouTube que funciona es un guion bueno leído con intención. Todo lo demás es acabado. Claude sirve para trabajar el ángulo y el borrador del guion, ElevenLabs pone una narración consistente sin plató ni micro caro, y Descript monta el vídeo editando texto. Se puede probar entero con capas gratuitas, y pagando cada una lleva su cuota aparte: Claude desde 17 dólares al mes, Descript desde 16 y ElevenLabs desde 5.

Esta guía es para quien produce vídeo explicativo o divulgativo: canales de nicho, formación, marcas que enseñan cómo se usa lo que venden. No cubre el vídeo donde tu cara y tu presencia son el producto, porque ahí la locución generada resta más de lo que aporta.

El orden importa y casi todo el mundo lo invierte: primero el guion, después la voz, al final las imágenes. Quien empieza por grabar imágenes bonitas acaba escribiendo un guion que las justifique, y se nota.

1. Define el ángulo y el gancho antes del guion

Antes de escribir una línea, dos decisiones. La promesa: qué sabrá hacer o entender quien vea el vídeo, en una frase que cabría en el título. Y el gancho: cómo demuestras en los primeros quince segundos que esa promesa se va a cumplir.

Ese arranque decide el rendimiento del vídeo más que ninguna otra parte. Los quince segundos iniciales no son una introducción, son una demostración: enseña el resultado final, plantea el problema en términos que el espectador reconozca como suyos o suelta el dato que contradice lo que esperaba. Lo que no funciona es presentarte y explicar de qué va el canal.

Escribe promesa y gancho en dos frases antes de seguir. Si no consigues formularlos, el problema es el tema, no el guion.

2. Trabaja el guion con Claude

Claude aporta lo que este trabajo pide: un guion de diez minutos es texto largo que tiene que sostener la atención, y ahí la calidad de la escritura manda sobre cualquier otra cosa. Pídele dos estructuras posibles del tema y desarrolla la que aguante mejor el resumen en una frase. Capa gratuita permanente suficiente para el método, de pago desde 17 dólares al mes.

La IA escribe el andamiaje. Tú escribes lo que solo tú puedes decir.

El andamiaje es el orden de los bloques, las transiciones y la lista de puntos a cubrir. Lo tuyo son los ejemplos de tu experiencia, las advertencias que has aprendido a base de errores y la opinión que te distingue de los otros veinte vídeos sobre el mismo tema.

3. Graba la narración con ElevenLabs

ElevenLabs convierte el guion en locución con calidad publicable, desde 5 dólares al mes y con plan gratuito para probar. La ventaja que más pesa a medio plazo no es el ahorro de grabar, es la consistencia: la misma voz en todos tus vídeos, hoy y dentro de un año, sin depender de si estás resfriado o de la acústica de la habitación.

El trabajo real está en los ajustes. Una locución generada por defecto suena plana. Lo que la convierte en narración es meter pausas donde tú respirarías, marcar el énfasis en la palabra que sostiene la frase y bajar el ritmo en los puntos difíciles. Son cinco minutos por vídeo y son los que separan una voz de robot de una voz que explica.

Y este paso tiene una bifurcación que conviene resolver antes de pagar la suscripción.

4. Monta el vídeo por texto en Descript

Con la narración lista, Descript es donde se junta todo: importas el audio, transcribe, y montas colocando las imágenes o capturas sobre cada bloque de texto. Editar por transcripción es especialmente cómodo en vídeo explicativo porque el guion ya está estructurado por ideas, y cada idea es un tramo del texto.

Sus funciones de limpieza (quitar silencios largos, ajustar ritmo) sirven también con voz generada, sobre todo para apretar los tramos donde el vídeo se hace lento. Plan gratuito con 60 minutos al mes y de pago desde 16 dólares.

Del máster salen después los clips verticales que alimentan redes durante semanas, siguiendo la guía de clips desde vídeo largo, y si quieres el vídeo en otros idiomas, la de doblaje con IA. El resto del sector, en IA para contenido y medios.

Errores comunes

Publicar el guion generado sin reescribirlo. Un texto de modelo sobre un tema común produce el vídeo número veintiuno idéntico a los otros veinte. Lo que hace que te vean es lo que solo tú puedes contar.

Dejar la locución con los ajustes por defecto. La voz plana es el motivo real por el que la gente rechaza las narraciones generadas, no la tecnología. Cinco minutos de pausas y énfasis lo arreglan.

Escribir para leer. Las frases largas con subordinadas funcionan en un artículo y se pierden en audio. Si al leerlo en voz alta te falta el aire, hay que partirlo.

Gastar el esfuerzo en el minuto cinco. La mayoría de espectadores decide en los primeros quince segundos. Ese tramo merece más reescrituras que todo el resto junto.

Preguntas frecuentes

¿Cuánto cuesta producir un vídeo así?

Puedes probar el flujo entero con las capas gratuitas. Pagando, cada una cobra su cuota aparte y no las juntamos en un total que no publica nadie: Claude desde 17 dólares al mes, Descript desde 16 y ElevenLabs desde 5. Aun así sale mucho menos que una sola pieza encargada a un editor.

¿YouTube penaliza los vídeos con voz de IA?

Lo que penaliza es el contenido sin valor producido en serie, se narre como se narre. Un vídeo con guion propio, información útil y narración generada con criterio es contenido legítimo. Una cadena de vídeos genéricos con voz automática es exactamente lo que las plataformas filtran.

¿Se nota mucho la voz generada?

Con los ajustes por defecto, sí. Con pausas, énfasis y ritmo trabajados, la mayoría del público no lo distingue en un vídeo explicativo. En contenido personal o emocional, sigue notándose.

¿Necesito aparecer en cámara?

Para vídeo explicativo, no: capturas de pantalla, ilustraciones y texto en movimiento sostienen la narración perfectamente. Aparecer compensa cuando tu credibilidad personal es parte del argumento.