Conversión de texto a voz

Conversión de texto a voz es una herramienta gratuita que envía tu texto y el código de idioma elegido a un servidor, utiliza la API del traductor de Google para generar el audio y te permite escuchar el resultado.

¿Cómo convierto texto en voz?

Introduce el código de idioma adecuado, genera el audio y escucha el resultado. El código indica al servicio de voz cómo debe interpretar y pronunciar el texto.

1. Prepara el texto exactamente como quieras que se lea.
2. Introduce un código que corresponda al idioma del texto.
3. Genera el audio de voz.
4. Comprueba si se pronuncian mal nombres, abreviaturas, fechas o números.
5. Si la versión hablada no se entiende bien, modifica el texto y vuelve a generar el audio.

Por ejemplo, la entrada Please close the window. con un código de idioma inglés genera un audio que lee la frase en voz alta. Si el texto está en francés, utiliza un código de idioma francés en lugar de confiar en que una voz inglesa interprete la ortografía francesa.

La herramienta devuelve un audio, no una versión reescrita ni traducida del texto. Si lo necesitas en otro idioma, traduce primero el contenido y después genera la voz con el código de idioma correspondiente.

¿Qué cambia el código de idioma?

El código de idioma determina las reglas de pronunciación utilizadas para generar la voz. Puede afectar a los sonidos, el ritmo y la forma de interpretar números o abreviaturas, aunque el texto visible no cambie.

El campo que debe completar el usuario según la documentación es Language code. El código debe corresponder al idioma del texto.

Un código de idioma no es una instrucción de traducción. Introducir un texto en inglés con un código francés no convierte la frase al francés de forma fiable. Solo pide al motor de voz que lea los caracteres existentes aplicando las reglas de pronunciación del francés, lo que puede producir un resultado poco natural.

¿Para qué sirve el audio de voz generado?

La voz generada resulta útil cuando necesitas escuchar un texto escrito sin grabar a una persona leyéndolo. Entre sus usos habituales están revisar guiones, preparar alternativas accesibles y comprobar cómo suena un texto al leerlo en voz alta.

• Los borradores de vídeo pueden incluir una narración provisional mientras ajustas la duración de las escenas, los subtítulos o una edición para YouTube.
• Las pruebas de pronunciación permiten detectar expresiones poco naturales en anuncios, instrucciones y ejercicios para aprender idiomas.
• Las revisiones de accesibilidad ayudan a identificar frases difíciles de seguir al escucharlas en lugar de leerlas.
• Los guiones telefónicos pueden revisarse para detectar frases demasiado largas, números confusos y abreviaturas antes de grabar el mensaje definitivo.

La voz sintética puede ser adecuada para un borrador o una tarea sencilla de escucha. No sustituye a una grabación humana cuando importan la emoción, un énfasis preciso, el carácter o un acento regional concreto.

Detalles de la entrada y textos difíciles

La implementación llama a la función strlen de PHP, que devuelve la longitud de una cadena en bytes, y utiliza codificación URL al enviar los valores. Así, los espacios y los caracteres reservados de una URL pueden transmitirse como datos sin confundirse con parte de una dirección web. Los caracteres sensibles en HTML también se escapan durante el procesamiento. Estas medidas técnicas no determinan cómo pronunciará el texto el motor de voz.

La puntuación suele influir en las pausas, por lo que un punto o una coma pueden facilitar la comprensión de una frase. Un exceso de signos puede provocar pausas extrañas o simplemente ignorarse. Los números también pueden resultar ambiguos. Por ejemplo, 03/04/2026 podría leerse como números separados, y la fecha que representa no queda clara si no se indica la convención utilizada. Escribir 3 April 2026 proporciona al motor una formulación más clara.

Los caracteres acentuados y los que no pertenecen al alfabeto latino deben usarse con un código de idioma adecuado. Aun así, su pronunciación depende de la compatibilidad del servicio subyacente. Una entrada vacía no puede producir una voz con contenido significativo. Si el texto es largo, divídelo en frases o párrafos breves cuando sea necesario.

¿Qué limitaciones tiene la conversión de texto a voz?

El resultado no puede garantizar una pronunciación, un énfasis o un acento regional correctos. Los nombres de personas y lugares, las siglas y los términos especializados suelen causar errores porque su pronunciación no siempre puede deducirse únicamente de la ortografía.

La entrada documentada incluye un código de idioma, pero no permite suponer que existan controles para elegir la voz, la velocidad de lectura, el tono o el formato de audio. No bases un flujo de trabajo de producción en esas opciones salvo que estén visibles cuando utilices la herramienta.

El procesamiento se realiza en el servidor. Tu entrada se envía al servidor mediante HTTPS y no se almacena. El servicio depende de la API del traductor de Google, así que evita introducir material confidencial, sujeto a restricciones legales o que contenga datos personales sensibles, salvo que su uso esté permitido por las normas aplicables a tu organización y al servicio externo.

Preguntas frecuentes

¿Puedo usar comercialmente el audio generado?

La herramienta no establece los derechos de uso comercial del audio de texto a voz generado mediante la API del traductor de Google. Consulta las condiciones aplicables del servicio de Google y cualquier requisito contractual relacionado con la publicación, el anuncio, el curso o el producto en el que quieras utilizar el audio.

¿La herramienta puede leer emojis?

El tratamiento de los emojis varía según el motor de voz, el idioma y el símbolo. Un emoji puede describirse, ignorarse o pronunciarse de forma inesperada. Si necesitas que su significado se escuche con claridad, sustitúyelo por palabras.

¿Por qué pronuncia mal las abreviaturas?

Un motor de voz puede interpretar una abreviatura como una palabra o leer sus letras por separado. Añade espacios o puntos entre las letras, o escribe el término completo, y después compara los resultados. Por ejemplo, escribir el nombre completo de un departamento suele ser más claro que usar una sigla poco conocida.

¿La herramienta admite etiquetas SSML?

Los campos documentados no incluyen una entrada SSML, así que no des por hecho que se interpretarán etiquetas de pausas, énfasis o pronunciación. Utiliza puntuación normal y una redacción más clara, o elige una plataforma de voz específica que admita expresamente Speech Synthesis Markup Language.

¿Qué campo del formulario tengo que rellenar?

El campo del formulario que debe completar el usuario según la documentación es Language code.

Comprobaciones finales

Escucha el resultado completo antes de utilizarlo. Compara los nombres, las direcciones, los precios, las horas y las fechas con el texto original, y reformula cualquier parte que el motor lea de manera ambigua. Conserva el texto original para poder corregir y volver a generar fragmentos breves sin tener que reconstruir todo el guion.