Texto a voz en español (TTS, gratis)

Pega tu texto, elige una voz de IA natural y guárdalo en WAV o MP3, o usa al instante las voces de tu dispositivo.

Antes de empezar Derechos de autor, aviso de voz de IA y descarga de 400 MB (toca para leer)

Cargando la herramienta...

Escuchar un texto en voz alta ayuda a revisarlo, a practicar una presentación y a hacerlo más accesible. Esta herramienta tiene dos modos. La "Voz de IA de alta calidad" ejecuta el modelo de código abierto Supertonic 3 de Supertone directamente en este navegador y produce una narración natural, parecida a una voz humana, que puedes guardar como archivo WAV o MP3. La pestaña "Voces del dispositivo" usa la síntesis de voz integrada en tu navegador, así que puedes usarla al momento sin instalar nada ni descargar un modelo.

¿Qué es la voz de IA de alta calidad (Supertonic 3)?

Supertonic 3 es un modelo de texto a voz que funciona en el propio dispositivo y admite 31 idiomas, entre ellos el español, el coreano, el inglés y el japonés. Hace la inferencia con ONNX Runtime Web por completo dentro de este navegador, así que tu texto no sale de tu dispositivo. Puedes elegir entre 5 voces masculinas y 5 femeninas, una velocidad de 0.8x a 1.5x y una calidad de 4, 8 o 16 pasos de refinado: más pasos suenan más natural, pero tardan un poco más. Puedes pegar hasta 5000 caracteres de una vez; dentro de ese límite, los textos largos se dividen automáticamente en fragmentos del tamaño de un párrafo, que se generan en orden y se unen en un solo archivo de audio. Los archivos del modelo (unos 400 MB) se descargan solo la primera vez; después quedan guardados en este navegador. Si tu dispositivo admite WebGPU, se usa automáticamente para generar mucho más rápido; si no, se pasa automáticamente a WebAssembly (WASM).

Para qué sirve

Cómo se usa (voz de IA de alta calidad)

  1. Abre la pestaña "Voz de IA de alta calidad" y elige un idioma (en esta página viene seleccionado el español; también hay coreano, inglés, japonés y otros) y una voz (Hombre 1-5, Mujer 1-5).
  2. Elige la velocidad (de 0.8 a 1.5x) y la calidad (4, 8 o 16 pasos) y pega tu texto (hasta 5000 caracteres).
  3. Presiona "Descargar antes" para bajar el modelo por adelantado, o presiona directamente "Generar voz de IA" para empezar ya. El modelo (unos 400 MB) se descarga una sola vez.
  4. El resultado se reproduce automáticamente; guárdalo como archivo WAV o MP3.
  5. Antes de usar el audio, escúchalo entero: revisa sobre todo cómo se leen los nombres propios, las siglas y las cifras, y corrígelos con el diccionario de pronunciación del Estudio si hace falta.

Cómo funciona

La voz de alta calidad es el modelo Supertonic 3 de Supertone, que funciona con ONNX Runtime en tu navegador; sus archivos (unos 400 MB) se descargan una vez desde nuestro almacenamiento de modelos (models.dagotools.com, con Hugging Face como alternativa), y las voces del dispositivo usan el motor de voz integrado en tu sistema. Con la voz de IA, tu texto nunca se envía a un servidor, y cada generación admite hasta 5000 caracteres. En la pestaña "Voces del dispositivo", las voces marcadas como "en línea" pueden enviar tu texto a los servidores del proveedor del navegador o del sistema operativo.

Con la voz de IA, tu texto y el audio se procesan en tu navegador y no se suben a un servidor. Puedes comprobarlo tú mismo con una prueba de red en DevTools.

Cómo se usa (Estudio: diálogos, subtítulos, música de fondo)

  1. Pega tu guion en la tarjeta "Estudio", debajo de "Voz de IA de alta calidad". Para un diálogo, escribe cada línea como "Nombre: texto".
  2. Presiona "Dividir en frases" y luego ajusta la voz de cada personaje y la velocidad, la entonación y la pausa de cada frase. Escucha con ▶ y, si hace falta, vuelve a generar una frase con ↻.
  3. Si quieres, añade líneas "palabra=cómo se lee" al diccionario de pronunciación y elige un archivo de música de fondo, con su volumen y cuánto baja mientras se habla.
  4. Presiona "Generar todo" para crear todas las frases y unirlas. Si lo detienes, presiónalo otra vez para continuar.
  5. Descarga el WAV o MP3 y los subtítulos SRT/VTT. Cuando lo publiques, indica que es una voz generada con IA.

Cómo se usa (voces del dispositivo)

  1. En la pestaña "Voces del dispositivo", pega el texto en el cuadro.
  2. Elige una voz (de las instaladas en tu dispositivo), una velocidad (de 0.5 a 2.0x) y un tono (de 0.5 a 2.0x).
  3. Presiona "Leer en voz alta" para escucharlo.
  4. Para guardar el sonido como archivo, presiona "Grabar el audio de la pestaña (experimental)" y activa la opción de compartir el audio de la pestaña en la ventana para compartir; si no, no se grabará el sonido.

Formatos compatibles y límites

Código abierto utilizado

Consejos

Solución de problemas

Preguntas frecuentes

¿Puedo guardar la voz como archivo de audio?

Sí. El audio creado en la pestaña "Voz de IA de alta calidad" se puede guardar directamente como archivo WAV o MP3. La pestaña "Voces del dispositivo" no tiene una función de guardado propia, así que usa el método de grabación de pantalla.

¿Qué modelo usa la voz de IA?

Ejecuta el modelo de código abierto Supertonic 3 de Supertone directamente en este navegador (ONNX Runtime Web). Admite 31 idiomas, entre ellos el español, y te deja elegir entre 5 voces masculinas y 5 femeninas.

¿La voz de IA necesita conexión a internet?

Solo la primera vez, para descargar los archivos del modelo (unos 400 MB). Después quedan guardados en este navegador y la próxima vez puedes usarla al momento.

¿Mi texto se envía a un servidor?

Con la "Voz de IA de alta calidad", no: tu texto y el audio generado se procesan por completo en este dispositivo. Solo se descargan los archivos del modelo, desde el almacenamiento de modelos de la familia Dagochim (models.dagotools.com o, como alternativa, el distribuidor original Hugging Face). En la pestaña "Voces del dispositivo", las voces marcadas como "en línea" pueden enviar tu texto a los servidores del proveedor del navegador o del sistema operativo.

¿Por qué las voces del dispositivo no son iguales para todos?

La lista de voces del dispositivo sale de los motores de voz instalados en cada dispositivo y navegador, así que cambia de uno a otro. La voz de IA siempre ofrece las mismas 10 voces para todo el mundo.

¿Puedo publicar audio hecho con la voz de IA?

Sí, pero debes indicar que fue generado con IA, y no puedes usarlo para hacerte pasar por otra persona, crear deepfakes, hacer nada ilegal, acosar a nadie ni difundir desinformación. Consulta la licencia OpenRAIL-M para más detalles.

¿Puede leer varios párrafos de una vez?

Sí. La voz de IA acepta hasta 5000 caracteres por vez; dentro de ese límite, un texto largo se divide automáticamente en fragmentos del tamaño de un párrafo, que se leen en orden y se vuelven a unir. Si tienes más de 5000 caracteres, genera el resto en otra pasada.

¿Puedo hacer un diálogo con varios personajes?

Sí. En el Estudio, escribe cada línea como "Nombre: texto" y cada nombre se lee con una voz distinta. Puedes cambiar la voz de un personaje en todas sus líneas a la vez o frase por frase, y los nombres también aparecen en los subtítulos.

¿Puedo volver a generar solo una frase?

Sí. Después de "Dividir en frases", puedes ajustar la voz, la velocidad, la entonación y la pausa de cada frase y usar el botón ↻ para volver a generar solo esa. Las frases que no cambiaron no se regeneran, así que es rápido.

¿Puedo descargar subtítulos (SRT/VTT)?

Sí. Después de generar todo, puedes descargar subtítulos SRT y VTT junto con el WAV o MP3. Los tiempos de los subtítulos salen de la posición de cada frase en el audio final, así que coinciden en un editor de video.

¿Puedo añadir música de fondo?

Sí. Elige un archivo de música de tu dispositivo y ajusta su volumen, cuánto baja mientras alguien habla (dB), el fundido de entrada y de salida, y la repetición. Baja en la cantidad que indiques durante el habla y vuelve a subir en las pausas de más de 0.4 segundos. Revisa tú mismo los derechos de autor de la música.

¿Puedo controlar cómo se pronuncian los nombres o las palabras extranjeras?

Sí. Añade líneas "palabra=cómo se lee" al diccionario de pronunciación (por ejemplo, Nguyen=guyen o Wi-Fi=wifi) y se sustituyen antes de la síntesis. El diccionario se guarda solo en este dispositivo. Los números, fechas, unidades y cantidades de dinero se convierten en palabras automáticamente solo en los textos en coreano; en español y en los demás idiomas, escríbelos como quieres que se lean (por ejemplo, "dos mil veintiséis" para 2026).

Más información

Para más detalles, consulta la guía Cómo usar el texto a voz y guardarlo como archivo.

Para desarrolladores: Tools That Don't Upload ofrece una API REST con un nivel gratuito (con límites de uso) para tareas de datos, texto, código, PDF y web. El procesamiento de audio no forma parte de la API.

Más herramientas gratis