Convertir texto a voz

1. 01

   Pega tu texto

   Hasta 5,000 caracteres por generación sin cuenta (10,000 si inicias sesión), unas 800 palabras o cerca de cinco minutos de audio. ¿Texto más largo? Divídelo en bloques por escenas o párrafos.

2. 02

   Prueba las voces con la vista previa

   Pulsa Vista previa en tres o cuatro voces antes de generar. La vista previa usa la primera oración de tu texto, así que escuchas cada voz con tus propias palabras y no una demo genérica.

3. 03

   Genera a 1.0×

   A 1.0× la entonación suena más natural. Sube a 1.1× o 1.2× solo si el formato necesita un ritmo más ágil, como en Shorts, TikTok o anuncios.

4. 04

   Descarga WAV o MP3

   WAV sin pérdidas de 24 kHz o un MP3 más liviano, sin marca de agua y con uso comercial incluido. Impórtalo directo en un editor de video, un DAW o una herramienta para cursos.

¿Quieres escucharlas? Ver las 54 voces →

• 01

  Elige la voz según el tipo de contenido, no la que más te guste

  En un tutorial de software, una voz cálida puede sonar condescendiente. En un vlog de estilo de vida, una voz neutral puede sonar fría. Primero, adapta el tono al género: Liam para tutoriales, Sarah para explicaciones, Sky para videos cortos y River para relatos largos. Después, prueba otras voces del mismo estilo.

• 02

  Prueba rápido: previsualiza, no generes

  La vista previa procesa la primera oración de tu texto con cualquier voz en segundos. Prueba cuatro voces seguidas y elige la mejor antes de usar Generar audio. Es el paso que más tiempo te ahorra en todo el flujo de trabajo.

• 03

  Usa comas, puntos y saltos de línea para marcar el ritmo

  El modelo Kokoro interpreta la puntuación como parte de la prosodia. Una coma marca una pausa breve; un punto, una más larga; un salto de línea, la más larga. Si una oración suena plana, divídela. Si una transición va demasiado rápido, agrega puntos suspensivos. Es la forma más económica de controlar el ritmo y no cuesta nada.

• 04

  Cambia de voz a mitad del contenido para romper la monotonía

  La narración con una sola voz pierde energía después de ocho minutos. En videos largos y podcasts, alterna dos voces: una voz principal para la narración (Sarah, River) y una secundaria para interjecciones como «¿Sabías que...?», citas o avisos laterales (Adam, Daniel). Genera fragmentos por separado y únelos en tu editor.

• 05

  Deletrea fonéticamente nombres propios y acrónimos

  Para los acrónimos, separa las letras con puntos (N.A.S.A.) o escríbelos completos. Para los nombres propios, indica cómo suenan: «Linus» como «Lie-nus», «Kokoro» como «co-co-roh» y «Anthropic» como «an-throp-ic». Genera un audio de prueba muy corto con solo la palabra difícil y prueba otras voces por si alguna la pronuncia mejor. Después, corrige esa palabra en el guion completo.

• 06

  Usa 1.0×, salvo que el formato requiera otra velocidad

  La voz suena más natural a velocidad nativa. Usa una velocidad de entre 1.1× y 1.2× solo para videos cortos (TikTok, Shorts, Reels), donde el ritmo contundente funciona mejor. Para tutoriales, narraciones, audiolibros y explicaciones, 1.0× suena muchísimo más natural. El modelo se entrenó con habla a velocidad natural.

La comparación es cualitativa. Las cifras del plan gratuito de la competencia cambian con el tiempo. Consulta los límites actuales de ElevenLabs antes de comparar.