Cómo funciona Text to Speech: voces, límites y precio

Text to Speech convierte texto escrito en un archivo de audio hablado. La gente lo usa para poner voz a diapositivas o videos, escuchar un artículo en lugar de leerlo, escuchar cómo se pronuncia una frase en otro idioma o enviar un mensaje con su propia voz clonada. Funciona en web.vocalingo.app, iOS y Android.

Qué texto puedes ingresar

Cada proceso admite hasta 10,000 caracteres, lo que equivale a unos 11 minutos de voz a un ritmo normal. Un contador debajo del campo muestra cuántos caracteres llevas.

• Escribe el texto o toca Pegar para insertarlo desde el portapapeles.

• Díctalo con el botón del micrófono: la app convierte tu voz en texto.

• Envíalo desde otra herramienta: después de Speech to Text o Video to Text, toca Text to speech debajo de ¿Qué sigue?.

Si el texto es más largo, la app muestra "El texto es demasiado largo. Máximo 10000 caracteres". Divídelo en partes y genera la voz una por una.

Cómo poner voz a un texto

1. En la pestaña Herramientas, abre Text to Speech.

2. En la pestaña Texto, ingresa el texto y toca Continuar.

3. En la pestaña Voz, elige una voz. El botón de reproducción junto a cada voz reproduce una muestra. Por defecto viene seleccionada la voz Expressive Narrator de MiniMax.

4. Si es necesario, ajusta la voz debajo de la lista: instrucciones para voces de OpenAI; emoción, velocidad y tono para MiniMax; estabilidad, similitud y estilo para ElevenLabs. Toca Continuar.

5. En la pestaña Resultado, revisa el costo estimado y toca Generar.

Mientras se crea el audio, el botón muestra "Generando audio..." con un porcentaje y abajo aparece Cancelar.

Qué voces puedes elegir

El selector de voces tiene siete pestañas: Favoritos, Recientes, Mis voces, MiniMax, Qwen 3, OpenAI y ElevenLabs. MiniMax y ElevenLabs suenan más naturales en textos largos, las voces de OpenAI se pueden guiar con instrucciones y Mis voces guarda las voces clonadas a partir de tus grabaciones. Comparativa de todos los grupos con precios: qué voz de Text to Speech elegir. Cómo buscar, escuchar muestras y guardar voces en Favoritos: cómo elegir una voz.

Cómo añadir risas, pausas y el énfasis correcto

Con las voces de MiniMax y ElevenLabs, la pestaña Texto muestra etiquetas. Toca una etiqueta para copiarla y pégala en el texto donde quieras que suene.

• MiniMax: (laughs), (sighs), (coughs), (crying), (gasps), (groans) y <#1#> para una pausa de un segundo.

• ElevenLabs: [excited], [sad], [angry], [curious], [whispers], [laughs], [sighs], [crying] y puntos suspensivos para una pausa. Demasiadas etiquetas seguidas pueden hacer que el audio falle.

• Si una palabra tiene el acento en la sílaba incorrecta, escribe la parte acentuada en mayúsculas, por ejemplo REcord (un récord) y reCORD (grabar).

Qué obtienes y dónde encontrarlo

La pestaña Resultado muestra un reproductor con el audio. Al lado del reproductor hay un botón: en la app abre el menú de compartir para enviar el archivo o guardarlo en el dispositivo; en la web descarga el archivo. Para hacer cambios, edita el texto o la voz y toca Generar de nuevo.

Cada resultado se guarda en el Historial: toca el ícono del reloj en la parte superior. Sin Premium, se conservan los últimos 3 resultados; con Premium, se guardan todos. Más detalles: Historial: guardar, restaurar y eliminar resultados.

Cuánto cuesta

El precio depende de la voz y de la longitud del texto. Los tokens se descuentan por el archivo completado: si la generación falla, no se cobra nada o se devuelven los tokens.

El mínimo para cualquier uso es de 1 token. Las instrucciones, las emociones y otros ajustes no cambian el precio. Precios de otras herramientas: precios en tokens de cada herramienta.

Qué no puede hacer Text to Speech

• No traduce. La voz lee el texto en el idioma en el que está escrito. Para obtener audio en otro idioma, primero traduce el texto en Traducción de texto.

• No puede cambiar la voz de una grabación que ya tengas. Para eso está Voice Changer.

• El resultado no incluye la sección ¿Qué sigue?, por lo que el audio no se envía automáticamente a otras herramientas.

Si la generación tarda demasiado, la app muestra "La generación de voz tardó demasiado. Vuelve a intentarlo". Toca Reintentar y, si vuelve a fallar, elige otra voz.