Texto a voz: leer texto en voz alta y descargar MP3

Escribe o pega un texto, elige una voz y pulsa Generar. La voz se sintetiza en tu dispositivo, así que tu texto nunca se sube.

Nivel 0 · navegador · ilimitado
139 de 5000 caracteres

La voz se genera en este dispositivo; tu texto nunca se sube.

Voces naturales en español, sin cuenta

Pega hasta 5,000 caracteres, elige una de diez voces y pulsa Generar. Puedes escuchar al momento y descargar el audio en MP3 o WAV para videos, presentaciones, pódcasts, cursos en línea o para escuchar un artículo mientras haces otra cosa.

  • Español latinoamericano: Dora (mujer), Alex y Santa (hombres).
  • Inglés de EE. UU.: Heart, Bella, Michael y Fenrir.
  • Portugués de Brasil: Dora, Alex y Santa.
  • Velocidad: 0.8× para aprender idiomas, hasta 1.5× para ahorrar tiempo.

La pronunciación es la de Latinoamérica: la "c" ante e/i y la "z" suenan como "s", y la "ll" como la "y". Los números, los precios ($ se lee "pesos", US$ "dólares", € "euros") y abreviaturas comunes como Sr., Dra. o EE. UU. se leen en palabras.

Las voces vienen de Kokoro, un modelo abierto de 82 millones de parámetros que suena mucho más natural que las voces robóticas de la mayoría de los sistemas. La primera vez la página descarga el modelo (unos 100 MB); después queda en caché y la voz empieza en segundos.

Consejos

  • La puntuación marca la lectura: las comas agregan pausas cortas y los puntos, pausas más largas.
  • Escribe los acentos: "papá" y "papa" suenan distinto.
  • Usa la voz que corresponde al idioma del texto.

El audio es tuyo; la licencia del modelo (Apache 2.0) permite el uso comercial.

Cómo funciona

Cada oración se convierte en fonemas, los sonidos del idioma: el español y el portugués con reglas ortográficas (el acento escrito o, sin él, la terminación de la palabra decide la sílaba tónica), el inglés con un diccionario de pronunciación. El modelo Kokoro convierte esos fonemas en audio con la voz elegida, oración por oración, en tu dispositivo.

Preguntas frecuentes

¿Mi texto se envía a algún lado?

No. La voz se genera en tu navegador, en este dispositivo; el texto nunca sale de él.

¿Puedo usar el audio con fines comerciales?

Sí. El modelo Kokoro se publica con la licencia Apache 2.0, que permite el uso comercial.

¿Qué idiomas tiene?

Español latinoamericano y portugués de Brasil, con tres voces cada uno, e inglés de EE. UU., con cuatro.

¿Por qué una palabra suena mal?

Las palabras se leen por reglas ortográficas; los nombres extranjeros y las siglas pueden sonar raros. Escribirlos como suenan ayuda.

Fuentes

Revisado el 19 oct 2026 · vectores de prueba fixtures/tools/audio/text-to-speech/