Lo esencial (BLUF): Texto a voz convierte el texto escrito en voz directamente en su navegador: ingrese el texto, elija un idioma y una voz, y obtenga un archivo de audio. El texto y el audio nunca salen de su dispositivo, no se cobran tokens y no se paga API aquí. El modelo conoce 600+ idiomas y se puede clonar una voz a partir de su propio audio: un archivo cargado o una grabación de micrófono. El resultado se reproduce en el reproductor y se descarga como un archivo WAV.
Es síntesis de voz: entra texto, sale sonido. Úselo para expresar un video con su propia voz o la elegida, crear un borrador de pista de locución, verificar cómo suena un texto en otro idioma o simplemente escuchar un artículo extenso en lugar de leerlo.
La entrega se controla con una instrucción de texto: lectura tranquila, un susurro, alegría o tristeza. La emoción se establece junto con el texto en lugar de con controles deslizantes, por lo que el resultado suena más natural.
La herramienta viene con una biblioteca de voces listas: masculinas y femeninas, con diferentes timbres. Elija un idioma y una voz y comience a expresar.
Si necesita su propia voz, clónela a partir de una muestra breve: cargue un archivo de audio o grabe de 15 a 30 segundos desde el micrófono. La herramienta analiza la muestra y agrega la voz a su lista; luego se elige como cualquier otra. Las voces creadas se guardan en el navegador y sobreviven a la recarga de la página.
El texto y el audio nunca salen de tu ordenador: ni una línea va a nuestro servidor ni al de nadie. El modelo se carga en el navegador una vez (aproximadamente 3 GB de pesos) y luego se extrae del caché, mientras el cálculo se ejecuta en su tarjeta gráfica hasta WebGPU. Si la tarjeta gráfica no está disponible, el motor honestamente recurre al procesador y le informa al respecto; eso es notablemente más lento.
No se cobran tokens por la voz: es una herramienta gratuita que se ejecuta en su hardware, no en el nuestro.
El campo de entrada tiene hasta 20.000 caracteres. El texto largo se divide en partes en los límites de las oraciones y se expresa una tras otra con pausas breves: el ritmo se mantiene constante independientemente de la longitud y no se pierde nada al final. La barra de progreso muestra qué parte se está leyendo.
Puedes cancelar en cualquier paso: después de cancelar, comienza una nueva ejecución de inmediato, sin recargar la página.
La herramienta funciona mejor en Chrome o Edge en un escritorio, donde WebGPU está disponible. En los navegadores sin WebGPU la voz se genera en el procesador (WASM): sigue funcionando, pero notablemente más lento, especialmente para textos largos.
La primera ejecución lleva más tiempo: se descargan los pesos y se calienta la voz para que el primer resultado ya suene limpio. Las carreras posteriores son mucho más rápidas.
Sí. El modelo y sus pesos se cargan en el navegador y el cálculo se ejecuta en su dispositivo. El texto, la grabación del micrófono y el audio resultante nunca se cargan; la herramienta no tiene ningún pago API.
Nada. No se cobran tokens: es una herramienta gratuita que calcula en su computadora.
Sí. El campo de entrada tiene capacidad para hasta 20.000 caracteres y el texto largo se expresa en partes consecutivas para que no se pierda nada.
Cargue un archivo de audio con una muestra de voz o grabe de 15 a 30 segundos desde el micrófono. La herramienta analiza la muestra y la voz aparece en su lista; puede expresar cualquier texto con ella.
Significa que el navegador no pudo usar la tarjeta gráfica (WebGPU) y el motor cambió al procesador: más lento, pero con el mismo resultado. Puedes recargar la página e intentarlo de nuevo: la tarjeta gráfica suele estar libre para entonces.
600+ idiomas. Puede elegir el idioma manualmente o dejar activada la detección automática.