Convierte cualquier artículo en
un pódcast
Captura de pantalla. La plantilla ejecutándose en local.
- Modelos
- sonic-3.6
- Idiomas
- Inglés, español, francés, alemán y 4 más
- Licencia
- Apache-2.0
- Stack
- Next.js 16React 19AI SDKMozilla Readabilityshadcn/ui
- Productos de Cartesia
- Sonic 3.6
Qué hace
Antes de empezar, elige un episodio corto, medio o largo y uno de ocho idiomas: inglés, español, francés, alemán, portugués, japonés, hindi o coreano. El LLM escribe el guion en ese idioma, y Sonic lo lee en el mismo idioma. Los presentadores se llaman Sam y Alex hasta que les cambies el nombre. El episodio terminado se descarga desde el reproductor como archivo WAV.
Ejecútalo tú mismo
Instala
Ejecuta los comandos de abajo con Node 22.22 o posterior. pnpm también funciona. Rellena
.env.localcon la tabla de abajo. Sin claves, la página carga igualmente y dice qué variable definir.Variables de entorno - CARTESIA_API_KEY
play.cartesia.ai/keys- LLM_MODEL
proveedor/modelo, por ejemploopenai/gpt-5.4-mini- OPENAI_API_KEY
- Si
LLM_MODELempieza por openai/ - ANTHROPIC_API_KEY
- Si
LLM_MODELempieza por anthropic/ - AI_GATEWAY_API_KEY
- Para cualquier otro proveedor. No hace falta en Vercel
- CARTESIA_VOICE_HOST_A
- Opcional. Id de voz del primer presentador, y
CARTESIA_VOICE_HOST_Bpara el segundo - APP_PASSWORD
- Opcional en local. Obligatoria en Vercel, o none para que la app sea pública
- TRUST_PROXY
- Opcional. 1 detrás de tu propio proxy inverso
Crea un episodio
Abre la URL local que muestra el servidor de desarrollo y pega el enlace a un artículo. Para páginas que cargan su texto con JavaScript, cambia a Paste text. Elige la duración corta para un primer episodio rápido. Luego pulsa Make podcast.
Créalo con tu agente de programación
Un prompt que le dice a tu agente de programación por dónde empezar y qué leer primero.
Prompt
Build an article to podcast generator with Cartesia. Start from https:/ and follow its AGENTS.md for the commands, files and rules. The AI SDK writes the two-host script with generateText and Output.object. Speech goes through @cartesia/cartesia-js: one client.tts.generate call per line with model_id sonic-3.6 and raw pcm_s16le at 24 kHz, then the server joins the lines into one WAV. Do not use the AI SDK speech API for Sonic. If I don't have a Cartesia API key yet, follow https:/ to get one.
Cómo funciona
Por qué funciona así
Una llamada a Sonic por línea
Cada presentador necesita una voz distinta, así que cada línea es una petición propia. El audio sin procesar también da a cada línea una duración exacta, lo que mantiene sincronizada la transcripción resaltada. La app añade 350 ms de silencio cuando cambia el presentador y 180 ms en los demás casos. El coste es que el tono no pasa de una línea a la siguiente.
Cualquier LLM escribe el guion
El guion sale del AI SDK, así que funciona con cualquier proveedor de LLM. La voz pasa por el SDK de JavaScript de Cartesia, @cartesia/cartesia-js, que fija la versión de la API en cada petición.
Las páginas descargadas no son de confianza
El código de descarga de lib/safe-fetch.ts rechaza direcciones privadas e internas y solo permite los puertos 80 y 443. También limita las redirecciones, el tamaño de la página a 2 MB y el tiempo. El prompt marca el artículo como material para comentar y le dice al LLM que nunca siga instrucciones que aparezcan dentro.
Adáptalo a ti
Usa otras voces
Elige dos voces en play.cartesia.ai/voices. Pon el id de la voz del primer presentador en CARTESIA_VOICE_HOST_A. El del segundo va en CARTESIA_VOICE_HOST_B. Las voces por defecto son en inglés, así que elige voces que encajen con tu idioma.
Cambia el programa
El nombre del programa, el lema, los papeles de los presentadores y el esquema del episodio son valores por defecto en lib/config.ts. Las instrucciones que recibe el LLM están en lib/prompt.ts.
Usa otro proveedor de LLM
Pon en LLM_MODEL el id de AI Gateway del proveedor, por ejemplo google/gemini-2.5-flash. Añade AI_GATEWAY_API_KEY a su lado. Para llamar al proveedor directamente, instala su paquete del AI SDK. Después añade una rama para su prefijo en lib/llm.ts.
Únete a los equipos que dan el salto a Cartesia
Preguntas
¿Mi clave de API de Cartesia queda expuesta en el navegador?
No. El navegador envía el guion al servidor de la propia app, que llama a Sonic. La clave nunca sale del servidor.
¿Cuánto tarda un episodio?
Depende de tu LLM y de la duración que elijas. Un episodio corto necesita una sola llamada al LLM. El medio, que es el predeterminado, y el largo hacen varias llamadas seguidas, y Sonic pone voz a cuatro líneas a la vez.
¿Cuánto cuesta un episodio?
Sonic cuesta alrededor de 1 crédito por carácter del guion. La app rechaza guiones de más de 30.000 caracteres, así que un episodio cuesta como mucho unos 30.000 créditos, más los tokens del LLM.
¿Puedo publicarla en internet?
Primero pon una contraseña con APP_PASSWORD, porque cada episodio gasta tus tokens del LLM y tus créditos de Cartesia. Convierte solo artículos que sean tuyos o que tengas permiso para adaptar, e indica que el audio publicado está generado por IA.
¿Puedo hacerlo en Python?
Sí. La llamada a Sonic funciona igual en el paquete de Python de Cartesia. Empieza por la receta generar voz en un archivo y recorre las líneas de tu guion.
¿Hay una guía paso a paso de esta plantilla?
Sí. La receta recorre el código, el README explica la instalación, las variables de entorno y el despliegue, y la referencia de la API de TTS bytes explica la parte de Cartesia.
Más del cookbook
Empieza hoy
Habla con un experto.
Habla con nuestro equipo y descubre cómo puede ayudarte Cartesia a crear experiencias de voz de primer nivel.
Empieza a crear.
Accede a nuestros modelos mediante API y lleva un agente de voz a producción en minutos.