Número 1 en Speech Arena
Síntesis de voz con IA pruébalo gratis, sin registro
Únete a los equipos que dan el salto a Cartesia
Cómo convertir texto en voz
Escribe tu texto
Escribe o pega hasta 500 caracteres en la demo de arriba, o empieza con un guion de ejemplo.
Elige una voz
Elige un idioma y una voz, y pulsa Play. Cambia de voz para oír la misma frase leída de otra manera.
Crea con la API
Crea una clave de API gratuita. Desde tu backend, envía texto y un ID de voz, y la API devuelve el audio.
Ejemplos de síntesis de voz
Soporte
Audio original en inglés
Los agentes de soporte con IA leen en voz alta actualizaciones de pedidos y pasos para resolver problemas, con la misma voz en cada llamada.
Videojuegos
Grabación original
Los personajes dicen diálogos generados a partir de tu guion, así que una frase nueva no necesita una sesión de estudio.
Contenido
Grabación original
Las locuciones para videos y tutoriales salen directamente del guion, así que cambiar una frase significa regenerarla en lugar de volver a grabarla.
Medios
Grabación original
Los artículos y boletines se convierten en ediciones de audio y segmentos de pódcast.
Atención sanitaria
Audio original en inglés
Los recordatorios de citas y las instrucciones para pacientes se leen en voz alta a partir de textos que tu equipo ha revisado.
Ventas
Audio original en inglés
Las demos de producto y los vídeos comerciales tienen una narración que puedes actualizar cada vez que cambia el discurso de venta.
Agentes de voz
Audio original en inglés
Los agentes de voz con IA dicen cada respuesta a medida que el modelo de lenguaje la escribe, con la rapidez de una conversación natural.
Doblaje
Audio original en japonés
Los guiones traducidos se convierten en pistas de voz para videos localizados.
Avatares
Grabación original
Los avatares digitales y los presentadores virtuales dicen diálogos generados a partir de texto.
Logística
Audio original en inglés
Las actualizaciones de envíos y las instrucciones de despacho se pronuncian con los datos de entrega más recientes.
Selección de personal
Grabación original
Las presentaciones de entrevistas y los mensajes de programación se leen a partir de guiones aprobados, igual para cada candidato.
Accesibilidad
Grabación original
Las guías y los materiales de cursos tienen una versión en audio que se puede escuchar mientras se lee el texto.
Voces fluidas y nativas, en todo el mundo
Llega a mercados internacionales con Sonic: 44 idiomas y una amplia variedad de acentos, todos con voces de calidad nativa.
Síntesis de voz en tu propia app
Envía el texto terminado y recibe un archivo WAV, MP3 o PCM sin procesar. O transmite el texto por un WebSocket a medida que tu modelo de lenguaje lo escribe, con el primer audio en menos de 90 ms.
¿SpeechSynthesis del navegador o una API de voz?
Ambas leen texto en voz alta.
Síntesis de voz del navegador
La interfaz SpeechSynthesis de la Web Speech API lee texto en el navegador con las voces que ofrecen ese navegador y el sistema operativo, así que la voz cambia de una configuración a otra.
Ideal para Leer texto en voz alta en una página web.
Leer la guía de síntesis de voz del navegadorAPI de voz de Cartesia
Tu backend envía texto y un ID de voz y recibe el audio, con la misma voz en todos los dispositivos. Transmítelo en una llamada o guárdalo como archivo.
Ideal para apps en producción y agentes de voz.
Explorar la API de vozExplorar más herramientas de voz
Preguntas frecuentes sobre síntesis de voz
¿Qué es la síntesis de voz?
La síntesis de voz es el uso de software para convertir texto escrito en audio hablado. También se llama texto a voz (TTS) o síntesis vocal. Los sistemas modernos usan modelos de IA entrenados con habla grabada, así que suenan mucho más cerca de una persona que las voces robóticas del software antiguo.
¿Puedes darme un ejemplo de síntesis de voz?
Un agente telefónico que te repite la hora de tu cita, una app de navegación que anuncia el próximo giro y un lector de pantalla que lee una página web usan síntesis de voz. También la demo de la parte superior de esta página, que lee el texto que escribes en ella.
¿La síntesis de voz es gratis?
La demo de esta página es gratuita y no requiere registro. Para usar la API en tu propia app, crea una cuenta: el plan Free incluye 20.000 créditos al mes, y los planes de pago incluyen más.
¿Cuál es la diferencia entre la síntesis de voz y el reconocimiento de voz?
La síntesis de voz convierte texto en audio hablado. El reconocimiento de voz convierte audio hablado en texto. Un agente de voz los encadena con un modelo de lenguaje: el reconocimiento escucha a quien llama, el modelo escribe la respuesta y la síntesis la pronuncia. Cartesia ofrece Sonic para texto a voz e Ink para voz a texto.
¿Cómo funciona la síntesis de voz?
Un modelo de IA lee el texto y predice cómo debe sonar: cómo se pronuncia cada palabra, el ritmo de la frase y dónde cae el énfasis. Después genera el audio. Los modelos de Cartesia transmiten ese audio a medida que lo generan, así que la reproducción empieza antes de que termine la frase.
¿Cartesia es lo mismo que la API SpeechSynthesis del navegador?
No. window.speechSynthesis del navegador lee el texto con las voces que ofrecen el navegador y el sistema operativo de quien escucha, así que la voz cambia de un dispositivo a otro. Cartesia es una API alojada que devuelve el audio generado a tu aplicación, con la misma voz en todas partes. Para reproducir solo en el navegador sin clave de API, consulta el tutorial de texto a voz en JavaScript.
¿Cómo integro la síntesis de voz en una aplicación?
Crea una clave de API, guárdala en tu backend y envía texto con un ID de voz; la API devuelve el audio. La guía de texto a voz en Python muestra cómo generar y guardar un archivo WAV en pocas líneas. Para un agente telefónico o de voz, transmite el audio por un WebSocket, o deja que Cartesia Managed Agents gestione el agente y sus llamadas.
¿Qué idiomas admite Cartesia?
Las voces de Cartesia hablan más de 40 idiomas con un solo modelo, con acentos regionales como el inglés estadounidense, británico y australiano, el francés canadiense y el español mexicano. La página de idiomas tiene muestras en cada idioma.
¿Puedo transmitir la voz en streaming mientras se genera?
Sí. Por WebSocket o eventos enviados por el servidor, Cartesia envía el audio en fragmentos a medida que se genera, así que tu app puede empezar a reproducirlo antes de que el clip esté completo. La referencia de la API de streaming muestra el formato de respuesta.
¿Puedo controlar la velocidad y la emoción de la voz sintetizada?
Sí. Puedes ajustar la velocidad y el volumen del habla y elegir entre más de 60 emociones para cambiar la interpretación. La guía de controles de voz enumera las opciones de cada modelo.
¿En qué se diferencia la clonación de voz de la síntesis de voz?
La clonación de voz crea una voz reutilizable a partir de grabaciones de una persona. Después, la síntesis de voz usa esa voz, o cualquier voz de la biblioteca, para leer texto nuevo. La página de clonación de voz explica los requisitos de grabación.
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.