Ir a

Text‑to‑Speech

Convierte texto en voz que suena natural con una API basada en las tecnologías de IA de Google
  • action/check_circle_24px Creado con Sketch

    Mejora las interacciones con los clientes gracias a respuestas naturales e inteligentes.

  • action/check_circle_24px Creado con Sketch

    Capta el interés de los usuarios con una interfaz de voz en tus dispositivos y aplicaciones.

  • action/check_circle_24px Creado con Sketch

    Personaliza tus comunicaciones en función de las preferencias de voz e idioma del usuario.

Ventajas

Voz de alta fidelidad

Despliega las vanguardistas tecnologías de Google para generar voces con una entonación natural. La API crea voces muy similares a las humanas, ya que se ha desarrollado gracias a los conocimientos sobre síntesis de voz de DeepMind.

Amplia selección de voces

Elige entre una gama de más de 220 voces para más de 40 idiomas y variaciones lingüísticas, incluidos árabe, español, hindi, mandarín y ruso, entre otros. Elige la voz que encaje mejor con tus usuarios y tu aplicación.

Una voz inconfundible

Crea una voz única que represente tu marca en todos los puntos de contacto con los clientes, en lugar de usar una voz común que también utilicen otras organizaciones.

Demostración

Prueba Text-to-Speech

Escribe lo que quieras, selecciona un idioma y haz clic en la opción de conversión a voz para oír lo que has escrito.

Características principales

Características principales

Voz personalizada (beta)

Entrena un modelo de voz personalizada usando tus propias grabaciones de audio para crear una voz única que suene más natural para tu organización. Puedes definir y elegir el perfil de voz que mejor se ajuste a tu organización y adaptarte rápidamente a los cambios necesarios sin tener que grabar más frases.

Voces de WaveNet

Aprovecha las más de 90 voces de WaveNet, desarrolladas gracias a las innovadoras investigaciones de DeepMind, para generar voces que podrían parecer humanas.

Ajuste de la voz

Personaliza el tono de la voz seleccionada, hasta 20 semitonos por encima o por debajo de la opción predeterminada. Modifica la velocidad de elocución para que sea, por ejemplo, 4 veces más rápida o más lenta que la velocidad normal.

Compatibilidad con textos y lenguaje SSML

Personaliza la forma de hablar con etiquetas SSML que te permiten añadir pausas y números, así como determinar el formato de las fechas y las horas, entre otras instrucciones de pronunciación.

Ver todas las características

Novedades

Novedades

Suscríbete para recibir newsletters de Google Cloud con novedades sobre productos, información de eventos, ofertas especiales y mucho más.

Documentación

Documentación

Aspectos básicos de Google Cloud
Aspectos básicos de Text‑to‑Speech

Un repaso a los conceptos fundamentales para usar la API Text‑to‑Speech.

Guía de inicio rápido
Guía de inicio rápido: Usar la línea de comandos

Configura la autorización y el proyecto de Google Cloud y realiza una solicitud a Text‑to‑Speech para crear audio a partir de texto.

Aspectos básicos de Google Cloud
Voces e idiomas disponibles

Echa un vistazo a las guías y los recursos de este producto.

Aspectos básicos de Google Cloud
Información general sobre Voz personalizada (beta)

Descubre cómo puedes usar la función Voz personalizada para crear una voz única con un sonido más natural a partir de tus propias grabaciones de audio con calidad de estudio.

Tutorial
WaveNet y otras voces sintéticas

Descubre las voces sintéticas disponibles en Text‑to‑Speech, incluidas las premium de WaveNet.

Tutorial
Enunciar direcciones con SSML

En este tutorial, te enseñamos a usar lenguaje de marcas de síntesis de voz (SSML) para enunciar un archivo de texto de direcciones.

Usos

Casos prácticos

Uso
Bots de voz en centros de contacto

Mejora la experiencia de voz del servicio de atención al cliente con los bots de voz de Dialogflow, que generan voces de forma dinámica en vez de reproducir audios estáticos que se han grabado previamente. Interactúa con voces sintetizadas de alta calidad que dan a los clientes una sensación de familiaridad y personalización.

Arquitectura de referencia de los bots de voz en centros de contacto
Uso
Generación de voz en dispositivos

Comunícate de forma natural con tus usuarios dotando a tus dispositivos de voces emulan la voz humana, como un lector de texto. Desarrolla una interfaz de usuario de voz integral con Speech-to-Text y Natural Language, y mejora la experiencia de los usuarios con interacciones sencillas y agradables.

Arquitectura de referencia de generación de voz en dispositivos
Uso
Guías electrónicas de programas (EPGs) accesibles

Es muy fácil activar la lectura en voz alta de las EPGs para proporcionar una mejor experiencia de usuario a los clientes y asegurarte de que tus servicios y aplicaciones cumplen los requisitos de accesibilidad. Prueba la demostración de las EPGs.

Implementa fácilmente la función de conversión de texto a voz en EPGs para proporcionar una mejor experiencia de usuario a los clientes y asegurarte de que tus servicios y aplicaciones cumplen los requisitos de accesibilidad. 

Arquitectura de referencia que muestra cómo la API Text-to-Speech puede crear EPGs accesibles

Todas las características

Todas las características

Voz personalizada (beta) Entrena un modelo de síntesis de voz personalizado usando tus propias grabaciones de audio para crear una voz única que suene más natural para tu organización. Puedes definir y elegir el perfil de voz que mejor se ajuste a tu organización y adaptarte rápidamente a los cambios necesarios sin tener que grabar más frases. Más información
Selección de voz e idioma Elige entre una gama de más de 220 voces para más de 40 idiomas y variaciones lingüísticas, que seguirá ampliándose en el futuro.
Voces de WaveNet Aprovecha las más de 90 voces de WaveNet, desarrolladas gracias a las innovadoras investigaciones de DeepMind, para generar voces que podrían parecer humanas.
Compatibilidad con textos y lenguaje SSML Personaliza la forma de hablar con etiquetas SSML que te permiten añadir pausas y números, así como determinar el formato de las fechas y las horas, entre otras instrucciones de pronunciación.
Ajuste del tono Personaliza el tono de la voz seleccionada, hasta 20 semitonos por encima o por debajo de la opción predeterminada.
Ajuste de la velocidad de elocución Modifica la velocidad de elocución para que sea, por ejemplo, 4 veces más rápida o más lenta que la velocidad normal.
Control de ganancia de volumen Aumenta el volumen de la voz hasta 16 dB o disminúyelo hasta ‑96 dB.
APIs REST y gRPC integradas Es muy fácil integrar cualquier aplicación o dispositivo que pueda enviar solicitudes REST o gRPC, como teléfonos, ordenadores, tablets y dispositivos del Internet de las cosas (por ejemplo, coches, televisores o altavoces).
Flexibilidad del formato de audio Convierte texto a formatos de audio como MP3, LINEAR16 y Ogg Opus, entre otros.
Perfiles de audio Optimiza el sonido según el tipo de dispositivo que utilices para reproducir la voz (por ejemplo, auriculares o líneas telefónicas).

Precios

Precios

El precio de Text-to-Speech se determina en función de la cantidad de caracteres que se envían cada mes al servicio para que los convierta en audio. El primer millón de caracteres de cada mes para voces de WaveNet es gratuito. En el caso de las voces estándar (es decir, que no son de WaveNet), los primeros 4 millones de caracteres de cada mes son gratuitos. Text‑to‑Speech se tarifica por cada millón de caracteres de texto procesado a partir del máximo correspondiente al nivel gratuito.

Si pagas en una moneda que no sea el dólar estadounidense, se aplicarán los precios que figuran para tu divisa en los SKUs de Google Cloud.