Necesitas una narración para un vídeo corto, o simplemente quieres escuchar un artículo largo mientras haces otra cosa. Un conversor de texto a voz online resuelve ambos casos, pero hay una decisión previa que cambia el resultado: ¿usar la voz de tu propio sistema operativo, o un modelo de IA que corre en el navegador?
Dos motores, dos propósitos distintos
Voces del sistema (Web Speech API): el navegador le pide al sistema operativo que lea el texto con las voces que ya tiene instaladas. Es instantáneo — no hay descarga ni espera — porque no genera un archivo de audio, sino que reproduce directamente. La limitación es justo esa: como no se genera un archivo real, no hay nada que descargar. El navegador no permite capturar ese audio, solo reproducirlo.
IA local (modelo neuronal MMS): descarga un modelo de síntesis de voz de unos 150 MB la primera vez (queda en caché para las siguientes) y genera un archivo .wav real, descargable. La voz suena más natural y consistente porque es la misma red neuronal entrenada específicamente para ese idioma, no depende de qué voces tenga instaladas tu ordenador.
Por qué "cambiar de voz" a veces no cambia nada
Si tu sistema solo tiene una o dos voces instaladas para tu idioma (algo muy común en Windows y Linux sin paquetes de voz adicionales), elegir "otra voz" en el selector del sistema apenas se nota, porque en realidad hay poco donde elegir. Ese es el escenario típico donde vale la pena cambiar al motor de IA: son modelos entrenados independientemente del sistema operativo, con calidad consistente sin importar qué tenga instalado el usuario.
Cuándo usar cada motor
Usa las voces del sistema si:
- Solo quieres escuchar el texto una vez, sin necesidad de guardarlo.
- Necesitas el resultado al instante, sin esperar ninguna descarga.
- Quieres ajustar velocidad, tono y volumen en tiempo real mientras escuchas.
Usa el motor de IA local si:
- Necesitas un archivo de audio descargable, por ejemplo para la narración de un vídeo.
- Quieres una voz consistente sin depender de qué tenga instalado el sistema del visitante.
- Te vale la pena esperar la descarga del modelo (única vez, luego queda en caché del navegador).
Ahora mismo el motor de IA soporta español, inglés, francés, alemán, italiano y portugués, uno por idioma.
Cómo se trocea el texto
Los navegadores truncan silenciosamente las locuciones muy largas y pueden fallar si la pestaña estuvo mucho tiempo en segundo plano. Por eso el texto se divide automáticamente en fragmentos del tamaño de una frase (unos 200-300 caracteres) que se encadenan uno tras otro, con una pausa breve entre ellos — el resultado suena más natural que una sola locución gigante, y evita los cuelgues típicos de los textos largos.
Preguntas frecuentes
¿Por qué no puedo descargar el audio con las voces del sistema? Porque el navegador solo permite reproducir esa síntesis, no capturarla como archivo. Es una limitación de la Web Speech API, no de esta herramienta.
¿Hay límite de caracteres? No hay tope artificial; el límite real es lo que tarde tu dispositivo en procesarlo.
¿El modelo de IA se sube a algún servidor? No, se descarga una vez y el texto se convierte en audio localmente, sin enviar nada a ningún sitio.
¿Qué formato descargo con el motor de IA? Un archivo .wav.
Escucha o genera audio a partir de cualquier texto con texto a voz, gratis y sin registro, con voces instantáneas del sistema o IA local descargable.