API de texto a voz para aprender idiomas con voces naturales

Por Equipo editorial de VozNativa · Actualizado 2026-11-19

Esta guía está diseñada para equipos de startups de educación lingüística que integran nuestra API de texto a voz en sus aplicaciones. Descubre cómo seleccionar la voz adecuada según el tono y el registro, optimizar la velocidad de reproducción para el aprendizaje y gestionar correctamente los formatos de audio.

Aprende a utilizar las 8 voces predefinidas en 23 idiomas, ajustando parámetros como la velocidad (0.25–4.0) y el formato de salida. Aquí encontrarás criterios técnicos concretos, ejemplos de integración y soluciones a errores comunes, para mejorar la experiencia de escucha de tus usuarios sin complicaciones.

API de texto a voz para aprender idiomas con voces naturales

Preguntas frecuentes

¿Cuál es la voz más clara para aprender?

Aria es ideal por ser una narradora clara y cálida. También puedes usar Sage, cuya voz es calma e instruccional, perfecta para explicaciones paso a paso. Ambas están optimizadas para la claridad en entornos educativos, permitiendo que los estudiantes pronuncien correctamente sin confusión auditiva.

¿Qué voz es mejor para niños?

Nova, con su tono brillante y animado, o Luna, suave y narrativa, son excelentes opciones. Aunque no hay voces específicas para niños, estas presets ofrecen un tono amigable que mantiene la atención. Puedes ajustar la velocidad entre 0.25 y 4.0 para adaptar la entrega al ritmo de aprendizaje.

¿Puedo usar las voces en mi app comercial?

Sí, VozNativa es una API diseñada para integrarse en aplicaciones. Las voces provienen de grabaciones con licencia CC BY 4.0 y dominio público. Generas audio mediante nuestra API y lo integras en tu app sin restricciones adicionales de uso comercial específicas de la plataforma.

¿Qué es la licencia CC BY 4.0?

Es una licencia Creative Commons que permite el uso, modificación y distribución de las grabaciones base de LibriTTS-R, siempre que se atribuya al autor original. Junto con el dominio público de LibriVox, esto facilita el uso comercial de las voces sintetizadas en tus productos.

¿Cuál es la diferencia entre tts-1 y tts-1-hd?

Ambos modelos utilizan el mismo motor de síntesis y tienen el mismo precio: $10 por 1 millón de caracteres. Ambos utilizan el mismo motor de síntesis y tienen el mismo precio. La estructura de la solicitud es idéntica.

¿Qué voz usa mejor el acento británico?

Todas las voces pueden hablar inglés con acento británico si se especifica el código ISO 'en-GB' en el parámetro language. No hay una voz nativa exclusiva para este acento; el motor adapta la pronunciación según el código de idioma que envíes en la solicitud JSON.

¿Puedo combinar voces en un audio?

No, cada solicitud a la API genera un audio con una sola voz. Para combinar voces, debes realizar múltiples solicitudes, una para cada segmento de texto con la voz deseada, y luego unir los archivos de audio resultantes en tu aplicación usando herramientas de edición.

¿Qué formato de audio consume menos datos?

MP3 también es ligero. FLAC y WAV son sin pérdida y ocupan más espacio. PCM es crudo y tiene el mayor tamaño de archivo.

¿Son las voces naturales o robóticas?

Son voces sintéticas basadas en grabaciones reales de LibriVox y LibriTTS-R. Generan audio natural y fluido, aunque llevan una marca de agua inaudible que las marca como speech synthetic. No son robóticas en el sentido tradicional, pero se distinguen de la voz humana por su origen digital.

¿Puedo cambiar la voz durante una conversación?

No de forma dinámica dentro de un solo archivo de audio. Cada solicitud a la API produce un audio con una voz fija. Para simular un diálogo, debes hacer solicitudes separadas para cada turno de conversación y unir los archivos resultantes en tu aplicación.

¿Qué es un preset de voz?

Es una de las ocho configuraciones predefinidas de voz disponibles (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Cada preset tiene un tono, ritmo y estilo vocal específicos optimizados para diferentes contextos, como narración, instrucciones o conversaciones, sin necesidad de ajustar parámetros complejos.

¿Las voces incluyen emociones?

No, las voces no incluyen etiquetas de emoción ni modulación emocional dinámica. Cada preset tiene un tono base (por ejemplo, 'alegre' para Nova o 'calma' para Sage), pero no puedes variar la emoción dentro de una misma generación de audio mediante parámetros adicionales.

¿Qué es la marca de agua digital?

Es un código inaudible incrustado en cada archivo de audio generado. Marca el audio como speech synthetic, indicando que fue creado por la API de VozNativa. Es transparente para el usuario final pero permite identificar el origen sintético del audio si se analiza técnicamente.

¿Son las voces personalizables?

No, no ofrecemos clonación de voz personalizada ni subida de voces propias. Solo puedes elegir entre las ocho presets disponibles y ajustar la velocidad (0.25–4.0). No hay diseño de voz ni modificación de características vocales más allá de estos parámetros básicos.

¿Qué voz es mejor para noticias?

Atlas es la opción ideal, ya que está diseñada como voz neutral y periodística. Su tono es claro y directo, adecuado para transmitir información factual. También puedes usar Sage para un enfoque más instruccional o Aria para una narración más suave.

¿Cómo se ajusta la velocidad?

Envía el parámetro speed en la solicitud JSON con un valor entre 0.25 y 4.0. El valor predeterminado es 1.0. Esto permite acelerar o ralentizar la voz para adaptarse al ritmo de aprendizaje, sin cambiar la entonación base de la voz seleccionada.

¿Qué es LibriTTS-R?

Es una base de datos de grabaciones de texto leído bajo licencia CC BY 4.0, de la que se basan las voces. Junto con las grabaciones de dominio público de LibriVox, forma la base acústica de nuestras síntesis de voz.

¿Puedo usar la voz de Aria en francés?

Sí, Aria puede hablar francés. Solo debes especificar el código de idioma ISO 'fr' en el parámetro language de tu solicitud. Si no se especifica, el sistema intenta adivinar el idioma, pero para precisión, es recomendable establecerlo explícitamente para textos en latín no ingleses.

¿Qué voz es más rápida?

La velocidad de generación depende de la carga del servidor y la longitud del texto, no de la voz. Todas las voces tienen el mismo rendimiento. Sin embargo, puedes ajustar la velocidad de reproducción de 0.25 a 4.0 para que suenen más rápidas al usuario.

¿Son las voces estáticas o dinámicas?

Son estáticas en cuanto a su timbre y tono base. No cambian dinámicamente durante la generación ni responden a emociones. Solo puedes modificar la velocidad. Cada solicitud genera un audio fijo con las características del preset elegido, sin variación en tiempo real.

Criterios de selección

Ilustración de onda de sonido para: Criterios de selección

Al elegir una API de texto a voz para aplicaciones de aprendizaje de idiomas, la precisión es fundamental. Los estudiantes necesitan escuchar pronunciaciones claras para imitarlas correctamente, por lo que la distinción entre fonemas debe ser nítida y libre de artefactos que confundan el oído.

La voz debe sonar orgánica, no robótica, para mantener la atención del usuario durante ejercicios prolongados. Esto requiere motores de síntesis que manejen bien la entonación y el ritmo natural del habla.

La variedad de registros permite adaptar el audio al contexto pedagógico, desde diálogos informales hasta instrucciones formales.

Claridad fonética

Nuestra API garantiza que cada sonido sea articulado con precisión, facilitando la repetición y la práctica de la pronunciación por parte del estudiante.

La claridad se mantiene incluso a velocidades aceleradas, permitiendo ejercicios de comprensión auditiva más dinámicos sin perder inteligibilidad.

  • Consistencia en la pronunciación entre idiomas.

Tono natural

Las voces no suenan monótonas; incorporan variaciones de prosodia que reflejan el habla humana real.

Esto ayuda a los estudiantes a familiarizarse con las entonaciones naturales de cada idioma, mejorando su competencia comunicativa.

  • Prosodia fluida y natural.
  • Evita la fatiga auditiva en sesiones largas.

Variedad de registros

Contamos con voces que van desde un tono conversacional y amigable hasta uno más neutro y formal.

Puedes seleccionar el registro adecuado según el tipo de contenido, ya sea un juego de roles o una lectura académica.

  • Registros que van de conversacional a formal.
  • Opciones para diferentes contextos pedagógicos.

Voces femeninas

Ilustración de onda de sonido para: Voces femeninas

Las voces femeninas de VozNativa ofrecen claridad y calidez ideales para contextos educativos. Aria, Nova y Luna cubren desde la narración estructurada hasta la interacción dinámica, permitiendo a las startups de aprendizaje de idiomas adaptar el tono a la personalidad de sus aplicaciones.

Aria: narradora clara

Aria destaca por su voz clara y cálida, perfecta para narrar lecciones o contar historias en lengua extranjera. Su timbre natural facilita la comprensión auditiva, reduciendo la carga cognitiva para los estudiantes que están familiarizándose con nuevos sonidos.

Nova: tono brillante

Nova aporta un tono brillante y enérgico, ideal para ejercicios de conversación rápida o anuncios de lecciones. Su energía positiva mantiene la atención del usuario en aplicaciones interactivas, sin sonar artificial ni forzada en los diálogos cortos.

Luna: voz suave

Luna ofrece una voz suave y envolvente, adecuada para lecturas relajantes o meditaciones en idiomas. Su suavidad natural ayuda a crear ambientes de estudio menos estresantes, siendo excelente para contenido de escucha pasiva o repaso de vocabulario.

Voces masculinas

Ilustración de onda de sonido para: Voces masculinas

Las voces masculinas de VozNativa ofrecen registros específicos para diferentes contextos de aprendizaje. Felix aporta energía para contenido dinámico, mientras que Milo y Atlas garantizan claridad en diálogos y lecturas estructuradas.

Felix: energía promocional

Felix es ideal para introducir conceptos nuevos o anunciar lecciones con un tono enérgico. Su voz mantiene la atención del estudiante sin resultar agresiva, siendo perfecto para ejercicios de escucha activa.

  • Mejor para: anuncios de lecciones o retos de pronunciación

Milo: conversacional

Milo tiene un tono amigable y natural, similar a una conversación cotidiana. Es la opción recomendada para diálogos simulados en apps de idiomas, donde el estudiante practica respuestas en contextos reales.

  • Mejor para: diálogos simulados y preguntas de práctica

Atlas: neutral para noticias

Atlas ofrece una voz neutral, clara y libre de acentos marcados. Es excelente para lectura en voz alta de textos informativos o noticias, ayudando a los estudiantes a familiarizarse con un lenguaje formal y preciso.

  • Mejor para: lectura de textos informativos o noticias

Voces neutrales y formales

Ilustración de onda de sonido para: Voces neutrales y formales

Atlas y Orion ofrecen registros formales ideales para contextos de aprendizaje estructurado. Atlas aporta una neutralidad que evita distracciones fonéticas, mientras que Orion proporciona la profundidad sonora característica de los documentales educativos.

Atlas: neutral para noticias

Su tono uniforme es ideal para ejercicios de escucha pasiva o lectura de textos informativos. Al carecer de acentos marcados, facilita la concentración en la estructura gramatical sin interferencias de entonación emocional.

Orion: profundo para documentales

La voz grave de Orion se utiliza para narraciones extensas o explicaciones teóricas. Su timbre transmite autoridad y calma, manteniendo la atención del estudiante durante lecciones más largas sin fatiga auditiva.

Uso en contextos académicos

Estas voces son recomendables para la generación de exámenes orales o materiales de estudio formales. Permiten crear una distinc clara entre el contenido didáctico y los diálogos de conversación práctica.

Se integran fácilmente mediante la API para ofrecer un estilo de aprendizaje consistente en toda la aplicación, diferenciando el tono académico del lúdico de otras voces.

  • Evitan el ruido emocional en ejercicios de repetición.
  • Ideales para transcripciones de conferencias o lecturas técnicas.

Uso por tipo de contenido

Ilustración de onda de sonido para: Uso por tipo de contenido

La API de VozNativa se adapta a los distintos formatos de contenido que utilizan las startups de aprendizaje de idiomas, asegurando que cada tipo de audio transmita la intención pedagógica correcta. Desde la simulación de conversaciones reales hasta la explicación de reglas gramaticales, el tono y la velocidad ajustables permiten crear experiencias inmersivas sin necesidad de editar archivos manualmente.

Al seleccionar la voz adecuada para cada ejercicio, los desarrolladores pueden guiar la atención del estudiante. Por ejemplo, una voz dinámica para escuchar vocabulario en contexto o una voz clara para instrucciones precisas. Esto mejora la retención y hace que la práctica auditiva sea más natural y efectiva para el usuario final.

Diálogos para conversación

Para simular intercambios naturales entre hablantes, la voz Nova ofrece un tono brillante y upbeat que mantiene la energía de la charla, mientras que Milo proporciona un estilo conversacional y amigable ideal para situaciones cotidianas. Estas voces ayudan a los estudiantes a familiarizarse con el ritmo y la fluidez del habla real.

Al alternar entre estas voces en un diálogo, se puede simular una interacción dinámica sin necesidad de grabar múltiples personas. Esto es especialmente útil para aplicaciones que necesitan generar contenido ilimitado sin costos adicionales de producción de voz.

  • Nova para situaciones energéticas o de venta de vocabulario
  • Milo para diálogos casuales entre amigos o compañeros
  • Ajustar velocidad para imitar pausas naturales en la conversación

Lectura en voz alta

La voz Aria es ideal para narrar textos largos o historias cortas, ya que su tono claro y narrativo facilita la comprensión lectora. Al enviar textos de hasta 4096 caracteres, se puede generar audio de alta calidad para que los estudiantes escuchen y lean simultáneamente.

Esta función es clave para la práctica de comprensión auditiva. Los estudiantes pueden repetir frases o analizar la entonación mientras escuchan el audio generado por la API, lo que refuerza la asociación entre la forma escrita y la oral.

  • Aria para narración clara y estructurada
  • Luna para historias suaves y relatos emotivos
  • Uso de formato MP3 para ahorrar ancho de banda en móviles

Instrucciones paso a paso

Para ejercicios de gramática o pronunciación, la voz Sage ofrece un tono calmado e instruccional perfecto para guiar al estudiante. Su claridad asegura que cada palabra sea entendida sin distracciones, lo que es crucial para aprender nuevas estructuras lingüísticas.

Al combinar la voz Sage con una velocidad ajustada (por ejemplo, 0.8x), se puede hacer que las instrucciones sean más lentas y digeribles para principiantes. Esto permite que los usuarios procesen la información sin sentirse abrumados por el ritmo del habla nativa.

  • Sage para explicaciones claras y didácticas
  • Atlas para instrucciones neutrales y directas
  • Reducción de velocidad para niveles iniciales

Idiomas y acentos

Ilustración de onda de sonido para: Idiomas y acentos

VozNativa soporta 23 idiomas, desde árabe hasta turco. Cualquier voz puede hablar cualquiera de estos idiomas, lo que simplifica la gestión de acentos en tus aplicaciones educativas sin necesidad de asignaciones rígidas.

Voces multilingües

Nuestras voces no están atadas a un solo idioma. Esto permite que un mismo modelo de voz mantenga una consistencia tonal a través de diferentes lecciones en distintos idiomas, mejorando la experiencia de aprendizaje.

  • Soporte para 23 idiomas específicos
  • Voz única que cubre múltiples idiomas
  • Consistencia acústica entre idiomas

Detección de script

El sistema intenta adivinar el idioma basándose en el script del texto. Si el texto está en latín, asume inglés por defecto. Para textos en latín que no sean inglés, es necesario especificar el idioma manualmente.

Configuración manual

Puedes forzar el idioma usando el campo language con un código ISO. Esto evita errores de pronunciación cuando el script compartido (como el latín) puede corresponder a varios idiomas soportados.

  • Usa el parámetro language en la API
  • Especifica código ISO para precisión

Velocidad y entonación

Ilustración de onda de sonido para: Velocidad y entonación

La velocidad de síntesis (0.25–4.0) permite ajustar el ritmo de audio para cada contexto de aprendizaje. En la práctica, un valor cercano a 1.0 ofrece un habla natural, mientras que velocidades más bajas (0.75–0.8) ayudan a estudiantes principiantes a discriminar fonemas sin perder fluidez.

El motor procesa solicitudes secuencialmente; en textos largos, la generación se aproxima al tiempo real (~25 caracteres por segundo). Ajustar la velocidad no afecta la claridad de la pronunciación, pero sí la percepción del estudiante sobre el ritmo de la lección.

Ajuste de velocidad 0.25–4.0

Puedes controlar la velocidad mediante el campo speed en la API. Valores por debajo de 1.0 ralentizan la voz sin alterar el tono, ideal para ejercicios de repetición o dictado.

Valores superiores a 1.0 aceleran la síntesis, útil para estudiantes avanzados que practican comprensión auditiva rápida o inmersión lingüística.

  • 0.25–0.75: Ideal para niveles A1-A2.
  • 1.0–1.5: Ritmo estándar para conversación.
  • 2.0–4.0: Comprensión avanzada y escucha rápida.

Ritmo ideal para estudiantes

La claridad depende más de la selección de voz adecuada que de la velocidad extrema. Voces como Luna (suave) o Sage (instruccional) mantienen una dicción clara incluso a velocidades moderadas.

Para diálogos, mantener la velocidad cerca de 1.0 preserva la entonación natural y las pausas entre turnos, facilitando la imitación por parte del alumno.

  • Prueba con 0.8 para ejercicios de escucha detallada.
  • Usa 1.2 para repaso rápido de vocabulario.

Claridad en pronunciación

La claridad se garantiza mediante el motor de síntesis estándar (tts-1). No hay SSML ni diccionarios de pronunciación personalizados.

Si el texto no es en inglés, especifica el código ISO. Esto evita que la IA adivine incorrectamente el acento, preservando la pronunciación correcta de palabras técnicas o nombres propios.

  • Define language para textos en idiomas minoritarios.
  • Evita velocidades >2.0 para textos con terminología compleja.
Velocidad y entonación

Calidad de audio

Ilustración de onda de sonido para: Calidad de audio

La API permite elegir entre formatos MP3, WAV, OPUS, FLAC o PCM. Para el aprendizaje de idiomas, el formato WAV o FLAC es ideal porque preserva la integridad de los fonemas sin compresión, facilitando la distinción de sonidos sutiles. El MP3 es más ligero y adecuado para distribución masiva en apps móviles.

El formato seleccionado afecta directamente el peso del archivo final. Mientras que FLAC ofrece calidad de estudio sin pérdida, MP3 comprime los datos para reducir el uso de ancho de banda. Esto permite a las startups equilibrar la fidelidad auditiva con la eficiencia de la carga en dispositivos de los estudiantes.

Formato MP3 vs WAV

Selecciona WAV para ejercicios de pronunciación donde la precisión es crítica. El formato MP3 reduce el tamaño del archivo, ideal para caché en la app y ahorro de datos móviles del usuario.

  • WAV: sin pérdida, ideal para análisis fonético.
  • MP3: comprimido, eficiente para distribución.

Compresión sin pérdida

FLAC y WAV mantienen la señal original generada por el motor TTS. Esto asegura que las transiciones entre fonemas sean claras, evitando artefactos de compresión que podrían confundir a un estudiante de principiante.

  • Conservación fiel de la voz sintética.
  • Mínima latencia en decodificación.

Peso del archivo

Los archivos generados son ligeros. Considera este peso al pre-generar lecciones completas para tu catálogo.

  • MP3: ~1.5 MB/min.
  • FLAC: ~6 MB/min.

Licencias y derechos

Ilustración de onda de sonido para: Licencias y derechos

Las voces de VozNativa provienen de grabaciones con licencia LibreTTS-R, derivadas de audiolibros del dominio público de LibriVox. Esto garantiza que la base de las voces esté libre de restricciones de derechos de autor complejas.

Cada archivo generado lleva una marca de agua inaudible que lo identifica como habla sintética, asegurando transparencia en el uso del audio para tus aplicaciones educativas.

Fuente LibriTTS-R

Utilizamos datos de LibreTTS-R, que a su vez se basa en grabaciones de voluntarios de LibriVox bajo licencia CC BY 4.0. Esto asegura una base acústica limpia y libre de reclamaciones.

Licencia CC BY 4.0

La licencia CC BY 4.0 permite el uso comercial y la modificación, siempre que se atribuya la autoría original. Como API, nosotros gestionamos la atribución técnica por ti.

  • Uso comercial permitido
  • Atribución incluida en la infraestructura

Uso comercial permitido

Puedes integrar estas voces en tus apps de aprendizaje de idiomas sin pagar regalías adicionales por cada descarga de audio. La claridad y naturalidad están listas para producción inmediata.

Integración recomendada

Ilustración de onda de sonido para: Integración recomendada

VozNativa se integra fácilmente con las apps de aprendizaje de idiomas mediante la API estándar. Al cambiar el base_url a https://api.11111bet.info/v1, puedes usar los SDKs oficiales de OpenAI para generar audio con un solo cambio de configuración.

Selección dinámica de voz

Permite alternar entre las 8 voces según el contexto pedagógico. Usa a Aria o Luna para narrar historias y a Milo para diálogos conversacionales. Esta variedad mantiene el interés del estudiante sin cambiar la tecnología subyacente.

  • Usa la voz Aria para narraciones claras.
  • Aplica a Milo para ejercicios de conversación.
  • Alterna voces para evitar la monotonía auditiva.

Ajuste por nivel del estudiante

Ajusta la velocidad entre 0.25 y 4.0 para adaptarte al nivel del alumno. Para principiantes, una velocidad cercana a 0.8 o 1.0 mejora la comprensión. Los usuarios avanzados pueden aumentar la velocidad para simular el ritmo natural del habla.

Personalización básica

Configura el idioma explícitamente para textos en latín que no sean inglés, evitando detecciones incorrectas. No necesitas SSML ni personalización profunda; la API maneja la generación de audio directamente mediante campos estándar como voice y language.

  • Define el campo language para precisión.
  • Envía texto de hasta 4096 caracteres.
  • Recibe audio en MP3, WAV, OPUS, FLAC o PCM.

Errores comunes al elegir

Ilustración de onda de sonido para: Errores comunes al elegir

Evitar estos errores comunes ahorra tiempo de desarrollo y garantiza que la experiencia de audio sea realmente efectiva para tus usuarios.

La precisión técnica en la configuración inicial es clave para evitar sorpresas durante la integración con tu aplicación educativa.

Confundir tono con idioma

Las voces no están ligadas a un único idioma. Por ejemplo, Aria puede narrar en español o inglés con la misma claridad.

Si envías texto en español sin especificar el campo language, el sistema asumirá inglés por defecto si el script es latino. Configura explícitamente el idioma para evitar acentos incorrectos.

Exceder límites de caracteres

Cada solicitud a la API acepta un máximo de 4096 caracteres. Exceder este límite genera un error.

Para textos largos, divide tu contenido en fragmentos más pequeños y une los archivos de audio resultantes. Esto asegura una síntesis correcta y evita fallos silenciosos.

No probar la voz antes

El tono de cada voz varía significativamente: Nova es brillante y Nova es energética, mientras que Luna es suave.

Escucha muestras de cada preset antes de integrarlo en tu flujo de aprendizaje. La voz adecuada mejora la retención del estudiante mucho más que la mera disponibilidad del idioma.

  • Prueba Aria para narraciones claras.
  • Usa Milo para diálogos conversacionales.
  • Verifica la velocidad (0.25–4.0) según el nivel del estudiante.

Recursos para devs

Ilustración de onda de sonido para: Recursos para devs

Accede a la lista completa de voces disponibles y sus metadatos mediante GET /v1/voices. Este endpoint devuelve la información necesaria para integrar la selección de voz en tu interfaz de aprendizaje de idiomas.

Consulta los modelos disponibles con GET /v1/models. Usa estas rutas para verificar el estado del servicio y asegurar que tu aplicación pueda realizar las síntesis requeridas.

Listado de voces en API

Utiliza el endpoint GET /v1/voices para obtener el JSON con las 8 voces disponibles, sus idiomas soportados y formatos de audio. Esto te permite construir selectores dinámicos en tu app.

Ejemplos de integración

Configura el SDK de OpenAI cambiando base_url a https://api.11111bet.info/v1. Envía el texto al endpoint POST /v1/audio/speech con la voz seleccionada según el nivel del estudiante.

  • Autenticación con Bearer tts-...
  • Cuerpo JSON con model, input, voice, response_format

Documentación técnica

Revisa la documentación completa en /docs para detalles sobre límites de caracteres, códigos de error y formatos de audio soportados (mp3, wav, opus, flac, pcm).

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Puedes seleccionar el registro adecuado según el tipo de contenido, ya sea un juego de roles o una lectura académica.

Avatar de la voz aria
ariafemenino
Avatar de la voz nova
novafemenino
Avatar de la voz luna
lunafemenino
Avatar de la voz sage
sagefemenino
Avatar de la voz felix
felixmasculino
Avatar de la voz milo
milomasculino
Avatar de la voz atlas
atlasmasculino
Avatar de la voz orion
orionmasculino

23 idiomas

Cualquier voz puede hablar cualquiera de estos idiomas.

Fuentes y lecturas adicionales

  1. Wikipedia
  2. LibriTTS-R paper (arXiv 2305.18802)
  3. IETF RFC 7845: Ogg Opus
  4. MDN: Web Speech API
  5. Creative Commons Attribution 4.0
  6. FFmpeg documentation
  7. TRON developer hub: TRC-20
  8. Python documentation
  9. curl documentation
  10. LibriTTS-R corpus (OpenSLR 141)
  11. openai-node on GitHub
  12. openai-python on GitHub

Más en este sitio