Convierte cualquier texto en voz natural.

Por cada 1.000 caracteres de texto introducido, desde el mismo saldo de créditos que la transcripción: 50 créditos con las voces Estándar, 110 con Mejorada (ElevenLabs) y 160 con Premium (ElevenLabs). A grandes rasgos, 1.000 caracteres equivalen a un minuto de voz. El coste exacto se muestra en directo bajo el cuadro de texto antes de generar.

512 voces de catálogo con licencia: 185 en el nivel Estándar y 327 de ElevenLabs compartidas por Mejorada y Premium - seis universales más hablantes nativos de inglés (trece acentos, del estadounidense y el británico al australiano, el canadiense, el indio, el sudafricano y el neozelandés), español, alemán, francés, portugués, italiano, japonés, árabe, coreano, neerlandés, polaco, turco, ucraniano, vietnamita, hindi, indonesio, chino, ruso, filipino, malayo, sueco, rumano, checo, griego, húngaro, noruego, danés, finés, búlgaro, croata y eslovaco. Cada una con muestra gratuita. Speecho no ofrece clonación de voz.

Las voces hablan el idioma del texto que pegas: escribe en español y obtienes voz en español. Para treinta y un idiomas, los niveles de ElevenLabs ofrecen además hablantes nativos, con acento local en lugar de inglés. Al pegar el texto, la app detecta el idioma y sugiere voces adecuadas automáticamente.

Sí, con etiquetas en el texto. [pause] y [long pause] añaden una pausa, y etiquetas como [whispering], [excited] o [laughs] cambian la entonación. Cuánto sigue una voz cada etiqueta depende de la voz, así que prueba primero con una frase. También puedes filtrar las voces por lo que mejor hacen: narración, conversación, anuncios, aprendizaje o personajes.

Sí. Cambia Texto a voz al modo Diálogo, o pega un guion en el que cada línea empiece con un nombre: cada personaje recibe su propia voz, las líneas se leen en orden con la pausa que elijas y descargas un solo MP3. Hasta 8 personajes y 100 líneas, al mismo precio que ese texto con una sola voz.

Sí. En un texto largo locutado por partes, o en un diálogo, cualquier parte o línea se puede volver a locutar por separado: elige otra voz, corrige una palabra o añade una indicación como [whispers]. El resto se queda como está. Con el mismo texto, la parte cuesta lo mismo otra vez; con un texto cambiado, cuesta el precio del texto nuevo.

Sí. Cambia Texto a voz al modo Lista y pega tus palabras o frases, una por línea, o abre un archivo .txt o .csv: cada línea se locuta como su propio MP3 con la voz que elijas, con el nombre de la línea, y todo el conjunto se descarga en un solo ZIP. Hasta 1.000 líneas por lista. La lista se cobra como un solo texto, así que las palabras cortas no pagan cada una un mínimo por clip; una línea de menos de 10 caracteres cuenta como 10.

Sí. Cambia Texto a voz al modo Subtítulos y abre o pega un archivo SRT, VTT o SBV: cada subtítulo se locuta en su propio momento, en una sola pista MP3, y cada línea llega además como archivo propio en un ZIP. Una etiqueta de voz de WebVTT como <v Ana> le da una voz propia a cada hablante con nombre. Para un vídeo, elige Leer con los tiempos del original en el menú Leer en voz alta de su transcripción o traducción: obtienes un MP3 tan largo como el vídeo, y una herramienta gratuita lo vuelve a poner en el vídeo dentro de tu navegador.

Sí. «Crear un pódcast a partir de un texto», en la pestaña Voz, convierte un artículo, un capítulo o tus notas (de 300 a 60.000 caracteres, o un archivo PDF, Word o EPUB) en una conversación entre dos presentadores de unos 5, 10 o 20 minutos, en el idioma del texto o en otro. Los presentadores se ciñen a tu texto. El guion se abre en el editor de Diálogo para que lo revises y después se locuta en un solo MP3. Escribir el guion cuesta 15 créditos para un pódcast de hasta 5 minutos, 25 hasta 10 y 40 hasta 20, más 1 crédito por cada 3.000 caracteres de texto; locutarlo cuesta lo mismo que cualquier diálogo.

Sí: cada transcripción de tu historial tiene un botón de voz que envía su texto directamente al generador. Combinado con la traducción, esto convierte una grabación en un idioma en audio hablado en otro: transcribe, traduce y ponle voz.

MP3, reproducible en el navegador y descargable. Los clips se guardan durante 90 días, y puedes borrar cualquier clip (o toda tu cuenta) en cualquier momento, lo que elimina el audio de inmediato.

Sí, con las voces Mejorada y Premium. La flecha junto al MP3 te da un archivo SRT o VTT sincronizado palabra por palabra con el audio, y sigue sincronizado a cualquier velocidad con la que lo descargues. Un texto largo locutado por partes recibe un solo archivo de subtítulos para el audio unido, y un diálogo puede llevar el nombre de cada personaje delante de sus líneas. Los subtítulos no cuestan nada más. Las voces Estándar no los tienen.

Sí. La generación se realiza en los planes de API comerciales de pago de nuestros proveedores de voz, cuyas condiciones permiten el uso comercial del audio generado. Tú eres responsable del contenido del texto que conviertes.

Sí. Confirma tu correo y recibes 150 créditos gratis, unos 3.000 caracteres de voz Estándar, para que generes un clip de verdad antes de pagar nada (las muestras de voz también son gratis). Después, pagas por carácter y sin suscripción: un pack único de 5 $ cubre unos 48.000 caracteres de voz Estándar.