Preguntas frecuentes
¿Qué voz es mejor para novelas?
Aria es ideal para narrar novelas por su claridad y calidez. Luna también funciona bien para historias con un tono más suave. Ambas permiten una escucha prolongada sin fatiga. Elige según el género: Aria para prosa general y Luna para relatos más íntimos o emotivos.
¿Es mejor una voz masculina o femenina?
Depende del estilo de tu obra. Aria, Nova, Luna y Sage son femeninas; Felix, Milo, Atlas y Orion son masculinas. No hay una categoría superior. Elige la que mejor se adapte al tono de tu texto. Todas las voces pueden hablar los 23 idiomas disponibles.
¿Cómo suena la voz Aria?
Aria tiene una voz femenina cálida y clara, ideal para narración. Su tono es natural y directo, lo que la hace excelente para audiolibros y contenido narrativo continuo. Es una de las ocho voces preestablecidas disponibles en la API.
¿Qué voz uso para poesía?
Luna es una buena opción para poesía gracias a su tono suave y narrativo. Su entrega es delicada y adecuada para textos líricos. También puedes probar Sage para un enfoque más calmado. La velocidad ajustable permite controlar el ritmo de la lectura.
¿La voz Nova es demasiado enérgica?
Nova es brillante y dinámica, pensada para contenido optimista. Si buscas algo más pausado, reduce la velocidad entre 0.25 y 4.0. Para narración tradicional, Aria o Luna pueden ser más adecuadas. Nova destaca en promociones o contenido ligero.
¿Es adecuada la voz Atlas para noticias?
Sí, Atlas es neutral y clara, adecuada para noticias. Su tono directo y sin adornos facilita la comprensión de información factual. Es ideal para boletines informativos o lecturas técnicas donde la claridad es prioritaria sobre la expresividad emocional.
¿Qué voz es mejor para niños?
No hay voces infantiles específicas. Puedes usar Nova o Aria con una velocidad mayor para simular un tono más joven. Ajusta la velocidad entre 1.5 y 2.0 para lograr un efecto más ágil. Elige la que mejor se adapte al contexto narrativo.
¿Debo usar la misma voz en todo el libro?
No es obligatorio, pero mantener una voz asegura coherencia. Puedes cambiar de voz entre capítulos si el tono varía. La API permite generar archivos separados y unirlos. Esto es útil si tienes diálogos con personajes de diferentes géneros o estilos.
¿Cómo afecta la velocidad a la comprensión?
La velocidad afecta directamente la claridad. Valores bajos (0.25-0.5) ralentizan la lectura para mayor detalle. Valores altos (2.0-4.0) aceleran el contenido. Para audiolibros, una velocidad cercana a 1.0 suele ser óptima. Ajusta según la densidad del texto.
¿Es mejor tts-1 o tts-1-hd?
Ambos modelos tienen el mismo motor y precio. La diferencia es el formato de salida o calidad base, pero el costo es idéntico por carácter. Elige tts-1-hd si buscas máxima fidelidad. Elige tts-1 para compatibilidad estándar. Ambos generan audio de alta calidad.
¿Las voces suenan robóticas?
Las voces están basadas en grabaciones con licencia de LibriTTS-R y Lecturas de dominio público de LibriVox. Tienen una marca de agua inaudible que indica que es síntesis. Suenan naturales y fluidas, no robóticas. Son adecuadas para producción profesional sin sonar artificiales.
¿Puedo mezclar voces en un libro?
Sí, puedes generar archivos de audio con diferentes voces y unirlos. La API no une las voces automáticamente, pero puedes gestionar los archivos resultantes. Esto permite asignar personajes específicos a cada voz, enriqueciendo la experiencia de escucha del audiolibro.
¿Cómo pruebo las voces antes de pagar?
Regístrate con Google para obtener $0.50 de crédito válido por 7 días. Esto equivale a unos 50 000 caracteres. Úsalo para generar muestras con diferentes voces y velocidades. Si usas email y contraseña, no hay crédito de prueba inicial.
¿Hay voces para acentos específicos?
No hay voces dedicadas a acentos específicos. Las 8 voces pueden hablar los 23 idiomas listados. Si el texto está en latín, se asume inglés por defecto. Especifica el código ISO del idioma para obtener la pronunciación correcta del acento deseado.
Criterios de selección
Seleccionar la voz adecuada para un audiolibro requiere equilibrar la fidelidad narrativa con la experiencia del oyente a largo plazo. Cada voz de AudioLibre tiene un carácter específico que debe alinearse con el género del texto.
La decisión no es solo estética; afecta directamente la retención de la audiencia y la eficiencia del flujo de trabajo de producción independiente.
Claridad de dicción
La claridad es fundamental para que la audiencia comprenda la trama sin esfuerzo. Voces como Aria y Luna ofrecen una dicción limpia y bien articulada, ideal para narrativas densas o con terminología compleja.
Asegúrate de que la voz elegida mantenga la inteligibilidad incluso a velocidades de lectura moderadas, evitando fatiga auditiva innecesaria.
- Prioriza voces con dicción nítida para textos complejos.
- Verifica la claridad con fragmentos de 500 caracteres.
Tono narrativo
El tono debe reflejar el estado de ánimo del libro. Orion aporta una profundidad documental seria, mientras que Milo ofrece una cercanía conversacional perfecta para memorias o ensayos personales.
Cada voz, desde la calidez de Aria hasta la neutralidad de Atlas, establece una expectativa emocional diferente que el oyente percibe subconscientemente.
- Aria: Narradora clara y cálida.
- Orion: Profundidad documental y seria.
Durabilidad auditiva
Un audiolibro se consume durante horas; la voz debe ser agradable al oído durante sesiones prolongadas. Evita tonos excesivamente agudos o monótonos que causen fatiga rápida.
Prueba la voz con capítulos largos para evaluar su resistencia. La velocidad ajustable (0.25–4.0) permite optimizar el ritmo para mantener al oyente comprometido sin cansarlo.
- Evalúa la voz en sesiones de +1 hora.
- Ajusta la velocidad para mayor comodidad.
Voces femeninas
Las voces femeninas de AudioLibre están diseñadas para ofrecer narrativas envolventes y claras, esenciales para mantener la atención del oyente durante largas sesiones de escucha. Cada preset combina timbre y ritmo específicos, optimizados para distintos estilos de lectura y géneros literarios.
Aria: Narradora clara
Aria destaca por su calidez y claridad en la dicción, lo que la convierte en una opción ideal para novelas y relatos donde la precisión lingüística es crucial. Su tono natural facilita la inmersión sin distraer con inflexiones excesivas.
Nova: Energética
Nova ofrece un tono brillante y dinámico, adecuado para audiolibros juveniles o narrativas con ritmo acelerado. Su energía mantiene el interés del oyente en historias con alta carga de acción o diálogo frecuente.
Luna: Suave
Luna presenta una voz suave y envolvente, perfecta para historias de fantasía, romance o narrativas más introspectivas. Su suavidad ayuda a crear atmósferas íntimas sin perder la inteligibilidad del texto.
Sage: Instruccional
Sage es una voz calmada e instructiva, ideal para no ficción, ensayos o contenido educativo. Su tono neutral pero cercano garantiza que la información compleja se transmita con claridad y sin fatiga auditiva.
Voces masculinas
Audicionar un audiolibro requiere una voz que sostenga la atención durante horas sin fatigar al oyente. Las voces masculinas de AudioLibre están diseñadas para ofrecer claridad y consistencia, esenciales para mantener la inmersión narrativa. Cada preset responde a una necesidad específica de narración, desde la cercanía de la conversación hasta la autoridad del documental.
Felix: Promocional
Felix aporta energía y dinamismo, ideal para libros que requieren un ritmo ágil o narrativas con un tono comercial. Su voz transmite vitalidad, manteniendo al oyente alerta y comprometido con la trama.
Milo: Conversacional
Milo ofrece un tono cercano y natural, perfecto para memorias, autobiografías o ficción contemporánea. Su estilo facilita la conexión emocional, simulando la experiencia de escuchar una historia contada por un amigo.
Atlas: Neutral
Atlas es la opción más equilibrada y versátil. Su tono claro y directo funciona bien en ensayos, libros de texto o narrativas complejas donde la comprensión precisa es prioritaria sobre la dramatización.
Orion: Documental
Orion tiene una voz profunda y solemne, ideal para ciencia ficción épica, historia o narrativas con un tono reflexivo. Su profundidad añade autoridad y peso dramático a la voz del narrador.
Uso por género literario
La elección de la voz depende del género literario. La coherencia narrativa mantiene al oyente inmerso en la historia sin distracciones técnicas.
Cada género tiene necesidades específicas de ritmo y tono. Adaptar la voz al contenido garantiza una experiencia de escucha natural y profesional.
Ficción narrativa
Para novelas, la voz debe mantener un tono narrativo constante que sostenga la atención del oyente durante largas sesiones.
Voces como Aria o Luna son ideales para historias que requieren sutileza emocional sin exagerar las expresiones.
- Mantener coherencia de personaje
- Ritmo moderado para inmersión
- Evitar entonaciones excesivamente marcadas
No ficción
La claridad es prioritaria. Voces como Sage o Atlas proporcionan una dicción precisa y un tono neutral que facilita la comprensión de conceptos complejos.
Es ideal para biografías, ensayos o material educativo donde la información debe ser entregada sin ambigüedades.
- Dicción precisa
- Tono neutral y profesional
- Claridad en datos y fechas
Poesía
La poesía requiere una voz que respete las pausas y el ritmo natural del verso. Luna o Aria ofrecen la suavidad necesaria.
La velocidad de lectura debe ajustarse para permitir que cada palabra resuene correctamente ante el oyente.
- Respetar pausas poéticas
- Tono suave y expresivo
- Velocidad reducida
Consideraciones técnicas
La velocidad de lectura (0.25–4.0) permite ajustar el ritmo según la densidad del texto. Para audiolibros, valores cercanos a 1.0 son ideales; textos densos pueden requerir ajustes menores para evitar fatiga auditiva.
El formato define la compatibilidad con reproductores y el peso del archivo. MP3 es estándar para distribución web, mientras que WAV, FLAC o PCM ofrecen calidad sin pérdida para ediciones profesionales.
Velocidad de lectura
Ajustar la velocidad entre 0.25 y 4.0 permite optimizar la claridad. Para narrativa extensa, mantener valores cercanos a 1.0 asegura una escucha cómoda. Textos con vocabulario complejo pueden requerir ralentización para mejorar la comprensión del oyente sin perder el ritmo narrativo.
Formato de audio
Selecciona MP3 para distribución general por su equilibrio entre tamaño y calidad. Usa WAV, FLAC o PCM si necesitas editar el audio posteriormente en tu software de producción. El formato PCM es útil para procesamiento inmediato sin compresión.
Calidad HD
El modelo tts-1-hd ofrece una calidad de audio superior con mayor realismo y detalle en la entonación, aunque tts-1 y tts-1-hd usan el mismo motor. La diferencia reside en la codificación y el procesamiento posterior del audio.
- Tts-1: Estándar, costo base.
- Tts-1-hd: Mayor fidelidad sonora.
- Mismo motor de síntesis.
- Mismo precio por carácter.
Prueba antes de comprar
Antes de comprometer tu presupuesto, utiliza el crédito de prueba de $0.50 para verificar la calidad real. Este saldo permite generar aproximadamente 50.000 caracteres, suficientes para evaluar la claridad y el tono de las voces sin necesidad de realizar un pago inmediato.
Esta fase crítica te permite confirmar que la voz seleccionada mantiene la coherencia narrativa y la durabilidad auditiva necesarias para un proyecto extenso, evitando errores costosos en la producción final.
Uso de la prueba gratuita
Regístrate con Google para acceder automáticamente a los $0.50 de crédito. Este saldo es válido durante 7 días y te permite experimentar con los modelos tts-1 o tts-1-hd. Genera fragmentos representativos de tu guion para evaluar la naturalidad antes de invertir en un volumen mayor de caracteres.
- Crédito inicial de $0.50 (50.000 caracteres)
- Válido por 7 días tras el registro
- Permite probar ambos modelos de voz
Comparación lado a lado
Genera el mismo fragmento de texto utilizando dos voces distintas, como Aria y Luna, para comparar directamente su interpretación. Escucha cómo varía la entonación y el ritmo en contextos similares para identificar cuál se adapta mejor a la atmósfera de tu audiolibro.
Feedback de lectores
Comparte los clips de audio generados con un grupo pequeño de lectores objetivo para validar la selección antes de sintetizar el libro completo. Su percepción sobre la claridad y la fluidez es crucial para confirmar que la voz elegida mantiene el interés durante sesiones de escucha prolongadas.
Consistencia de marca
Mantener una sola voz narrativa durante todo el proyecto garantiza que el oyente no pierda el hilo de la historia. La consistencia sonora construye confianza y familiaridad, elementos esenciales para la retención en audiolibros y podcasts series.
Elección única
Selecciona una voz principal para la narración y úsala en el 100% del libro. Esto evita la disonancia cognitiva cuando el personaje o el tono cambian ligeramente. Una sola identidad vocal hace que la producción se sienta profesional y coherente.
Variedad controlada
Si necesitas diferentes tonos, limita los cambios a capítulos específicos o secciones distintas. No alternes entre voces masculinas y femeninas sin una razón narrativa clara. La uniformidad es más importante que la diversificación vocal para la experiencia de escucha continua.
- Mantener el mismo voice ID en todas las solicitudes
Identidad sonora
Tu marca personal se define por el timbre de voz que elijas. Al usar siempre la misma configuración de velocidad y formato, creas un sonido reconocible. Esto ayuda a que tus oyentes identifien tu contenido inmediatamente al reproducirlo.

Accesibilidad
La síntesis de voz de AudioLibre ofrece una alternativa accesible para lectores con discapacidad visual, garantizando que el contenido literario esté disponible en formatos de audio claros y naturales. Al eliminar la dependencia de la lectura visual, se facilita la inclusión de personas con dificultades de visión o dislexia.
La consistencia en la entonación y el ritmo de las voces seleccionadas asegura que la experiencia de escucha sea fluida y comprensible, reduciendo la fatiga auditiva durante sesiones prolongadas de audiolibros.
Claridad para discapacidad visual
Las voces están diseñadas para priorizar la inteligibilidad, con una dicción clara que facilita la comprensión de textos complejos sin esfuerzo visual adicional.
El formato de audio generado es compatible con lectores de pantalla y dispositivos de asistencia estándar, asegurando una integración sencilla en los flujos de trabajo de usuarios con necesidades específicas.
- Compatible con lectores de pantalla estándar
- Dicción clara y precisa
Ritmo adecuado
La velocidad de lectura se ajusta entre 0.25 y 4.0 veces, permitiendo a los usuarios encontrar un ritmo cómodo para su procesamiento cognitivo. Esto es crucial para mantener la atención en narrativas largas sin perder el hilo de la trama.
Un ritmo constante evita las pausas abruptas o aceleraciones inesperadas que pueden romper la inmersión, algo vital para la experiencia de escucha continuada.
- Velocidad ajustable de 0.25x a 4.0x
- Ritmo constante y predecible
Pronunciación precisa
La API detecta automáticamente el idioma del texto, lo que garantiza una pronunciación correcta de nombres propios y términos específicos dentro del contexto del idioma principal. Para textos en lenguas latinas no identificadas, se puede especificar el código ISO para evitar errores.
Esta precisión reduce la necesidad de intervención manual o corrección de pronunciación, asegurando que la narración suene natural y profesional desde la primera generación.
- Detección automática de idioma
- Especificación manual de ISO para precisión
Costo vs Calidad
La distinción entre tts-1 y tts-1-hd reside únicamente en la resolución de audio, no en el motor de síntesis ni en el precio. Ambas voces utilizan el mismo motor y se facturan a la misma tarifa: $10 por cada millón de caracteres.
El formato HD ofrece mayor fidelidad espectral, pero la diferencia perceptible es sutil en la mayoría de los contextos de audiolibros. Para la narrativa estándar, la calidad de tts-1 es suficiente y más eficiente en costos.
Tts-1 vs Tts-1-hd
Ambos modelos entregan la misma interpretación vocal y velocidad de generación. La elección depende de si necesitas la máxima fidelidad de frecuencia para sistemas de audio de alta gama o si priorizas la eficiencia.
El formato de salida (mp3, wav, etc.) tiene un impacto mayor en la experiencia final que la selección del modelo base, siempre que se use una tasa de muestreo adecuada.
Relación precio-calidad
Con una tarifa plana de $0.01 por cada 1.000 caracteres, el costo es predecible y lineal. Los fallos en la síntesis se devuelven íntegramente, eliminando el riesgo de pagar por audio defectuoso.
La inclusión de espacios y puntuación en el conteo de caracteres asegura que el presupuesto calculado coincida con el uso real de la API sin sorpresas.
- Tarifa fija: $10 / 1M caracteres.
- Reembolso automático por fallos de síntesis.
- Sin costos ocultos de infraestructura.
Presupuesto optimizado
Optimiza el uso seleccionando tts-1 para la mayoría de tu catálogo y reservando tts-1-hd solo para capítulos destacados o escenas críticas donde la riqueza del sonido es primordial.
Aprovecha la prueba gratuita de $0.50 para validar la calidad antes de realizar cualquier recarga mediante USDT en la red TRON.
- Usa tts-1 para contenido estándar.
- Reserva tts-1-hd para contenido premium.
- Prueba con $0.50 antes de invertir.
Errores comunes
Producir un audiolibro implica decisiones críticas que pueden afectar la escucha durante horas. Un error de selección o configuración no se corrige fácilmente en la posproducción y obliga a regenerar el contenido, incrementando costos y tiempo.
Mala selección de tono
El tono debe coincidir con el género. Usar a Felix (energético) para una novela histórica genera disonancia, mientras que Aria ofrece la claridad narrativa necesaria para mantener la atención del oyente sin fatiga.
- Evita contrastes abruptos entre el contenido y la voz.
Velocidad inadecuada
La velocidad por defecto puede ser demasiado rápida para textos densos. Ajustar el parámetro speed entre 0.9 y 1.0 suele ser ideal para mantener la comprensión sin sacrificar el ritmo narrativo.
- Prueba velocidades bajas solo si el texto es complejo.
Ignorar el público objetivo
Cada audiencia tiene expectativas distintas. Un público joven puede preferir la cercanía de Milo, mientras que una narración científica requiere la neutralidad de Atlas. Adaptar la voz al oyente final es clave.
Herramientas de ayuda
La API proporciona acceso directo a la lista de voces disponibles mediante una llamada GET a /v1/voices, permitiendo verificar idiomas, formatos y precios antes de generar audio. Esta integración técnica facilita la selección precisa sin necesidad de interfaces complejas.
Complementando los metadatos, puedes revisar ejemplos de audio pregenerados para evaluar la calidad de cada voz en tu contexto específico de audiolibro, asegurando que el tono narrativo se alinee con tu proyecto antes de invertir caracteres.
Listas de voces
Accede a la documentación en /docs/ para ver el listado completo de las 8 voces disponibles, con sus características técnicas y compatibilidad de idiomas.
Utiliza la endpoint /v1/voices para programar la verificación de disponibilidad en tiempo real dentro de tu pipeline de producción.
- Listado completo con metadatos técnicos
- Verificación programable vía API
Ejemplos de audio
Genera muestras rápidas con la prueba gratuita de $0.50 para escuchar cómo suenan las voces con tu tipo de texto específico.
Compara los resultados en formato MP3 o WAV directamente en tu navegador o reproductor local.
- Muestras con crédito de prueba
- Formatos de audio variados
Guías de uso
Consulta la sección de documentación para entender los parámetros de velocidad y formato que mejor se adaptan a la lectura de libros.
Sigue los ejemplos de código cURL para automatizar la generación de tus primeros capítulos.
- Documentación técnica detallada
- Ejemplos de integración API
Pasos finales
Una vez seleccionada la voz, valida el tono con una muestra corta. Confirma que el ritmo y la dicción cumplen los estándares del proyecto antes de procesar el material completo.
Validación del proyecto
Envía un fragmento representativo y verifica que la entonación sea natural. Ajusta la velocidad si es necesario, manteniéndola dentro del rango de 0.25 a 4.0 para garantizar la claridad.
Generación masiva
Divide el texto en partes de máximo 4096 caracteres por solicitud. Si el manuscrito es más largo, genera cada segmento por separado y une los archivos de audio resultantes para mantener la coherencia narrativa.
- Usa el SDK de OpenAI o HTTP directo.
- Respeta el límite de 60 solicitudes por minuto.
Distribución final
Exporta el audio en el formato adecuado (mp3, wav, opus, flac o pcm). Verifica que el archivo final tenga el tamaño adecuado para tu plataforma de distribución de audiolibros o podcast.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Su voz transmite vitalidad, manteniendo al oyente alerta y comprometido con la trama.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
