Texto a voz

Qué es una herramienta de texto a voz

Convierte texto escrito en audio hablado. Esta lo hace con la Web Speech API, una función que ya tiene cualquier navegador moderno, usando las voces que ya trae tu sistema operativo. No se envía nada a ninguna parte: el texto se queda en la pestaña y la lectura ocurre en tu propia máquina.

Eso la hace realmente útil para un puñado de cosas concretas: revisar textos de oído, que delata repeticiones y ritmos torpes que la lectura en silencio esconde; despachar un artículo largo mientras haces otra cosa; comprobar cómo se pronuncia un nombre o una frase en otro idioma; y la asistencia a la lectura en general.

También implica algo que esta página no puede hacer, y que casi todos los resultados de «texto a voz gratis» resuelven de otra manera sin decirlo: no puede darte un archivo.

Cómo usarla

1. Pega o escribe tu texto. Aquí no se impone ningún límite de longitud. El texto largo se divide automáticamente en fragmentos del tamaño de una frase, y el contador muestra cuántos, porque el navegador no lee de forma fiable un enunciado enorme de una sola vez.
2. Elige voz, velocidad y tono. La lista de voces sale de tu dispositivo, así que depende de tu sistema operativo y tu navegador, no de este sitio. La velocidad va de la mitad al doble, y el tono de grave a agudo.
3. Pulsa «Leer». Pausar y reanudar funcionan a mitad de frase; «Detener» vacía la cola por completo. Una fila de progreso indica por cuántos fragmentos va la lectura.

Por qué no hay botón de descarga

Busca una herramienta gratuita de texto a voz y casi todos los resultados ofrecen un MP3. Pueden hacerlo porque no trabajan en tu navegador: envían tu texto a un servidor, lo sintetizan allí y te devuelven un archivo. Eso les cuesta dinero por petición, y por eso la descarga suele ser justo lo que queda detrás del registro, la marca de agua o el límite de caracteres.

La síntesis de voz del propio navegador funciona de otra forma. Suena por tu salida de audio y no expone nada que capturar. No hay flujo que grabar ni búfer que guardar. Y no es un descuido de esta página: es una petición abierta en la propia especificación —«Support SpeechSynthesis to a MediaStreamTrack», registrada contra la Web Speech API y todavía sin implementar—. Mientras siga así, ninguna página puede sacar un archivo de esta API, y cualquiera que afirme lo contrario está usando un servidor.

Así que el trato es explícito. Obtienes longitud ilimitada, sin cuenta, sin subidas y sin coste, y no obtienes un archivo. Si lo que necesitas es el archivo, esta no es la herramienta, y es mejor decirlo que esconderlo.

Limitaciones honestas

Las voces no son nuestras. Son las que tenga instaladas tu dispositivo, y por eso la lista cambia entre Windows, macOS, Android, iOS y Linux, e incluso entre navegadores de la misma máquina. Algunos idiomas tienen varias voces, otros una y otros ninguna: puede que sencillamente no exista una voz en portugués o en árabe en un dispositivo concreto, y ahí una página web no puede hacer nada. La lista también puede llegar un instante después que la página, y por eso el navegador dispara un evento aparte cuando está lista y esta herramienta lo escucha.

El texto largo hay que trocearlo. La especificación limita un enunciado a 32.767 caracteres y, mucho antes de eso, un problema conocido de Chromium titulado «speechSynthesis fails for long text without warning and blocks the API» describe cómo los enunciados largos fallan en silencio y dejan la voz inutilizable hasta recargar la página. Por eso el texto se divide en fragmentos de unos 200 caracteres en los límites de frase y se encola, lo que además hace que la pausa caiga en un sitio sensato y que el progreso pueda mostrarse.

El divisor intenta no cortar donde no debe. El punto de «3,14», de «Dr. Smith» o de «J. R. R. Tolkien» no termina una frase, y el signo árabe ؟ sí. Su garantía es estrecha pero exacta: volver a juntar los fragmentos reproduce tu texto carácter a carácter, algo que se comprueba sobre veinticinco casos incómodos con cuatro tamaños de fragmento distintos y cuatro mil cadenas aleatorias. Un divisor que se comiera un espacio en silencio leería un poco mal y nadie lo notaría.

Conviene decir con claridad qué está probado y qué no. La lógica de división está cubierta por veinticinco comprobaciones. La voz en sí no lo está, y no puede estarlo: `speechSynthesis` solo existe dentro de un navegador, así que no hay forma de ejecutarlo en un banco de pruebas. Justamente por eso el tratamiento de las cadenas se escribió como un módulo aparte: es la parte que puede someterse a un estándar.

El comportamiento de la pausa es desigual entre navegadores, sobre todo en móvil, donde algunos motores detienen en vez de pausar y otros reanudan desde el principio del fragmento actual. Eso es la implementación del navegador, no un ajuste de esta página.

¿Por qué es gratis?

No hay coste que repercutir. La síntesis la hace tu dispositivo, tu texto no sale de la pestaña, y esta página son unos cuantos controles sobre una función que tu navegador ya tenía.

Es también el motivo de que no haya cuenta ni límite de caracteres: las dos cosas que un servicio basado en servidor tiene que cobrar son exactamente las dos que aquí no se usan.