Texto a voz con IA: convierte un guion en una narración MP3

La conversión de texto a voz con IA transforma palabras escritas en audio hablado sin necesitar una grabación de origen. En Pipe2.ai, Audio Generator recibe tu guion y devuelve un MP3 descargable. Elige un modelo y una voz, describe la interpretación y escucha el resultado para ajustarlo antes de usarlo como narración.

Convierte un guion en voz en cinco pasos

1. Abre Audio Generator y elige un modelo. Gemini 3.8 Flash TTS es el predeterminado y ofrece narraciones con calidad de estudio en más de 130 idiomas. Gemini 3.8 Flash-Lite TTS es la opción de Gemini más rápida y económica para borradores. Eleven v4 es la opción más expresiva, y también están disponibles MiniMax Speech 2.8 Turbo y HD.
2. Pega en el campo de texto solo las palabras que deben pronunciarse. Escribe en el idioma de la narración. Pon las indicaciones de interpretación en el campo de instrucciones de voz para que no formen parte del guion.
3. Elige una voz compatible. Gemini admite Auto o una voz predefinida con nombre. Con MiniMax, selecciona expresamente una de sus voces; Auto no se admite para generar el habla.
4. Describe la interpretación. Para Gemini, prueba una indicación clara como «voz cálida para un tutorial, ritmo pausado, énfasis suave». Para MiniMax, empieza con «slow, calm»: los controles admitidos son el ritmo y la emoción.
5. Genera y revisa el MP3. Escucha si faltan palabras y comprueba pronunciación, pausas y tono. Cambia una sola cosa cada vez y genera otra toma si hace falta.

Formato de salida actual, comprobado el 6 de octubre de 2026: Audio Generator produce voz en MP3 a partir de texto. Las voces y los controles de interpretación dependen del modelo elegido.

Prueba una narración breve antes del guion completo

Para una primera toma con Gemini, elige Gemini 3.8 Flash TTS, la voz Kore y estos dos datos por separado:

• Texto: «Bienvenidos al taller. Hoy convertiremos una idea sencilla en algo que podéis compartir. Empecemos».
• Instrucciones de voz: «Narración tranquila para un tutorial. Tono cálido, ritmo pausado y pausas claras entre frases».

Mantén activada la opción de mejora del prompt si quieres que se refinen las indicaciones de interpretación para Gemini antes de generar. Desactívala para usar tus instrucciones sin cambios. Si eliges Auto en Gemini con la mejora desactivada, se utiliza Kore; no se selecciona una voz automáticamente. MiniMax aplica directamente las instrucciones de ritmo y emoción que admite.

Este guion sirve para practicar; no representa un resultado probado ni garantiza una duración. Úsalo para decidir si la voz y el ritmo encajan en tu proyecto antes de enviar un pasaje más largo.

Elige el modelo según la interpretación que buscas

Gemini ofrece 30 voces predefinidas con nombre, indicaciones de estilo breves y sonidos que colocas en el texto, como <laugh> o <short pause>. Flash-Lite TTS es adecuado para borradores rápidos; Flash TTS está orientado a narraciones con calidad de estudio. Eleven v4 aporta el mayor rango emocional con etiquetas como [whispers]. MiniMax Speech 2.8 ofrece cinco voces predefinidas en Pipe2: Turbo se orienta a una síntesis más rápida y HD a la narración final. Las voces de una familia de modelos no son intercambiables con las de otra.

MiniMax interpreta palabras en inglés como slow, fast o quick, junto con una emoción admitida: happy, sad, angry, fearful, disgusted, surprised o calm. No esperes que una descripción libre del acento o de la escena dé el mismo control que en Gemini. No se garantiza el acento solicitado.

Revisa la estimación actual de créditos antes de generar. Los modelos Gemini cobran el audio que realmente generan; MiniMax y Eleven v4 se facturan por caracteres. Eleven v4 también cuenta las etiquetas de audio enviadas con el texto, y la mejora del prompt añade el coste de ese paso. Un fragmento breve permite evaluar la interpretación antes de gastar créditos en una lectura larga.

Da voz a un personaje en tu narración

Para una introducción o un relato narrado por un personaje, compara dos voces predefinidas con la misma frase breve en el idioma que necesitas. Elige primero la voz por cómo suena y después usa las instrucciones de interpretación de Gemini para ajustar la emoción y el ritmo. Audio Generator no ofrece clonación de voz ni la voz de un actor concreto.

Prueba la frase «Hemos encontrado la llave. Ahora podemos abrir la puerta» con la indicación «entusiasmo contenido, ritmo pausado». En una segunda toma, conserva la voz y las palabras y cambia solo la indicación a «preocupación, hablando deprisa». Son entradas sugeridas, no grabaciones probadas: escucha el cambio emocional y comprueba que se entiende cada palabra.

Para un diálogo, genera las intervenciones de cada personaje por separado y selecciona su voz expresamente. Guarda el modelo, la voz, el guion y las instrucciones junto a cada MP3 para repetir la configuración cuando revises una frase. Escucha juntas las tomas consecutivas antes de aceptarlas; usar los mismos ajustes no garantiza una interpretación idéntica.

Prepara un texto que suene natural

Usa frases cortas y puntuación para sugerir pausas, y comprueba después el audio real. Revisa por separado los nombres, las siglas, las fechas y los precios. Si una frase suena mal, desarrolla la abreviatura o adapta la escritura de la palabra cuya pronunciación falla.

No hay un control de duración: la extensión del texto y el ritmo determinan cuánto dura la narración. Si debe encajar en un hueco de vídeo concreto, mide una muestra y ajusta el guion. Genera las narraciones largas por secciones lógicas para poder reemplazar un párrafo sin repetir toda la lectura y respeta el límite de entrada del modelo elegido.

Para crear una versión en otro idioma, traduce y edita primero el guion. Audio Generator deduce el idioma del texto recibido; una indicación de interpretación no es una solicitud de traducción.

Usa el MP3 como pista de narración independiente

Descarga la toma que hayas elegido y guárdala junto al guion. Para añadirla a tus clips, introdúcela como audio de narración en Video Reel. Si necesitas una pista de fondo, créala por separado con Music Generator y comprueba que la voz se entiende bien en la mezcla final.

Para montar clips con narración, consulta Cómo crear un reel con IA. Para preparar la música de fondo, consulta Cómo generar música con IA. Mantener voz y música separadas facilita los cambios posteriores.