El mejor generador de voz con IA: qué probar antes de pagar

Todas las demos de texto a voz suenan bien, porque cada demo es una frase elegida para sonar bien. La voz que deberías comprar es la que sobrevive a tu peor párrafo: el que lleva un número de teléfono, una sigla, una marca que nadie sabe pronunciar y una frase que hay que decir en seco. Esta guía va de elegir con criterios y no con demos, de hacer las cuentas por carácter con honestidad y de pasar un guion de casting antes de comprometer un proyecto con una voz.

Los criterios, en el orden en que muerden

1. Expresividad frente a previsibilidad. Un modelo expresivo se arriesga con el énfasis y el ritmo. Un modelo rápido va a lo seguro. Para narraciones de más de 20 minutos, lo previsible suele ganar; para la frase de un personaje, gana lo expresivo. Ese es el equilibrio que representan Voice One y Voice Turbo, y merece la pena elegir a conciencia en lugar de quedarse por defecto con el más caro.

2. Los controles. ¿Puedes cambiar la velocidad y la expresividad, o solo la voz? En el estudio de Voz, Velocidad y Expresividad son deslizadores conectados al motor, no adornos.

3. Clonación. Si puedes aportar tu propio audio y recuperar esa voz. Pregunta qué audio necesita, dónde se guarda después y si el clon funciona con todos los modelos o solo con uno. En eroq, un clon se crea a partir de tu propia grabación y funciona con los dos modelos de voz y con cualquier Personaje al que lo vincules.

4. Idiomas. Cuenta los idiomas y luego comprueba qué voces los tienen de verdad. La voz Orion del catálogo cubre 13 idiomas; un catálogo solo es multilingüe allí donde lo son sus voces.

5. Formato de salida y qué haces con él. MP3 desde Voice One, guardado automáticamente en tu Biblioteca y disponible en streaming desde la API. Si una herramienta solo reproduce el audio en el navegador y no te da un archivo, es una demo, no un flujo de producción.

6. Precio por carácter, que es la única unidad de precio que permite comparar algo. El precio por minuto esconde la velocidad de la lectura; el precio por palabra esconde la puntuación. Un carácter es un carácter.

7. Política y consentimiento. Clonar una voz que no tienes permiso para usar queda descartado: las personas reales identificables sin su consentimiento están prohibidas sin excepción, y eso incluye sus voces. Los personajes ficticios, tu propia voz y las voces que tienes con licencia no plantean ningún problema.

8. ¿Hay una API, y es lo mismo que usa la interfaz? Si el estudio y la API divergen, lo que prototipaste no es lo que vas a lanzar.

Voice One frente a Voice Turbo: las cuentas

Dos modelos, el mismo catálogo de voces, los mismos clones, los mismos controles. La diferencia es de 3 créditos por cada 100 caracteres frente a 2.

• Una cuña publicitaria de 30 segundos, unos 450 caracteres: 15 créditos con Voice One, 10 con Turbo. Unos centavos en cualquier caso.
• Una locución de 60 segundos, unos 900 caracteres: 27 créditos frente a 18. Sigue sin ser nada.
• Un episodio de 10 minutos, unos 9,000 caracteres: 270 créditos frente a 180. Unos $2.70 frente a $1.80 a la tarifa del paquete de entrada.
• Un audiolibro de 60,000 palabras, unos 360,000 caracteres: 10,800 créditos frente a 7,200. A la tarifa del plan Studio, eso son unos $80 frente a $54.

La proporción nunca cambia: Turbo es un tercio más barato, siempre. Lo que significa que la decisión depende por completo de dónde importa la expresividad. ¿Narración larga en la que el objetivo es una lectura plana y constante? Turbo, y mete el ahorro en más tomas. ¿Diálogo de personajes, un momento emotivo, un anuncio que vive o muere por la interpretación? Voice One. Mezclarlos dentro de un mismo proyecto no es ningún problema: las voces son idénticas, solo cambia el modelo que interpreta.

La puntuación es tu pista de dirección

No existe, en ninguna plataforma, un parámetro de «emoción» aparte en el que valga la pena confiar. Lo que de verdad guía la interpretación es el propio texto, y los creadores que consiguen buenos resultados escriben para el motor:

• Una coma es un compás. Un punto es una respiración. Partir una frase en dos cambia el ritmo más que cualquier deslizador.
• Los puntos suspensivos crean duda… usados una vez. Usados tres veces por párrafo, crean un narrador aburrido.
• Las rayas cortan — así. Buenas para interrupciones y autocorrecciones.
• Los signos de interrogación elevan la frase. Así que escribe la pregunta, aunque una afirmación quedara mejor sobre el papel.
• LAS MAYÚSCULAS no son volumen. Marca el énfasis con el orden de las palabras o parte la oración.
• Escribe los números como se dicen. «mil novecientos noventa y cinco», no «1995», salvo que hayas probado esa cadena exacta.

La guía de Interpretación del editor de voz los recoge con frases de ejemplo que puedes insertar con un clic, lo que es más rápido que redescubrirlos.

El guion de casting

No elijas una voz por una demo. Elígela con esto, o con algo parecido, porque contiene todo lo que sale mal:

Oye — algo rápido. El 3 de marzo de 2027 pasamos la API a v2, así que si hoy estás en eroq.ai/v1, te quedan unos seis meses. Nada se rompe antes de esa fecha. ¿Dudas? Responde aquí o llámanos al 555-0142, extensión 9. Y sí… ya lo sabemos. Otra migración. Perdón por eso.

Pasa ese párrafo por cada voz candidata, con el mismo ajuste de velocidad, y fíjate en cinco cosas: la raya, la fecha, la URL, el número de teléfono y si «Y sí… ya lo sabemos» suena seco o sobreactuado. Doscientos setenta caracteres de verdad valen más que una hora de demos. En eroq cuesta 9 créditos con Voice One y 6 con Turbo, así que puedes probar cuatro voces por menos de un dólar.

Conectarlo todo

El estudio y la API son la misma superficie, así que todo lo que ajustaste en el editor está a una llamada de distancia:

curl -X POST https://eroq.ai/v1/audio/speech \
  -H "Authorization: Bearer $EROQ_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "eroq-voice-turbo",
    "voice": "aria",
    "input": "Hey — quick one. On March 3rd, 2027, we are moving the API to v2."
  }' --output audition.mp3

Cambia eroq-voice-turbo por eroq-voice-one y compara los dos archivos de oído. Cambia aria por el id de un clon, o por char:<id> para usar la voz de un Personaje. La referencia completa está en /docs/speech, y hay un artículo complementario sobre cómo conectar voces a un producto de chat en TTS para personajes de IA.

Antes de comprometer un proyecto

• Haz el casting con tu guion, no con una muestra.
• Prueba el párrafo más largo que vayas a enviar nunca, no el más corto.
• Clona antes de decidir: un clon de una voz que es tuya a menudo supera a todas las voces del catálogo para tu registro concreto.
• Calcula el precio del proyecto entero en caracteres y luego compáralo con los precios. Los proyectos largos son donde por fin se nota la diferencia entre 3 y 2.
• Genera un archivo y escúchalo en el altavoz del teléfono. Con auriculares todo suena bien.

Preguntas frecuentes

¿Qué diferencia hay entre Voice One y Voice Turbo?

Voice One es el modelo insignia expresivo, a 3 créditos por cada 100 caracteres; Voice Turbo es más rápido, a 2. El mismo catálogo de voces, los mismos clones, los mismos controles de velocidad y expresividad. Usa Turbo para narraciones largas y planas, y Voice One donde la interpretación sostiene la frase.

¿Cuánto cuesta una hora de narración con IA?

Una hora de voz son aproximadamente 54,000 caracteres, así que unos 1,620 créditos con Voice One o 1,080 con Voice Turbo: del orden de $8 a $16 según tu paquete o tu plan. Calcula en caracteres, no en minutos.

¿Puedo clonar mi propia voz?

Sí, a partir de tu propio audio, y el clon funciona con los dos modelos de voz y con cualquier Personaje al que lo vincules. Clonar la voz de una persona real sin su consentimiento no está permitido.

Prueba cuatro voces por menos de un dólar en el estudio de Voz.