¿Cómo convierto un texto en audio?

Escribe o pega el texto, elige una voz y pulsa «Generar audio». Cuando termine podrás escucharlo en el reproductor y descargarlo en WAV. Si solo quieres oírlo al momento, pulsa «Escuchar ya con la voz del navegador», que usa las voces instaladas en tu sistema.

¿Qué voces hay en español?

Cuatro voces neuronales: dos de España (Dave y Sharvard) y dos de México (Claude, de alta calidad, y Ald). Además hay voces en inglés de Estados Unidos y Reino Unido, portugués de Brasil, francés, alemán, italiano y catalán. Son modelos Piper (VITS), que suenan mucho más naturales que las voces robóticas clásicas.

¿Por qué tarda la primera vez?

Porque el modelo de la voz se descarga a tu navegador (entre 28 y 114 MB según la voz) junto con el diccionario de pronunciación. Queda guardado en el almacenamiento privado del navegador, así que las siguientes veces la generación empieza al momento y funciona incluso sin conexión.

¿Puedo descargar el audio en MP3?

El audio se genera en WAV, el formato sin pérdida que produce el modelo. Al descargarlo aparecerán sugerencias para seguir trabajando con él: elige «Convertir audio» para pasarlo a MP3, OGG o M4A sin volver a subirlo, o «Comprimir audio» si quieres reducir su peso.

¿Hay límite de texto?

Cada conversión admite hasta 5.000 caracteres, aproximadamente cinco minutos de audio. El texto se divide en frases que se generan una tras otra y se unen con una pausa natural. Para textos más largos, conviértelos por partes y únelos después con «Unir audios».

¿Puedo usar el audio en vídeos o proyectos comerciales?

El audio lo generas tú en tu dispositivo, sin marcas de agua. Las voces Piper se publican con licencias abiertas, pero cada voz tiene la suya: si vas a usar el audio con fines comerciales, revisa la licencia de la voz elegida en el repositorio de Piper (rhasspy/piper-voices).

Texto a voz

Escribe o pega tu texto, elige una de las voces naturales en español de España o México (u otros idiomas) y pulsa «Generar audio»: el audio se crea en tu navegador y se descarga en WAV. El texto no sale de tu dispositivo.

Gratis, sin registro y sin subir archivos a ningún servidor: el procesamiento ocurre en tu navegador · Actualizado el 18 de septiembre de 2026

Texto

0 / 5000 caracteres

Voz

La primera vez se descarga la voz (unos 63 MB) y queda guardada en tu navegador. Las siguientes veces se genera al momento.

Locuciones para vídeos, clases y presentaciones

Pon voz a un vídeo de YouTube o TikTok, prepara un audio para una presentación, convierte apuntes en un podcast para repasar o crea mensajes para una centralita. Después puedes llevar el audio a Añadir audio a vídeo o a Audio a vídeo.

Voces neuronales que funcionan sin servidor

Las voces Piper se ejecutan con ONNX Runtime en WebAssembly dentro de tu navegador. A diferencia de los servicios de voz en la nube, tu texto no se envía a ningún sitio, no hay límite diario de caracteres y no necesitas una cuenta.

Otras herramientas

Convertir audio

Convierte entre MP3, WAV, OGG y AAC sin pérdida innecesaria.

Transcribir audio

Transcribe voz a texto en tiempo real usando el micrófono.

Grabar audio

Graba voz o sonido desde el micrófono y descárgalo en MP3.

WAV a MP3

Convierte audio WAV a MP3 y reduce su peso.

Preguntas frecuentes

¿Cómo convierto un texto en audio?: Escribe o pega el texto, elige una voz y pulsa «Generar audio». Cuando termine podrás escucharlo en el reproductor y descargarlo en WAV. Si solo quieres oírlo al momento, pulsa «Escuchar ya con la voz del navegador», que usa las voces instaladas en tu sistema.
¿Qué voces hay en español?: Cuatro voces neuronales: dos de España (Dave y Sharvard) y dos de México (Claude, de alta calidad, y Ald). Además hay voces en inglés de Estados Unidos y Reino Unido, portugués de Brasil, francés, alemán, italiano y catalán. Son modelos Piper (VITS), que suenan mucho más naturales que las voces robóticas clásicas.
¿Por qué tarda la primera vez?: Porque el modelo de la voz se descarga a tu navegador (entre 28 y 114 MB según la voz) junto con el diccionario de pronunciación. Queda guardado en el almacenamiento privado del navegador, así que las siguientes veces la generación empieza al momento y funciona incluso sin conexión.
¿Puedo descargar el audio en MP3?: El audio se genera en WAV, el formato sin pérdida que produce el modelo. Al descargarlo aparecerán sugerencias para seguir trabajando con él: elige «Convertir audio» para pasarlo a MP3, OGG o M4A sin volver a subirlo, o «Comprimir audio» si quieres reducir su peso.
¿Hay límite de texto?: Cada conversión admite hasta 5.000 caracteres, aproximadamente cinco minutos de audio. El texto se divide en frases que se generan una tras otra y se unen con una pausa natural. Para textos más largos, conviértelos por partes y únelos después con «Unir audios».
¿Puedo usar el audio en vídeos o proyectos comerciales?: El audio lo generas tú en tu dispositivo, sin marcas de agua. Las voces Piper se publican con licencias abiertas, pero cada voz tiene la suya: si vas a usar el audio con fines comerciales, revisa la licencia de la voz elegida en el repositorio de Piper (rhasspy/piper-voices).