Anyscene AITexto a voz con IA
Escribe o pega un texto, elige una voz y descarga una locución natural. Una sola voz o una conversación entre dos o más.
0 / 5000 caracteres
Prueba un ejemplo
Qué es
¿Qué es el texto a voz con IA?
El texto a voz con IA convierte lo que escribes en una voz que suena como una persona leyéndolo. Escribes el texto, eliges una voz y un modelo, y recibes un archivo de audio.
Anyscene reúne Gemini de Google y tres modelos de ElevenLabs en un mismo generador de texto a voz, y puedes escuchar cada voz antes de gastar un crédito.
134 voces para escuchar antes
70 voces de Gemini en 10 grupos de uso y 64 voces de ElevenLabs, cada una con una muestra que puedes reproducir más abajo.
Más de 130 idiomas
Gemini detecta solo el idioma de tu texto. Flash y V3 también te dejan fijar uno de 32 idiomas.
Un narrador o un reparto
Lee un guion con una voz o escribe una conversación para dos voces de Gemini o hasta 6 de ElevenLabs.
Di cómo debe sonar
Describe la interpretación con tus palabras, añade una etiqueta de tono o ajusta la velocidad y la estabilidad en ElevenLabs.
Biblioteca de voces
134 voces de texto a voz, listas para escuchar
Escucha cualquier voz antes de escribir una palabra. Las voces de Gemini están agrupadas por el uso que mejor les va; las de ElevenLabs además admiten ajustes de velocidad y estabilidad.
¿Te gusta alguna? Elígela en el menú de voces del generador de texto a voz. Volver al generador →
Un guion, tres modelos
Un guion, tres modelos de texto a voz
Dimos la misma narración de 162 caracteres a cada modelo de una sola voz. Escúchalas una junto a otra y nota cómo cambian el ritmo y el tono.
The harbor lights came on one by one. She counted them the way her father taught her, slowly, as if each one might answer back. Tonight, the last one stayed dark.
Gemini 3.8 Flash TTS
Achird · “warm and unhurried, like a bedtime story”
Con la indicación de sonar cálido y sin prisa, Gemini se toma su tiempo entre frases.
17 s · 162 caracteres · 1 crédito
ElevenLabs Flash 2.5
James
El modelo más rápido de ElevenLabs hace una lectura estable y uniforme.
12,7 s · 162 caracteres · 3 créditos
ElevenLabs Multilingual v2
James
El modelo de ElevenLabs para narraciones largas, pensado para mantenerse estable durante minutos de texto.
11,6 s · 162 caracteres · 5 créditos
Cada clip se hizo en el generador de texto a voz de arriba y costó lo que indica: Gemini por duración, ElevenLabs por caracteres.
Dirección
Dile cómo debe sonar
El texto a voz suena plano cuando todas las líneas se leen igual. Da indicaciones a la voz como se las darías a un locutor.
Describe la interpretación (Gemini)
Cada línea de Gemini tiene una casilla Cómo decirlo. Escribe el ánimo, el ritmo y el ambiente en pocas palabras.
Las luces del puerto se encendieron una a una.
Cómo decirlo: cálido y sin prisa, como un cuento para dormir
Abrimos a las nueve. No llegues tarde.
Cómo decirlo: enérgico y animado, como una cuña de radio
Añade una etiqueta de tono (Gemini)
Pon una etiqueta donde la voz deba reír, suspirar o hacer una pausa. El menú Etiquetas de tono del generador las inserta por ti.
No me creo que haya funcionado. <laugh> Vale. <short pause> Otra vez, desde el principio.
- <laugh>
- <chuckle>
- <sigh>
- <gasp>
- <whispers>
- <short pause>
- <long pause>
- <breath>
- <cheer>
- <sob>
- <cough>
- <yawn>
Sí
- Indicaciones breves: de dos a cinco palabras sobre ánimo y ritmo.
- Escribe números, fechas y nombres tal como deben decirse.
- Usa la pestaña Conversación cuando cada línea necesite su propia voz o indicación.
No
- Meter acotaciones como (con tristeza) en el texto; la voz puede leerlas en voz alta.
- Encadenar varias etiquetas seguidas; una por momento funciona mejor.
- Esperar que una indicación cambie quién habla; para eso elige otra voz.
Conversaciones
Conversaciones, no solo narración
Cambia el generador de texto a voz a Conversación, asigna una voz a cada hablante y escribe las líneas en orden. Todo el diálogo llega en un único archivo de audio.
- ArabellaDid you leave the porch light on?
- JamesI always do. You never know who's finding their way home.
- ArabellaThen let's keep it on a little longer.
ElevenLabs V3 Dialogue · 8,6 s · 130 caracteres · 4 créditos
Hasta 6 voces en V3
ElevenLabs V3 Dialogue admite un reparto de hasta 6 voces y hasta 2000 caracteres por conversación.
Dos voces de Gemini, con muletillas
Gemini da voz a dos hablantes y puede añadir eh y mm naturales. Cada línea conserva su propia indicación de Cómo decirlo.
Hasta 60 líneas
Añade una línea por turno y elige quién habla en el menú de esa línea. Las líneas se leen en el orden en que las escribes.
Precios
Cuánto cuesta un minuto de texto a voz
Gemini se cobra por la duración del audio y ElevenLabs por los caracteres que envías. El generador muestra el precio exacto antes de que hagas clic.
3
créditos por un minuto aproximado de voz con Gemini
15
créditos por cada 1000 caracteres con ElevenLabs Flash 2.5
30
créditos por cada 1000 caracteres con Multilingual v2 y V3
| Modelo | Se cobra por | Aprox. 1 minuto en inglés | 1000 caracteres chinos | Quién puede usarlo |
|---|---|---|---|---|
| Gemini 3.8 Flash TTS | Duración: 1 crédito cada 20 s | 3 créditos | 12 créditos | Todas las cuentas |
| ElevenLabs Flash 2.5 | Caracteres: 15 créditos por cada 1000 | 12 créditos | 15 créditos | Planes de pago y packs de créditos |
| ElevenLabs Multilingual v2 | Caracteres: 30 créditos por cada 1000 | 26 créditos | 30 créditos | Planes de pago y packs de créditos |
| ElevenLabs V3 Dialogue | Caracteres: 30 créditos por cada 1000 | 28 créditos | 30 créditos | Planes de pago y packs de créditos |
Las cifras por minuto salen de los ejemplos de esta página: cuántos caracteres dijo cada modelo en un minuto. La duración con Gemini se estima a partir de tu texto antes de generar.
Cómo funciona
Cómo convertir texto en voz en 3 pasos
Del texto pegado a un archivo de audio que puedes descargar, todo en el generador de texto a voz con IA de la parte superior.
- 1
Escribe o pega tu texto
Usa una voz para narrar, o cambia a Conversación y escribe las líneas de cada hablante. Cada clip admite hasta 5000 caracteres.
- 2
Elige una voz y un modelo
Escucha muestras en el menú de voces y elige Gemini o un modelo de ElevenLabs. Si quieres, añade una indicación o una etiqueta de tono.
- 3
Genera y descarga
Escucha el resultado ahí mismo y descárgalo: WAV con Gemini, MP3 con ElevenLabs. También queda en tu historial, en Voz.
Usos
Dónde usan los creadores el texto a voz con IA
Seis trabajos que una voz de texto a voz hace bien, y la configuración que mejor encaja en cada uno.
Narración para YouTube y Shorts
Un narrador constante para vídeos explicativos y Shorts. Gemini lee un minuto entero por unos 3 créditos.
Conversaciones tipo pódcast
Dos presentadores que se pasan la palabra, escritos como diálogo. Gemini añade muletillas naturales; V3 admite un reparto mayor.
Clases y explicaciones
Una lectura clara y pausada para cursos y tutoriales. Los grupos Tutor y Tutoriales de Gemini están pensados para eso.
Anuncios y promociones
Lecturas cortas y con garra, con una indicación como enérgico y animado. El grupo Anuncios de Gemini es un buen punto de partida.
Cuentos para dormir y audiolibros
Una narración cálida con pausas donde tocan. Multilingual v2 se mantiene estable en textos largos.
Demostraciones de producto
Una locución para grabaciones de pantalla y vídeos de producto, lista para llevar a tu editor en WAV o MP3.
Comparar modelos
Qué modelo de texto a voz elegir
Los cuatro están en el mismo generador, así que puedes cambiar de modelo sin perder tu texto.
| Modelo | Ideal para | Voces | Hablantes | Puedes ajustar | Idiomas | Texto máximo |
|---|---|---|---|---|---|---|
| Gemini 3.8 Flash TTS | Narración natural y diálogos a dos voces, dirigidos línea a línea | 70 | 1–2 | Una indicación Cómo decirlo por línea, etiquetas de tono, muletillas | Más de 130, detectados | 5000 caracteres |
| ElevenLabs Flash 2.5 | Narración rápida y uniforme | 64 | 1 | Velocidad 0,7–1,2, estabilidad, claridad, estilo | 32, se puede fijar | 5000 caracteres |
| ElevenLabs Multilingual v2 | Narración larga y estable | 64 | 1 | Velocidad 0,7–1,2, estabilidad, claridad, estilo | 29, detectados | 5000 caracteres |
| ElevenLabs V3 Dialogue | Conversaciones expresivas | 64 | 2–6 | Estabilidad | 32 para fijar, o detectados | 2000 caracteres |
Gemini está disponible para todas las cuentas; los modelos de ElevenLabs requieren un plan de pago o un pack de créditos.
Preguntas frecuentes sobre texto a voz con IA
134: 70 voces de Gemini y 64 de ElevenLabs, todas para escuchar en esta página. Gemini detecta más de 130 idiomas en tu texto; Flash y V3 pueden fijarse en uno de 32.
Sí. Cambia a Conversación: Gemini da voz a dos hablantes y ElevenLabs V3 Dialogue admite hasta 6. La conversación llega en un solo archivo.
Con Gemini, escribe una indicación corta para cada línea y añade etiquetas de tono como <laugh> o <short pause>. Con ElevenLabs, ajusta la velocidad (0,7–1,2), la estabilidad, la claridad y el estilo.
Gemini cuesta 1 crédito cada 20 segundos de audio, unos 3 por minuto. ElevenLabs cuesta 15 créditos por cada 1000 caracteres con Flash y 30 con Multilingual v2 y V3, y el generador muestra el precio antes de que hagas clic.
Hasta 5000 caracteres por clip, y 2000 en una conversación con V3. Divide los guiones más largos en partes.
Gemini devuelve WAV (24 kHz, mono) y ElevenLabs devuelve MP3. Cada resultado se guarda en tu historial, en Voz, donde puedes reproducirlo, descargarlo o marcarlo como favorito.
Sí. Nuestros Términos del servicio dicen que conservas la propiedad y los derechos de uso comercial de lo que generas, voces incluidas. No uses una voz para hacerte pasar por una persona real.
En Anyscene no hay voces de famosos. Clonar tu propia voz está previsto, todavía sin fecha.
Convierte tu texto en voz
Elige una voz, pega tu guion y escúchalo leído, con el precio a la vista antes de empezar.