Preguntas frecuentes
¿Qué voz es la más adecuada para niños pequeños?
Luna es ideal para narrar cuentos infantiles gracias a su tono suave y estilo de storytelling. Aria también es una excelente opción por su claridad y calidez, facilitando la comprensión auditiva. Ambas voces están optimizadas para mantener la atención de los niños sin resultar monótonas durante la lectura de textos educativos o historias.
¿Puedo usar la misma voz para todos los cuentos?
Sí, puede utilizar cualquiera de las 8 voces preestablecidas para todos sus textos. No hay límite de uso por voz. Si desea variedad, puede alternar entre las voces disponibles, como Aria o Nova, simplemente cambiando el parámetro 'voice' en cada solicitud a la API sin necesidad de configuraciones adicionales.
¿Cómo afecta la velocidad a la comprensión?
La velocidad se ajusta entre 0.25 y 4.0. Para niños pequeños, una velocidad cercana a 1.0 o ligeramente inferior favorece la comprensión. Velocidades muy altas pueden dificultar la articulación de palabras, mientras que velocidades muy bajas pueden resultar lentas. Ajuste este parámetro según la complejidad del texto y la edad del oyente.
¿Son las voces naturales o robóticas?
Las voces son sintetizadas a partir de grabaciones con licencia de LibriTTS-R y lecturas de dominio público de LibriVox. Ofrecen un sonido natural y claro, aunque cada archivo generado incluye una marca de agua inaudible que marca el audio como habla sintética. No son clones de celebridades ni tienen imitación perfecta de emociones humanas.
¿Hay voces con acento regional?
No se ofrecen acentos regionales específicos ni dialectos personalizados. Cada voz tiene un acento estándar asociado a su diseño base. Sin embargo, puede forzar la pronunciación especificando el código ISO del idioma en la solicitud. Si no se especifica, el sistema intenta adivinar el idioma, pero para textos en latín distintos al inglés, se recomienda establecer el idioma explícitamente.
¿Puedo mezclar voces en un mismo cuento?
La API genera un archivo de audio por solicitud. Para mezclar voces, debe realizar múltiples solicitudes, una para cada segmento de texto con la voz deseada, y luego unir los archivos de audio resultantes en su propio flujo de trabajo. No hay un parámetro para cambiar la voz dentro de una sola respuesta.
¿Qué voz usar para ejercicios de lectura?
Aria es excelente por su claridad y tono de narradora. Sage también es muy adecuado para textos instructivos y educativos debido a su calma. Estas voces permiten una dicción clara que facilita la repetición y la práctica de la lectoescritura. Evite voces muy enérgicas como Felix si busca neutralidad en el ejercicio.
¿Son todas las voces en todos los idiomas?
Sí, las 8 voces pueden hablar cualquiera de los 23 idiomas soportados, incluyendo español, inglés, francés, alemán y japonés. Puede seleccionar cualquier voz independientemente del idioma del texto. Si el idioma no se especifica, el sistema lo adivina, pero para textos en latín no ingleses, se recomienda definir el campo 'language'.
¿Hay voces masculinas suaves?
Milo es la voz masculina más cercana a un tono conversacional y amigable, lo que puede resultar suave para la narración. Atlas es neutral y Orion es profundo. Ninguna voz masculina tiene un timbre específicamente 'suave' como Luna, pero Milo es la opción más cercana para un tono cálido y accesible en textos educativos.
¿Cómo elijo entre Aria y Luna?
Elija Aria para narraciones claras, directas y con un tono cálido de narradora, ideal para textos informativos o cuentos estructurados. Elija Luna para historias con un tono más suave y de storytelling, que puede resultar más envolvente para niños pequeños. Ambas son femeninas y de alta calidad, pero difieren en su expresividad percibida.
¿Las voces envejecen o cambian?
Las voces son presets fijos basados en grabaciones licenciadas. No cambian con el tiempo ni envejecen automáticamente. La calidad del modelo es constante. Si se actualiza el motor subyacente, las voces podrían mejorar, pero como usuario, usted recibe siempre la misma configuración de voz para el parámetro indicado en su solicitud.
¿Se pueden usar en proyectos comerciales?
El texto no especifica restricciones de licencia para el uso comercial de los audios generados. Los archivos se devuelven en la respuesta y no se almacenan. Puede usarlos para apoyar la lectoescritura en aulas o en materiales educativos.
¿Qué voz usa menos recursos de CPU?
La API es un servicio en la nube, por lo que el procesamiento de CPU ocurre en nuestros servidores, no en su equipo. Todas las voces utilizan el mismo motor de síntesis (tts-1 o tts-1-hd) y tienen el mismo precio. No hay diferencia en el consumo de recursos locales para el usuario al elegir una voz u otra.
¿Hay voces con entonación emocional?
No hay etiquetas de emoción ni control de entonación granular. Cada voz tiene un estilo predefinido: Aria es clara, Luna es suave, Felix es enérgico, etc. No puede modificar la emoción de una voz específica en tiempo real. La entonación es parte del diseño base de la voz seleccionada y no es personalizable.
Voces femeninas para cuentos
Arias, Luna y Nova son las voces femeninas diseñadas para dar vida a los cuentos infantiles. Cada una ofrece un matiz distinto para captar la atención de los estudiantes en el aula.
Aria: narradora clara
Aria destaca por su tono cálido y claro. Es ideal para narrar historias con una dicción precisa que facilita la comprensión lectora.
Luna: suave y envolvente
Luna ofrece una voz suave perfecta para la hora del cuento. Su tono envolvente ayuda a mantener la atención de los niños en edades preescolares.
Nova: alegre y dinámica
Nova aporta energía y vitalidad a las narraciones. Su tono alegre es adecuado para historias activas o textos educativos que requieren un ritmo más vivo.
Voces masculinas para educación
Las voces masculinas aportan una estructura narrativa sólida y confiable, ideal para mantener la atención de los estudiantes en entornos educativos. Su timbre distintivo facilita la diferenciación de personajes o la presentación de información clave sin saturar el oído.
Estas tres opciones cubren desde la interacción directa hasta la exposición formal, garantizando claridad en la dicción y un ritmo adecuado para la comprensión lectora y auditiva en el aula.
Milo: conversacional
Milo ofrece un tono amigable y cercano, perfecto para narrar historias que requieren una conexión emocional directa con el oyente. Su estilo natural simula una conversación uno a uno, lo que resulta excelente para ejercicios de comprensión o lectura compartida.
Se recomienda configurarlo con una velocidad moderada (1.0) para mantener la fluidez sin perder la claridad en cada palabra.
- Ideal para diálogos y relatos cotidianos.
- Genera un ambiente de confianza en el estudiante.
- Funciona bien en textos breves y dinámicos.
Atlas: neutral y claro
Atlas es la opción preferida para textos informativos o noticias educativas. Su voz neutra elimina sesgos emocionales, permitiendo que el contenido sea el protagonista. Es ideal para leer reglas, instrucciones o textos expositivos donde la precisión es vital.
Al no imponer un tono dramático, facilita la escucha activa y reduce la carga cognitiva durante la lectura de textos más largos.
- Perfecto para textos informativos y expositivos.
- Dicción precisa y sin acentos marcados.
- Ideal para lectura de instrucciones claras.
Orion: profundo y serio
Orion aporta una gravedad y solemnidad que destaca en cuentos de aventuras épicas o leyendas. Su registro grave captura la atención inmediatamente, creando una atmósfera inmersiva que ayuda a los estudiantes a concentrarse en la trama.
Se recomienda usarlo con una velocidad ligeramente reducida (0.8) para resaltar la cadencia dramática sin perder la integridad del mensaje.
- Aporta solemnidad a leyendas y aventuras.
- Captura la atención con su registro grave.
- Ideal para momentos de clímax narrativo.
Voz Sage para instrucciones
La voz Sage se distingue por su tono calmado y directo, diseñado específicamente para guiar a los estudiantes a través de instrucciones paso a sin distracciones. Su claridad en la pronunciación asegura que cada comando sea entendido sin ambigüedades, facilitando la concentración en la tarea educativa.
Al usar Sage, los docentes pueden estructurar ejercicios de lectoescritura o actividades de aula con una narrativa fluida y consistente. La voz neutral pero amigable mantiene el interés sin imponer una personalidad fuerte, ideal para contextos donde la claridad del mensaje es prioritaria.
Tono calmado y directo
Sage ofrece una voz estable y serena que reduce la carga cognitiva en los estudiantes. Su ritmo constante permite que los niños se enfoquen en el contenido de la instrucción en lugar de intentar descifrar un tono emocionalmente cargado o variable.
- Voz femenina ideal para guías paso a paso.
- Tono neutro que no distrae de la tarea principal.
Ideal para ejercicios
Es la elección óptima para narrar dinámicas de clase, como juegos de memoria o instrucciones de movimiento. Su claridad permite que los alumnos procesen la secuencia de acciones sin necesidad de retroceder el audio para reescuchar detalles.
- Perfecta para ejercicios de repetición o secuencia.
- Mantiene el ritmo adecuado para actividades grupales.
Claridad en pronunciación
La síntesis de Sage prioriza la dicción precisa, asegurando que las palabras clave en las instrucciones sean inteligibles. Esto es crucial para apoyar a estudiantes que están aprendiendo a leer o que tienen dificultades auditivas o de atención.
- Alta inteligibilidad en palabras técnicas o complejas.
- Sin distorsión que afecte la comprensión del texto.
Voz Felix para promociones
La voz Felix introduce una energía alta y dinámica, ideal para captar la atención inmediata de los estudiantes en entornos escolares o educativos. Su tono enérgico resulta perfecto para avisos importantes o promociones de actividades dentro del aula.
Energía alta
Felix destaca por su vitalidad, manteniendo un ritmo constante que evita la monotonía en narraciones cortas. Esta cualidad lo hace diferente de las voces más suaves como Luna o Aria.
Ideal para avisos
Es la opción recomendada para anuncios de eventos, recordatorios de tareas o promociones de lectura. Su claridad asegura que el mensaje central no se pierda por exceso de dramatismo.
Ritmo acelerado
Puede ajustarse para un ritmo más rápido, aunque para niños se sugiere mantenerlo entre 1.0 y 1.5 para asegurar la comprensión. La API permite controlar este parámetro con precisión.
Adaptación a edades
Seleccionar la voz adecuada según la etapa educativa garantiza que la comprensión auditiva sea efectiva. La API permite ajustar la entonación para que se alinee con la capacidad de procesamiento de cada grupo de edad.
Esta guía se basa en las características acústicas de las 8 voces disponibles, facilitando la creación de materiales educativos accesibles sin necesidad de técnicas complejas.
Preescolar: Luna o Milo
Luna ofrece un tono suave y envolvente, ideal para mantener la atención de los más pequeños. Su voz facilita la comprensión de vocabulario básico en cuentos breves.
Milo aporta un estilo conversacional y cercano, perfecto para narrar historias donde los niños deben sentirse parte de la acción.
- Usar Luna para relatos de fantasía suave.
- Preferir Milo para diálogos interactivos.
Primaria: Aria o Atlas
Aria proporciona una narración clara y estructurada, adecuada para textos de mayor longitud típicos de esta etapa. Su claridad ayuda a consolidar la lectoescritura.
Atlas es neutral y directo, eliminando distracciones emocionales excesivas para centrarse en el contenido informativo o narrativo.
- Aria para cuentos con trama compleja.
- Atlas para textos educativos o informativos.
Secundaria: Sage o Orion
Sage mantiene un tono calmado e instruccional, ideal para explicaciones detalladas o ejercicios de comprensión lectora más exigentes.
Orion aporta una voz profunda y seria, apropiada para textos históricos o narrativas con mayor densidad semántica.
- Sage para guías de estudio.
- Orion para documentales educativos sintetizados.
Control de velocidad para niños
The velocidad de síntesis se ajusta mediante el parámetro speed (0.25–4.0), permitiendo adaptar la narrativa a la capacidad de procesamiento auditivo de los estudiantes. Esto es crucial para garantizar la comprensión en textos educativos largos.
Un ajuste preciso evita que la información se pierda por exceso de rapidez o aburrimiento por lentitud, manteniendo el ritmo natural de la lectura en voz alta.
Velocidad reducida para comprensión
Para niños en etapa de lectoescritura, reducir la velocidad a 0.75–0.9 facilita la asociación fonema-grafía. Esto permite que los estudiantes identifiquen cada palabra sin perder el hilo narrativo.
Es ideal para cuentos con vocabulario nuevo o estructuras sintácticas complejas, donde cada sílaba debe ser discernible.
- Recomendado: 0.75–0.85 para preescolar.
Velocidad normal para práctica
La configuración por defecto (1.0) simula una lectura fluida y natural. Es el punto de partida para evaluar la comprensión general del texto sin fatiga auditiva.
Funciona bien para textos de primaria donde los estudiantes ya dominan la decodificación básica.
Ajuste fino de ritmo
El parámetro permite incrementos hasta 4.0 para repaso rápido o conteos, y reducciones mínimas de 0.25 para máxima claridad en acentos no nativos.
Prueba diferentes valores en fragmentos de 100 caracteres para encontrar el equilibrio óptimo antes de generar el audio completo.
- Verifica siempre con audífonos o altavoces de aula.
Idiomas y acentos
La API soporta 23 idiomas, incluyendo español e inglés. Las voces están diseñadas para ofrecer una pronunciación clara y consistente, ideal para la comprensión auditiva en aulas multilingües o bilingües.
Voces en español neutro
Las voces pueden adaptarse al español sin un acento regional marcado, facilitando la comprensión general para estudiantes de diferentes regiones hispanohablantes. Esto es útil para textos educativos estandarizados.
- Claridad en vocales y consonantes
- Acento neutro preferente
- Adecuado para lecturas generales
Voces en inglés americano
El inglés es uno de los idiomas base de las voces. Para textos en inglés, se recomienda especificar el código de idioma para evitar que la IA adivine incorrectamente, especialmente si el texto contiene nombres propios.
- Pronunciación nativa
- Soporte nativo
- Evitar adivinanzas de idioma
Voces en otros idiomas europeos
Además del español e inglés, la API ofrece soporte para otros idiomas como francés, alemán, italiano, portugués, ruso y japonés, entre otros. Esto permite crear contenido multilingüe sin cambiar de proveedor.
- Francés, alemán, italiano
- Portugués, ruso, japonés
- Soporte multilingüe nativo

Consistencia en series de cuentos
La API permite mantener la identidad auditiva de cada personaje a lo largo de una serie completa. Al especificar el mismo parámetro voice en cada llamada a POST https://api.carong.info/v1/audio/speech, las voces de Aria, Luna, Milo o Atlas conservan sus timbres característicos, lo que facilita que los alumnos reconozcan a los personajes sin confusión.
Mismo personaje, misma voz
La consistencia es técnica y directa: cada solicitud usa el mismo identificador de voz. Esto garantiza que la narración de un cuento largo o una serie de historias mantenga la coherencia acústica necesaria para la inmersión del aula.
Transición entre episodios
Al generar audio por fragmentos de hasta 4096 caracteres, se pueden unir los archivos resultantes para crear capítulos completos. La transición entre episodios es suave porque el motor de síntesis no introduce variaciones aleatorias en el timbre base de la voz seleccionada.
Identidad de marca educativa
El uso repetido de voces específicas (como la claridad de Aria o la calma de Sage) construye un sonido distintivo para tu institución. Los estudiantes asocian rápidamente estas voces con el material educativo de confianza, reforzando la familiaridad sin necesidad de logos visuales.
Calidad de audio para aulas
La API TTS de Voces de Aula genera archivos con una claridad excepcional, ideal para la reproducción en altavoces de aulas escolares. Cada solicitud devuelve audio listo para su uso inmediato en presentaciones diarias, sin necesidad de edición adicional compleja.
Claridad en altavoces
Los formatos como MP3 y WAV garantizan una voz nítida que distingue claramente las sílabas y los tonos narrativos. Esto facilita la comprensión auditiva para los estudiantes durante la lectura de cuentos o textos educativos.
Sin distorsión
El motor de síntesis mantiene una consistencia acústica estable, evitando artefactos o ruidos de fondo en la señal generada. La calidad se mantiene uniforme tanto en frases cortas como en narraciones más extensas.
Peso ligero de archivos
Los archivos de audio resultantes son livianos, lo que permite su descarga rápida y reproducción fluida incluso en conexiones de red escolar limitadas o dispositivos con almacenamiento reducido.
Licencias y origen de las voces
Las voces de nuestra API TTS se basan en grabaciones licenciadas bajo la licencia CC BY 4.0. Cada voz es una síntesis derivada de audiobooks de dominio público, garantizando un origen claro y verificable para su uso en el aula.
Grabaciones licenciadas
Cada preset de voz proviene de fuentes legítimas. Esto asegura que la基底 acústica cumple con los estándares de calidad sin riesgos de derechos de autor sobre la grabación original.
- Licencia CC BY 4.0 (para las grabaciones base)
- Origen verificable
- Uso comercial y educativo permitido
Fuente LibriVox
Las voces están entrenadas con lecturas de LibriVox, una plataforma de audiolibros de dominio público. Esta fuente aporta naturalidad y una dicción clara, ideal para la narración de cuentos infantiles y textos educativos.
Uso educativo permitido
Dado que el material de origen es de dominio público y la licencia lo permite, puedes usar las voces generadas en tus materiales didácticos, plataformas de aprendizaje o presentaciones en el aula sin restricciones adicionales.
Pruebas recomendadas
Para validar la idoneidad de una voz antes de integrar la API en el aula, se recomienda generar fragmentos de texto de hasta 4096 caracteres. Este límite por solicitud permite aislar escenas concretas y verificar que la síntesis no introduce artefactos o cortes inesperados.
Utilice el endpoint de prueba con diferentes modelos (tts-1 o tts-1-hd) para comparar la claridad. Al ser un servicio de pago, recuerde que las solicitudes fallidas no consumen crédito, lo que permite evaluar la estabilidad sin riesgo financiero.
Generar fragmentos cortos
Divida el cuento en escenas de máximo 4096 caracteres. Esto evita que la API corte el audio por longitud y permite ajustar la velocidad (0.25–4.0) para cada segmento específico, asegurando que los niños puedan seguir la trama sin perder el hilo.
- Prueba de latencia: verifique que el archivo se genere en tiempo razonable.
- Validación de caracteres: confirme que el texto no exceda el límite por petición.
Evaluar comprensión auditiva
Reproduzca los fragmentos en el entorno real del aula, utilizando los altavoces habituales. Verifique que la claridad sea suficiente para que los estudiantes identifiquen las palabras clave sin necesidad de subtítulos, especialmente en voces como Aria o Luna.
- Verificar distorsión en volúmenes altos.
- Confirmar que la entonación no sea monótona.
Feedback de alumnos
Observe la reacción de los estudiantes mientras escuchan las narraciones. Si la velocidad es demasiado alta para preescolares, reduzca el parámetro speed. La consistencia de la voz ayuda a los alumnos a identificar personajes y mantener el interés en la serie.
Errores comunes en la selección
La selección de la voz correcta es crítica para la comprensión auditiva en el aula. Muchos docentes cometen errores sutiles que afectan la claridad sin notarlos inicialmente.
Voz muy rápida para niños
Usar la velocidad por defecto (1.0) en preescolar reduce la comprensión. La voz genera audio a tiempo real, pero los niños necesitan más tiempo para procesar fonemas.
- Reduce speed a 0.75-0.8 para edades 3-6.
- Use 0.9-1.0 para estudiantes de primaria.
- Prueba con Luna o Milo a velocidades ajustadas.
Tono demasiado grave
Orion tiene un tono profundo, ideal para documentales, pero puede sonar serio o aburrido para cuentos infantiles dinámicos. Aria o Nova mantienen la atención mejor en historias breves.
- Evita Orion para historias de alta energía.
- Prefiere Aria para narración clara.
- Usa Nova para segmentos alegres.
Falta de pausas naturales
La API no incluye SSML ni control de pausas. Si el texto no tiene puntuación clara, la voz puede hablar sin respirar. Separa frases en solicitudes distintas para mejor ritmo.
- Usa puntuación para pausas naturales.
- Divide textos largos en fragmentos.
- Evita expectativas de SSML; usa texto plano.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Esto asegura que la基底 acústica cumple con los estándares de calidad sin riesgos de derechos de autor sobre la grabación original.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
