IA de Text‐to‐Speech
Convierte texto en voz natural mediante una API impulsada por la mejor tecnología de IA de Google.
Los clientes nuevos obtienen hasta $300 en créditos gratuitos para probar Text‐to‐Speech y otros productos de Google Cloud.
Mejora las interacciones con los clientes gracias a respuestas inteligentes y naturales.
Interactúa con los usuarios mediante una interfaz de usuario de voz en tus dispositivos y aplicaciones.
Personaliza las comunicaciones en función de las preferencias de idioma y voz de los usuarios.
Beneficios
Voz de alta fidelidad
Implementa las tecnologías innovadoras de Google para generar voces con entonación similar a las de los seres humanos. La API se desarrolló según la experiencia de DeepMind en la síntesis de voz y ofrece voces de calidad casi idéntica a las humanas.
La selección de voces más amplia disponible
Elige entre un conjunto de más de 380 voces disponibles en más de 75 idiomas y variantes, incluidos árabe, chino mandarín, español, hindi, ruso y muchos más. Elige la voz que se adapte mejor a tus usuarios y aplicaciones.
Voz única
Crea una voz única que represente tu marca en todos los puntos de contacto con tus clientes, en lugar de usar una voz común que también utilizan otras organizaciones.
Demostración
Implementa Text‑to‑Speech
Escribe lo que quieras, selecciona un idioma y haz clic en “Speak it” para escucharlo.
Características clave
Características clave
Gemini-TTS
Sintetiza la voz de uno o varios oradores a partir de fragmentos cortos hasta narrativas completas, todo sin perder el contexto. Determina con precisión el estilo, el acento, el ritmo, el tono y la expresión emocional, lo cual puedes controlar a través de sencillas instrucciones en lenguaje natural en más de 75 idiomas. Ve a Media Studio o consulta nuestra documentación para conocer más detalles.
Chirp 3: Voces en HD
Crea agentes atractivos con las voces de conversación espontáneas más recientes basadas en AudioLM. Ofrecen audio de alta calidad, transmisión de baja latencia y sonido natural que incorpora disfluencias humanas, rango emocional y entonación precisa. Ve a Media Studio o consulta nuestra documentación para conocer más detalles.
Chirp 3: Voz personalizada instantánea
Crea modelos de voz personalizados con solo 10 segundos de entrada de audio. Perfecto para videojuegos, audiolibros, podcasts y mucho más. Disponible en más de 30 idiomas. Ve a Media Studio o consulta nuestra documentación para conocer más detalles.
Compatibilidad con instrucciones, texto y SSML
Controla el formato de números y tiempo, la entrega, la pronunciación y la emoción con secuencias de comandos de texto simple, etiquetas SSML o incluso instrucciones de lenguaje natural potentes, según la compatibilidad del modelo. Ve a Media Studio o consulta nuestra documentación para obtener más información.
Novedades
Novedades
Regístrate para recibir los boletines informativos de Google Cloud con información sobre actualizaciones de productos, eventos, ofertas especiales y mucho más.
Documentación
Casos de uso
Casos de uso
Bots de voz en centros de contacto
Ofrece una mejor experiencia de voz para la atención al cliente con bots de voz de Dialogflow que generan voces de manera dinámica, en vez de reproducir un audio estático previamente grabado. Interactúa con voces sintetizadas de alta calidad que ofrecen una sensación de familiaridad y personalización a quienes llaman.
Generación de voz en dispositivos
Ofrece una comunicación natural a tus usuarios. Para ello, potencia los dispositivos, como los lectores de texto, de modo que usen voces similares a las humanas. Diseña una interfaz de usuario de voz de extremo a extremo junto con Speech-to-Text y Natural Language para mejorar la experiencia del usuario mediante interacciones sencillas y atractivas.
EPG (guías electrónicas de programas) accesibles
Haz que las EPG lean fácilmente texto en voz alta para proporcionar a los clientes una mejor experiencia del usuario y cumplir con los requisitos de accesibilidad de tus servicios y aplicaciones. Prueba la demostración de EPG.
Implementa fácilmente la función de texto a voz en las EPG para proporcionar a los clientes una mejor experiencia del usuario y cumplir con los requisitos de accesibilidad de tus servicios y aplicaciones.
Todas las características
Todas las funciones
| Síntesis de transmisión de audio | Potencia tus agentes de IA con voz de latencia ultrabaja para conversaciones fluidas y en tiempo real con síntesis de transmisión de audio. |
| Síntesis de audio largo | Sintetiza de forma asíncrona hasta 1 millón de bytes de entrada con la síntesis de audio largo. |
| Selección de idioma y voz | Elige entre una amplia selección de más de 380 voces disponibles en más de 75 idiomas y variantes, y pronto agregaremos más. |
| Compatibilidad con formatos de texto y SSML | Personaliza tu voz con etiquetas de SSML que te permiten agregar formatos de fecha y hora, pausas y números, además de otras instrucciones de pronunciación. |
| Ajuste del tono | Personaliza el tono de la voz seleccionada hasta 20 semitonos más o menos que la voz predeterminada. |
| Ajuste de la velocidad del habla | Personaliza tu velocidad de habla para que sea hasta 4 veces más rápida o lenta que la velocidad normal. |
| Control del aumento de volumen | Aumenta el volumen de la voz hasta 16 dB o disminúyelo hasta -96 dB. |
| APIs de REST y gRPC integradas | Integra el servicio con facilidad en cualquier app o dispositivo que pueda enviar solicitudes de REST o gRPC, como teléfonos, PCs, tablets y dispositivos de IoT (por ejemplo, autos, TVs o bocinas). |
| Flexibilidad de formatos de audio | Convierte texto en MP3, Linear16, OGG Opus y muchos otros formatos de audio. |
| Perfiles de audio | Aplica optimizaciones en función del tipo de bocina desde la que se reproducirá la voz, como auriculares o líneas telefónicas. |
Precios
Precios
Text‑to‑Speech se cobra según la cantidad de caracteres que se envíen al servicio para sintetizarse como audio cada mes. El primer millón de caracteres de cada mes para voces de WaveNet es gratuito. En el caso de las voces estándar (que no son de WaveNet), los primeros 4 millones de caracteres de cada mes son gratuitos. Después de que se supera el nivel gratuito, el precio de Text‑to‑Speech se cobra por cada 1 millón de caracteres de texto procesado.
Si pagas en una moneda distinta del dólar estadounidense, se aplican los precios que aparecen en tu moneda en los SKU de Google Cloud.
Da el siguiente paso
Los clientes nuevos obtienen $300 en créditos gratuitos para probar Text‐to‐Speech y otros productos de Google Cloud.
¿Necesitas ayuda para comenzar?
Comunicarse con VentasTrabaja con un socio confiable
Buscar un socioSigue explorando
Ver todos los productos