Convertir texto a voz con inteligencia artificial es una forma rápida de crear narraciones para videos, presentaciones, materiales educativos y contenido accesible. No necesitas micrófono: escribes el guion, eliges una voz, ajustas el ritmo y descargas el audio.
Respuesta rápida: prepara un texto con frases cortas, pégalo en un generador de voz con IA, selecciona idioma y acento, escucha la vista previa y corrige la puntuación antes de exportar. Las cuentas gratuitas suelen limitar caracteres, minutos o descargas.
Qué herramienta gratuita elegir
Para una narración sencilla dentro de un diseño, el generador de voz con IA de Canva permite escribir el texto, seleccionar una voz y añadirla a videos o presentaciones. Canva indica que hay voces gratuitas, aunque existen límites de uso.
Si necesitas probar voces con mayor control expresivo, ElevenLabs Text to Speech ofrece modelos multilingües y opciones de entonación. Su licencia gratuita excluye usos comerciales y exige atribución al publicar. Revisa las condiciones antes de generar un anuncio.
No existe una herramienta universalmente mejor. Elige según cuatro criterios: español y acento disponibles, naturalidad, permiso de uso para tu proyecto y facilidad para descargar el formato de audio que necesitas.
Cómo convertir texto a voz con IA gratis paso a paso
1. Adapta el texto para ser escuchado
Un texto para leer no siempre funciona como guion hablado. Reduce las oraciones largas, elimina paréntesis y convierte las listas extensas en frases naturales. Escribe los números y abreviaturas como quieras que se pronuncien.
Ejemplo: en vez de «La oferta vence 15/09 a las 18 h», escribe «La oferta termina el quince de septiembre, a las seis de la tarde».
2. Divide el guion en fragmentos
Trabaja por párrafos o escenas. Los fragmentos cortos son más fáciles de corregir y te permiten cambiar el tono en una parte sin regenerar todo el audio. También evitan perder trabajo si alcanzas el límite de caracteres.
3. Elige idioma, acento y tipo de voz
Selecciona español y escucha varias opciones con el mismo fragmento. Decide si necesitas una voz conversacional, enérgica, institucional o tranquila. Para una audiencia amplia, prioriza pronunciación clara antes que un acento exagerado.
4. Ajusta el ritmo con puntuación
La puntuación ayuda a sugerir pausas, aunque su interpretación depende del generador; escucha el resultado para comprobarla. Si la herramienta permite controlar velocidad o estabilidad, cambia un parámetro cada vez. Canva recomienda usar oraciones cortas, añadir puntuación y deletrear abreviaturas poco comunes.
5. Genera una vista previa
Escucha con auriculares y revisa nombres, fechas, cantidades y palabras extranjeras. Si algo suena mal, prueba una escritura fonética sencilla o reemplaza el término por una expresión equivalente. No compenses una mala pronunciación acelerando toda la voz.
6. Descarga y edita el audio
Exporta en MP3 para un archivo ligero o WAV si vas a editar y la herramienta lo permite. Recorta silencios excesivos y normaliza el volumen con prudencia. Guarda el guion junto al audio para poder corregirlo después.
7. Añade el audio al proyecto final
Inserta la voz en tu video o presentación y ajusta las imágenes al ritmo de la narración. Para preparar las diapositivas, consulta cómo hacer presentaciones con IA. Si produces un reel, enlázalo con nuestra guía sobre cómo crear videos con IA gratis.
Prompt para convertir un borrador en un guion natural
Antes de generar la voz, puedes pedir a ChatGPT que adapte tu texto. Usa esta instrucción:
Prompt: «Convierte el siguiente texto en un guion hablado de 45 segundos para público general. Usa español claro, frases cortas y un tono cercano. Conserva todos los datos importantes. Escribe números y abreviaturas como deben pronunciarse. Marca las pausas naturales con puntuación. Texto: [pega aquí el borrador]».
Después compara el guion con la fuente original: la IA puede omitir o modificar datos. Si estás comenzando, consulta también cómo usar ChatGPT gratis desde cero.
Ejemplo ficticio: voz para un video de producto
Versión escrita: «Nuestra agenda incluye vista semanal, 120 páginas, papel reciclado y envío gratuito en pedidos desde $25».
Versión para narrar: «Organiza tu semana de un vistazo. La agenda incluye ciento veinte páginas de papel reciclado. Y, en pedidos desde veinticinco dólares, el envío es gratuito».
La segunda versión respira mejor y reduce el riesgo de que la herramienta pronuncie símbolos de manera extraña.
Cómo lograr una voz más natural
- Usa palabras que dirías en una conversación real.
- Alterna frases cortas y medianas para evitar un ritmo mecánico.
- Escribe las cifras como palabras cuando la pronunciación sea importante.
- Genera cada sección con la misma voz y configuración.
- Deja pausas antes de ideas clave, pero evita llenar el texto de comas.
- Escucha el resultado en altavoz y auriculares antes de aprobarlo.
Privacidad, consentimiento y uso comercial
No introduzcas información confidencial en una herramienta pública. Para clonar una voz, obtén permiso expreso de la persona y explica dónde se utilizará. Si el audio promociona un producto o se monetizará, verifica que el plan y la voz seleccionada permitan uso comercial. Evita crear audios que puedan hacerse pasar por una persona real o engañar a la audiencia.
Texto a voz y transcripción no son lo mismo
Texto a voz convierte un guion escrito en audio. La transcripción hace el proceso inverso: transforma una grabación en texto. Si lo que tienes es una entrevista, una clase o una nota de voz, utiliza nuestra guía para transcribir audio a texto con IA gratis.
Comprueba la versión final contra una ficha
En el ejemplo, verifica tres datos al escuchar: ciento veinte páginas, papel reciclado y envío gratuito desde veinticinco dólares. Si la voz dice «más de veinticinco», cambia la condición porque excluiría un pedido de exactamente USD 25. Regenera solo esa frase.
No se ha generado ni evaluado un audio real para este ejercicio. Puedes registrar tus propias pruebas en una tabla con voz, fragmento, pronunciación dudosa y corrección. Cronometra la narración: pedir cuarenta y cinco segundos no garantiza esa duración.