Síntesis de voz: cuando la IA lee el texto en voz alta
La síntesis de voz convierte un texto escrito en voz hablada. Gracias a la IA, estas voces suenan tan naturales que a veces cuesta distinguirlas de una persona real.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| Nivel | Principiante |
|---|---|
| Origen | 2016 |
| Introducido por | DeepMind (WaveNet, voix générée par réseau de neurones) |
Del texto a la voz en segundos
Usted pega un artículo, un correo o un capítulo de libro y la herramienta lo lee en voz alta. Eso es la síntesis de voz, también llamada TTS (del inglés text-to-speech). Existe desde hace mucho, pero las voces antiguas se reconocían por su tono entrecortado y monótono.
El gran cambio llegó con las redes neuronales. En septiembre de 2016, DeepMind presentó WaveNet, un modelo que genera el sonido directamente, muestra a muestra, y que reducía claramente la distancia con la voz humana según sus propias pruebas de escucha. Desde entonces, las voces han ganado entonación, respiración y emoción.
Dónde la escucha ya
- En el día a día: el GPS que anuncia la próxima salida, el móvil que lee una página web en voz alta, un audiolibro narrado por IA.
- Con un asistente de IA: el modo de voz responde en voz alta. Combina el reconocimiento de voz (para entenderle), un modelo de lenguaje (para redactar la respuesta) y la síntesis de voz (para pronunciarla). El comparador de asistentes indica cuáles ofrecen voz.
- En el trabajo: narrar un vídeo de formación, grabar el mensaje del contestador, doblar una presentación a otro idioma.
Los altavoces inteligentes y demás asistentes de voz funcionan con el mismo principio.
La otra cara: la clonación de voz
Una voz sintética muy realista puede imitar a una persona concreta a partir de una grabación breve. Es el terreno de los deepfakes de audio y de algunas estafas con IA: la falsa llamada de un familiar en apuros o el falso mensaje de un directivo que pide una transferencia urgente.
Un buen reflejo: ante una petición de dinero inusual por teléfono, cuelgue y vuelva a llamar a la persona a su número de siempre. Acordar una palabra clave familiar es una precaución sencilla.
Ideas erróneas frecuentes
- «Una voz natural es necesariamente humana.» Ya no; el timbre por sí solo no demuestra nada.
- «La máquina entiende lo que lee.» Pronuncia un texto; el sentido y la exactitud dependen del texto, no de la voz.
- «Una voz generada se puede usar libremente.» Las condiciones varían según el servicio, en especial para un uso comercial o una voz clonada.
Términos relacionados
- Reconocimiento de voz · Tecnología que convierte la voz en texto escrito: dictado, subtítulos, órdenes por voz y actas de reuniones.
- Asistente de voz · Asistente que se maneja con la voz (móvil, altavoz, coche): escucha, entiende la petición y responde en voz alta.
- Deepfake (ultrafalso) · Imagen, vídeo o voz manipulados con IA para hacer creer que una persona real dijo o hizo algo que nunca dijo ni hizo.
- Estafas con IA · Fraudes que usan la IA (voz clonada, vídeo falso, mensajes muy creíbles) para obtener dinero o datos personales.
- IA multimodal · IA capaz de entender o generar varios tipos de contenido, como texto, imágenes, audio y vídeo, a menudo en la misma conversación.
Todo el glosario
Preguntas frecuentes
¿En qué se diferencia del reconocimiento de voz?
Son los dos sentidos de un mismo camino. La síntesis de voz va del texto a la voz; el reconocimiento de voz va de la voz al texto. Un asistente de voz suele usar ambos, uno detrás de otro.
¿Se puede clonar la voz de alguien?
Algunas herramientas imitan una voz a partir de una grabación. Los servicios serios suelen exigir el consentimiento de la persona. Imitar la voz de otra persona sin permiso puede ser ilegal y también se usa en estafas.
¿Pronuncia bien el español?
Las voces recientes manejan bien el español corriente y suelen ofrecer variantes de España y de América Latina. Los nombres propios, siglas, cifras y palabras extranjeras siguen siendo trampas clásicas: escuche el resultado antes de difundirlo.
¿Sirve para la accesibilidad?
Sí, es uno de sus usos históricos. Los lectores de pantalla de móviles y ordenadores la utilizan para leer contenidos a personas ciegas o con baja visión.
Fuentes de los datos
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.