Preguntas frecuentes
¿Cuál es la voz más clara para texto médico?
Aria se describe como una narradora clara y cálida, ideal para guías. Sage es otra opción por su tono calmado e instruccional. Ambas están diseñadas para legibilidad. La claridad depende de la velocidad configurada entre 0.25 y 4.0. Puede probarlas con la prueba gratuita de $0.50 (válida 7 días) para verificar la comprensión en su contexto clínico específico.
¿La voz Luna es buena para ansiedad?
Luna se define como suave y narrativa, lo que puede ser apropiado para contextos de relajación. Sin embargo, no hay etiquetas de emociones ni control de tono. Suene natural porque es una grabación licenciada de LibriVox. Puede ajustar la velocidad a 0.25 para una lectura más pausada y calmada si es necesario.
¿Atlas es demasiado neutra para pacientes?
Atlas se describe como neutral y de noticias. Para pacientes, esto puede sonar menos personal que Aria o Luna. Sin embargo, la neutralidad puede ser útil para información factual. Puede ajustar la velocidad y el formato de audio. Si necesita más calidez, considere Sage o Aria en lugar de Atlas para la narración.
¿Se puede mezclar voces en una guía?
No. La API genera un solo audio por solicitud con una voz fija. Para mezclar voces, debe realizar múltiples solicitudes, una por cada segmento de texto con la voz deseada, y luego unir los archivos de audio resultantes manualmente en su aplicación o editor de audio externo.
¿Qué voz usar para instrucciones de medicamentos?
Sage es la opción recomendada por su tono calmado e instruccional. Aria también es clara para narración. Elija la que mejor se adapte al tono de su guía. Puede ajustar la velocidad para asegurar que los pacientes entiendan las dosis y pasos. Pruebe con la cuota gratuita para validar la claridad.
¿Milo es adecuada para niños?
Milo se describe como amigable y conversacional. No está específicamente diseñada para niños, pero su tono puede ser accesible. No hay voces infantiles dedicadas. Puede ajustar la velocidad y el tono general mediante la configuración de velocidad. Evalúe si el tono conversacional es apropiado para su audiencia pediátrica.
¿Orion es demasiado profunda para ancianos?
Orion tiene un tono profundo y de documental. Si la audiencia tiene dificultades auditivas, la profundidad podría ser menos clara que Aria o Luna. Puede ajustar la velocidad a un rango más lento (0.25-1.0). No hay control de frecuencia específico. Pruebe la voz con la prueba gratuita para verificar la comprensión.
¿Nova es muy rápida para lectura lenta?
Nova es brillante y animada. Su velocidad natural depende de la configuración. Puede ajustarla entre 0.25 y 4.0. Para lectura lenta, establezca la velocidad en 0.5 o menos. Esto ralentiza la voz sin cambiar su timbre. Es una función estándar de la API para controlar el ritmo de la narración.
¿Aria tiene acento específico?
Aria es una voz basada en grabaciones licenciadas. No tiene un acento fijo marcado, pero su pronunciación se adapta al idioma configurado. Si no se especifica el idioma, se asume inglés para texto en latín. Puede forzar el español estableciendo el campo language en la solicitud para asegurar la pronunciación correcta.
¿Las voces son las mismas en todos los idiomas?
Sí. Las 8 voces preestablecidas pueden hablar los 23 idiomas soportados. Aria puede narrar en español, japonés o alemán, manteniendo su timbre. La API adapta la pronunciación según el código de idioma o la detección automática. Esto permite consistencia de marca en guías multilingües sin cambiar la identidad vocal.
¿Se puede ajustar la entonación?
No. La API no ofrece etiquetas de entonación ni control de prosodia. Solo puede ajustar la velocidad (0.25–4.0) y el formato de audio. La entonación es fija en la voz seleccionada. Si necesita cambios específicos de entonación, deberá editar el archivo de audio generado con software externo después de la síntesis.
¿Qué voz suena más natural en español?
La naturalidad es subjetiva. Aria, Luna y Nova suelen ser elegidas por su calidez. Sage es clara para instrucciones. Todas las voces soportan español nativamente. Use la prueba gratuita de $0.50 para generar muestras en español con cada voz y determine cuál se adapta mejor a su guía clínica específica.
¿Hay voces para textos técnicos?
Sage es ideal por su tono instruccional. Atlas es neutral y claro, útil para datos técnicos. Aria es clara para narración general. No hay voces especializadas solo para términos técnicos, pero la claridad de estas voces facilita la comprensión. Ajuste la velocidad para asegurar que los términos médicos se pronuncien claramente.
Criterios de selección
Al integrar narración automática en aplicaciones de salud, la precisión lingüística es crítica. Este análisis evalúa las voces disponibles en la API basándose en tres criterios técnicos y perceptuales, asegurando que la comunicación de información clínica sea clara y libre de ambigüedades para los usuarios finales.
La selección de la voz adecuada depende de la naturaleza del contenido: desde instrucciones de alta hospitalaria hasta recordatorios de medicación. Los siguientes parámetros determinan la idoneidad de cada preset para contextos médicos específicos, priorizando la legibilidad sobre el estilo decorativo.
Claridad articulatoria
La inteligibilidad del habla sintetizada debe superar el umbral de comprensión en entornos clínicos. Las voces seleccionadas han sido evaluadas por su capacidad para pronunciar términos médicos complejos sin distorsión, manteniendo una dicción consistente incluso a velocidades moderadas o altas.
Es crucial verificar que la voz no altere la estructura fonética de palabras clave como nombres de medicamentos o procedimientos. Una articulación deficiente puede generar errores de adherencia o confusión en pacientes con menor alfabetización digital.
- Verificar pronunciación de términos técnicos en español y otros idiomas soportados.
- Evaluar la estabilidad fonética a diferentes velocidades de reproducción (0.25 a 4.0).
Tono emocional adecuado
El tono debe transmitir autoridad sin frialdad, o empatía sin exajeración dramática. En el sector salud, una voz demasiado enérgica puede generar ansiedad, mientras que una demasiado neutra puede percibirse como robótica. Las voces como Aria o Milo ofrecen un equilibrio natural.
La ausencia de etiquetas de emoción personalizadas significa que el tono es inherente a la voz base. Por ello, la elección debe basarse en la personalidad predefinida del preset, que ya incorpora matices apropiados para la lectura de guías clínicas.
- Preferir voces con tonalidad natural y no excesivamente estáticas.
- Evitar voces con entonación muy marcada que puedan distraer del contenido informativo.
Duración de la voz
La duración de la generación depende de la longitud del texto y la velocidad configurada. En general, la síntesis se realiza a una velocidad aproximadamente realista, lo que facilita la estimación del tiempo de espera para el usuario de la aplicación.
Para guías extensas, es necesario dividir el texto en partes de hasta 4096 caracteres. La duración total se verá afectada por la cola de procesamiento, que puede retrasar la entrega bajo carga, aunque el precio se mantiene uniforme por carácter generado.
Voces femeninas en salud
Las voces femeninas de la API de GuiaSonoro están diseñadas para garantizar la claridad y la precisión en la transmisión de información médica crítica. Cada preset ofrece características acústicas distintas que se adaptan a diferentes contextos de lectura, desde narrativas clínicas hasta recordatorios interactivos.
Estas voces están basadas en grabaciones licenciadas de LibriTTS-R y LibriVox, asegurando una calidad consistente. La elección de la voz adecuada depende del tono emocional que se desee transmitir al paciente en cada etapa de la guía.
Aria: narradora clara
Aria es ideal para la lectura de guías de pacientes y manuales clínicos. Su tono cálido y claro facilita la comprensión de instrucciones complejas, reduciendo la carga cognitiva del usuario. Es la opción preferida para narrativas lineales donde la precisión es prioritaria.
Al usar Aria, los equipos de producto pueden asegurar que la información sobre dosis, horarios y contraindicaciones se transmita con una articulación consistente. Su voz no distrae con variaciones excesivas, manteniendo el foco en el contenido médico.
- Tono cálido y narrativo
- Ideal para guías paso a paso
- Alta claridad articulatoria
Nova: tono energético para recordatorios
Nova ofrece un tono brillante y animado, perfecto para aplicaciones de telemedicina que requieren interacción rápida. Su energía natural la hace adecuada para recordatorios de medicamentos o alertas de citas, donde se busca captar la atención del usuario sin sonar impersonal.
Su velocidad de síntesis se ajusta bien para frases cortas, manteniendo un ritmo ágil que mejora la percepción de respuesta inmediata en interfaces conversacionales.
- Tono brillante y optimista
- Ideal para recordatorios y alertas
- Ritmo ágil para interacción rápida
Luna: suavidad para relajación
Luna está optimizada para contextos de relajación o bienestar. Su voz suave es ideal para guías de respiración, meditaciones guiadas o explicaciones de procedimientos menos invasivos, donde se busca reducir la ansiedad del paciente.
La suavidad de Luna permite una entrega más pausada y menos abrupta, facilitando la comprensión en usuarios mayores o con dificultades auditivas leves cuando se combina con una velocidad reducida.
- Voz suave y narrativa
- Ideal para bienestar y relajación
- Reduce la ansiedad del usuario
Voces masculinas en salud
Las voces masculinas de la API de GuiaSonoro ofrecen opciones específicas para contextos clínicos y educativos, garantizando claridad en la transmisión de información médica.
Esta sección detalla tres perfiles vocales diseñados para distintas necesidades de comunicación en salud digital, desde la neutralidad informativa hasta la cercanía conversacional.
Atlas: neutralidad para noticias clínicas
Atlas presenta una voz neutral e ideal para la lectura de boletines o noticias clínicas. Su tono transmite objetividad, minimizando la interpretación emocional en datos críticos.
Es adecuado para avisos de sistemas o actualizaciones de protocolos donde la precisión del mensaje es prioritaria sobre el carácter vocal.
- Tono neutral y profesional
- Ideal para avisos de sistema
- Alta legibilidad en textos densos
Milo: conversación amigable
Milo ofrece una voz amigable y conversacional, perfecta para chatbots de telemedicina o asistentes virtuales. Su tono facilita la interacción con pacientes en entornos digitales.
Se recomienda para respuestas rápidas a dudas frecuentes, donde se busca un tono empático sin resultar excesivamente informal.
- Tono conversacional cercano
- Ideal para chatbots
- Empatía moderada
Orion: profundidad para documentales médicos
Orion destaca por su voz profunda y seria, adecuada para documentales médicos o explicaciones educativas extensas. Su timbre añade autoridad al contenido narrado.
Es útil en contextos donde se requiere mantener la atención del oyente durante presentaciones clínicas o educativas de mayor duración.
- Voz profunda y grave
- Autoridad narrativa
- Apto para documentales
Comparativa de características
La API ofrece control preciso sobre la velocidad de narración, ajustable entre 0.25x y 4.0x. Esto permite adaptar el ritmo de lectura a diferentes contextos clínicos, desde la calma necesaria para instrucciones de relajación hasta la eficiencia en la lectura rápida de manuales técnicos.
Los formatos de salida incluyen MP3, WAV, OPUS, FLAC y PCM, garantizando compatibilidad con la mayoría de los reproductores y sistemas de audio utilizados en entornos de salud digital.
Velocidad ajustable
Ajusta la velocidad entre 0.25x y 4.0x para optimizar la comprensión según el contexto clínico.
Permite equilibrar la claridad en instrucciones complejas con la eficiencia en la lectura de manuales extensos.
Formatos de salida
Genera audio en MP3, WAV, OPUS, FLAC o PCM según la necesidad de integración.
El formato MP3 es eficiente para almacenamiento, mientras que WAV o FLAC preservan la máxima fidelidad para auditorías.
Compatibilidad de idiomas
Soporta 23 idiomas, incluyendo español, inglés y francés, con detección automática o configuración manual.
Se recomienda especificar el código ISO del idioma para textos en latín que no sean inglés, evitando errores de pronunciación.
Uso en guías de alta
Las guías de alta requieren instrucciones precisas que los pacientes comprendan inmediatamente al salir del hospital. Aria ofrece una narración clara y estable, ideal para transmitir protocolos de cuidado sin ambigüedades. Su tono de narradora facilita la retención de pasos secuenciales críticos para la recuperación.
Al integrar Aria en aplicaciones móviles o portales de pacientes, se reduce la carga cognitiva al leer listas largas de medicamentos o cuidados post-operatorios. La consistencia en la voz ayuda a que el usuario se familiarice con la interfaz de audio de la aplicación.
Voz Aria para instrucciones
Aria está diseñada para entregar instrucciones de manera directa y clara. En el contexto de una guía de alta, esto significa que cada paso, desde la toma de la primera dosis hasta los signos de alerta, se transmite con una dicción nítida que minimiza la necesidad de repetir la audición.
- Ideal para listas de pasos secuenciales.
- Tono estable que no distrae con variaciones emocionales excesivas.
Claridad en dosis de medicamentos
La precisión en la lectura de números y unidades es crucial. Aria permite una articulación consistente que ayuda a distinguir entre dosis similares. Al usar la API, los equipos de producto pueden probar la generación de texto con formatos específicos de medicamentos para asegurar la legibilidad auditiva.
- Articulación clara de números y unidades.
- Reducción de errores de interpretación en instrucciones críticas.
Evitar confusión con nombres propios
Los nombres genéricos de medicamentos pueden sonar similares si la voz no es clara. Aunque no hay diccionario de pronunciación personalizado, la claridad base de Aria ayuda. Se recomienda validar la pronunciación de nombres de fármacos comunes mediante pruebas con usuarios reales antes de la implementación masiva.
- Validar pronunciación de nombres de fármacos.
- Usar texto estándar para evitar variaciones.
Uso en apps de telemedicina
La integración de la API en aplicaciones de telemedicina permite automatizar la lectura de respuestas clínicas sin depender de plataformas genéricas. Utilizar la voz Milo para chatbots ofrece un tono conversacional y amigable, ideal para guiar a pacientes durante consultas asincrónicas o recordatorios de citas.
Voz Milo para chatbots
Milo destaca por su naturalidad en la conversación, lo que reduce la frialdad de las respuestas automáticas en salud digital. Al enviar texto mediante POST a /v1/audio/speech, los equipos de producto pueden generar audio instantáneo para respuestas comunes, manteniendo la claridad en la comunicación médico-paciente.
Respuesta rápida a dudas
La generación de audio es rápida para frases cortas, aunque las solicitudes se procesan en cola. Los usuarios reciben información inmediata sin esperar la lectura manual, optimizando la experiencia en apps donde la agilidad es crítica para la adherencia al tratamiento.
Tono empático sin exagerar
La voz transmite cercanía sin caer en la exageración emocional, algo crucial en entornos médicos donde la neutralidad evita malentendidos. No se ofrecen etiquetas de emoción ni SSML, lo que garantiza consistencia en cada respuesta generada por la API.
Consideraciones lingüísticas
La API detecta automáticamente el idioma basado en la escritura del texto. Para textos en latín que no son inglés, se debe especificar explícitamente el campo language para evitar la predicción por defecto.
Configurar manualmente el español asegura que la síntesis respete la fonética correcta. Esto evita que el motor interprete erróneamente términos médicos o nombres propios como si fueran inglés.
Detección automática de idioma
El sistema infiere el idioma a partir del script utilizado. Si el texto está en latín pero no es inglés, la configuración predeterminada puede causar pronunciaciones incorrectas.
Para garantizar la precisión, siempre define el parámetro language con el código ISO correspondiente cuando el texto esté en español, francés o alemán.
Configuración manual de español
Establecer language: "es" asegura que las voces como Aria o Milo articulen correctamente los acentos y la entonación del español.
Esta configuración es crítica para guías de pacientes y manuales clínicos donde la claridad lingüística impacta directamente en la comprensión del usuario.
Evitar mezclas de acentos
Las voces son consistentes en su acento nativo. Evita mezclar términos con estructuras gramaticales de otros idiomas sin ajustar el campo language.
Una configuración incorrecta puede resultar en una pronunciación híbrida que dificultará la lectura en entornos clínicos o de telemedicina.
Verifica siempre la salida con textos de prueba antes de integrar la voz en la aplicación final.
- Usa códigos ISO estándar (ej. 'es', 'fr', 'de').
- La detección automática falla en texto latino no inglés.
- Mantén la consistencia lingüística en todo el documento.

Coste por voz seleccionada
El coste es estrictamente uniforme: 10 dólares por cada millón de caracteres, lo que equivale a 0,01 USD por cada 1.000 caracteres. Este precio incluye espacios y puntuación, independientemente de la voz o el formato elegido. Las solicitudes fallidas se devuelven íntegramente, garantizando que solo pagues por audio generado con éxito.
Precio uniforme por carácter
La tarifa base se aplica sin distinción técnica entre los modelos tts-1 y tts-1-hd. No existen premiums por calidad de audio ni por el uso de voces específicas como Aria o Atlas. El cálculo es lineal y transparente, facilitando la previsión de gastos en aplicaciones de salud con alto volumen de texto.
Sin coste extra por voz
Seleccionar una voz masculina o femenina no incrementa el precio. Todas las ocho voces disponibles tienen el mismo costo por carácter. Esto permite a los equipos de producto experimentar con diferentes tonos narrativos sin incurrir en penalizaciones de facturación, optimizando la experiencia del paciente sin afectar el presupuesto.
Optimización de longitud
Cada solicitud acepta hasta 4.096 caracteres. Para guías clínicas extensas, se recomienda dividir el texto en partes manejables. Esto asegura una generación estable y evita límites de memoria en la API. El costo total se calcula sumando los caracteres de todas las solicitudes necesarias para completar la guía.
Prueba de usabilidad
La validación clínica exige verificar que la síntesis sea comprensible para el usuario final. Implemente pruebas A/B comparando la voz predeterminada con configuraciones de velocidad ajustada, midiendo el tiempo de lectura y la tasa de errores en instrucciones de dosis.
Recopile métricas de comprensión mediante cuestionarios cortos post-lectura. Esto permite cuantificar si la claridad articulatoria de voces como Aria o la cercanía de Milo mejora la adherencia a las guías de alta hospitalaria.
Audición con pacientes reales
Simule entornos de telemedicina con usuarios de diferentes edades. Observe si la velocidad de 1.0x o ajustes hasta 1.5x facilitan la comprensión de términos médicos sin generar fatiga auditiva.
- Verificar claridad en instrucciones de medicamentos
- Evaluar confort auditivo en lectura prolongada
Encuestas de comprensión
Distribuya formularios breves tras la escucha. Pregunte específicamente sobre la claridad de las dosis y la confianza en las instrucciones de alta.
Use estas respuestas para ajustar la voz elegida (ej. Luna para relajación, Atlas para neutralidad) antes del despliegue masivo.
- Tasa de comprensión de dosis
- Nivel de confianza percibido
Ajuste de parámetros
Modifique la velocidad entre 0.25 y 4.0 según los resultados. Si la comprensión baja, reduzca la velocidad o cambie de formato a WAV para mayor fidelidad.
Documente la configuración óptima para replicarla en futuras guías clínicas.
- Optimización de velocidad (0.25–4.0)
- Selección de formato (WAV/MP3)
Limitaciones de las voces
Las voces generadas mantienen un timbre constante durante toda la secuencia. No existen etiquetas para indicar alegría, urgencia o suavidad en el tono, lo que puede resultar menos natural en contextos clínicos dinámicos donde la inflexión vocal suele guiar la atención del paciente.
Sin variación de emoción
La entonación es predefinida por el preset seleccionado (por ejemplo, Aria es clara pero uniforme). No se puede modular la intensidad emocional por segmento de texto, lo que requiere que los equipos de producto gestionen la entonación mediante la elección de la voz adecuada desde el inicio del flujo.
Sin SSML para pausas
A diferencia de otros sistemas, no soportamos etiquetas SSML para controlar pausas o silencios con precisión milimétrica. Las pausas naturales dependen del análisis sintáctico del motor. Para pausas específicas en guías médicas, se debe insertar puntuación explícita en el texto fuente.
- Sin etiquetas <break> o <prosody> para control fino
- Pausas determinadas únicamente por comas, puntos o saltos de línea
- No se puede forzar un silencio de duración exacta
Sin clonación personalizada
No ofrecemos la capacidad de clonar la voz de un médico o especialista específico. Las ocho voces disponibles son grabaciones licenciadas fijas. Si se requiere la voz de un rostro conocido o de un miembro del personal, esta no está disponible en la API actual.
Ejemplos de texto con cada voz
Los ejemplos demuestran cómo las voces se adaptan al contexto lingüístico sin necesidad de ajustes manuales complejos, aprovechando la detección automática de guiones para textos latinos por defecto en inglés.
Texto de Aria en español
Aria narra instrucciones claras sobre dosis de medicamentos, garantizando que la claridad articulatoria sea prioritaria para la seguridad del paciente.
Texto de Atlas en inglés
Atlas presenta datos clínicos con neutralidad, ideal para noticias de salud donde la precisión es más importante que la calidez emocional.
Texto de Luna en francés
Luna ofrece un tono suave para relajación, demostrando que las mismas voces pueden manejar idiomas distintos manteniendo su característica sonora base.
Recomendación final para equipos
La implementación efectiva de narración en salud exige un enfoque metódico que priorice la claridad sobre la personalización. Dado que las voces son fijas y carecen de variación emocional, la selección debe basarse estrictamente en la legibilidad del texto médico y la compatidad con el flujo de trabajo del paciente.
Comenzar con la prueba gratuita permite evaluar la calidad sin compromiso financiero, pero no sustituye la validación clínica. Los equipos deben verificar que la velocidad y el formato elegido faciliten la comprensión en entornos reales, donde el ruido o la prisa pueden afectar la recepción de las instrucciones.
Prueba con Google primero
Utilice el crédito inicial de $0.50 para generar audio con los textos críticos de sus guías. Este monto permite aproximar 50.000 caracteres, suficiente para probar múltiples voces y ajustes de velocidad sin necesidad de cargar saldo inmediatamente.
- Verifique que la detección automática de idioma funcione correctamente.
- Pruebe la generación en diferentes formatos (mp3, wav) para asegurar compatibilidad.
Validar con usuarios finales
Conducte pruebas de usabilidad con pacientes reales para medir la comprensión de las instrucciones médicas. El tono empático de voces como Milo o la claridad de Aria debe ser validado en el contexto real de uso, no solo en pruebas técnicas.
- Mida el tiempo de comprensión por sección.
- Encueste sobre la fatiga auditiva en guías largas.
Documentar la elección
Registre la voz seleccionada, la velocidad y el formato para cada tipo de contenido (dosis, advertencias, introducción). Dado que no hay control de emociones mediante SSML, la consistencia de la voz elegida es clave para mantener la confianza del usuario.
- Especificar modelo tts-1 o tts-1-hd.
- Indicar la voz exacta y velocidad usada.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Es la opción preferida para narrativas lineales donde la precisión es prioritaria.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
