Objetivos de aprendizaje
- Generar audio de calidad a partir de texto, en local y en varios idiomas.
- Producir archivos MP3 descargables.
- Elegir la voz y el idioma adecuados.
Conceptos clave
Esto es TTS (texto a voz) puro, sin micrófono ni modelo de lenguaje: solo texto que entra y audio que sale.
En cristiano: ¿por qué en local y no una web cualquiera?. Hay webs que convierten texto a voz, pero suelen tener límites, marcas de agua o cobran por textos largos, y tu texto viaja a sus servidores. En local no hay límites, es gratis y privado: puedes convertir un libro entero si quieres.
Qué herramientas usar (2026)
- Kokoro — ligera, rápida en CPU, buena calidad, multi-idioma. Gran punto de partida.
- MagpieTTS — voces de calidad de producción en 9 idiomas (incluye español); mejor con GPU.
- F5-TTS — si quieres clonar una voz concreta a partir de una muestra.
Requisitos
Claude Code y Node.js. Para las voces puede hacer falta Python; Claude Code te guía. No necesitas Ollama en este proyecto (no hay “cerebro”, solo voz).
Paso a paso
cd ~/proyectos-ia mkdir texto-a-audio cd texto-a-audio claude
Escribe esto a Claude Code
Crea una app web local de texto a voz:
- Motor Kokoro por defecto; deja preparado MagpieTTS como alternativa de más calidad.
- Puedo pegar texto o subir un .txt.
- Selector de idioma y de voz (incluye español).
- Botón para generar y para descargar el audio en MP3.
- Si el texto es muy largo, divídelo y únelo en un solo MP3.
- README con instrucciones.
Idea clave. Para textos muy largos conviene trocear y unir el audio: si no, algunos motores se atragantan. Por eso lo pedimos explícitamente en el encargo.
Ejecutar en tu ordenador
npm install npm run dev
Pega un párrafo, elige idioma y voz, y genera el audio.
Comprueba que funciona. Deberías poder reproducir el audio en la propia página y descargar el MP3. Pruébalo con un texto en español y con otro en inglés para ver el cambio de voz.
Guardar y reabrir el proyecto.
Proyecto: carpeta
texto-a-audio. Cerrar: Ctrl + C. Reabrir: cd ~/proyectos-ia/texto-a-audio y npm run dev. Los MP3 que generes se guardan donde tú los descargues; no dependen de que la app esté abierta.Si algo falla
- Voz en idioma equivocado — selecciona la voz correcta para ese idioma; no todas hablan todos los idiomas.
- Se corta en textos largos — confirma que la app trocea y une; si no, pídeselo a Claude Code.
- Suena metálica — prueba MagpieTTS para más calidad (mejor con GPU).
Reto para practicar
Añade un “modo pódcast”: que dos voces distintas lean un diálogo alternándose. Ideal para material educativo más ameno.
Siguiente misión recomendada
Si has guardado la evidencia de esta lección, continúa con «Simulaciones 3D». Si no, repite la comprobación antes de avanzar.