Preguntas frecuentes
¿Cuál es la mejor voz para leer menús?
No existe una única voz ideal, pero Aria (narradora clara) o Luna (suave) son opciones adecuadas para menús. La elección depende del estilo de tu restaurante. Puedes probar cualquiera de las 8 voces disponibles. Cada preset ofrece un tono distinto para adaptarse a la presentación de tus platos, manteniendo siempre la claridad en la lectura.
¿Qué voz es mejor para avisos de emergencia?
Atlas es una opción neutral y clara, adecuada para noticias o avisos urgentes. También puedes utilizar Sage para instrucciones calmadas o Felix para transmitir energía. La claridad es prioritaria en emergencias, y estas voces están diseñadas para garantizar una dicción precisa y una comprensión rápida por parte del equipo de tu restaurante o comedor colectivo.
¿Puedo usar la misma voz en varios idiomas?
Sí. Cada una de las 8 voces puede hablar cualquiera de los 23 idiomas soportados, incluido el español. Solo debes especificar el código ISO del idioma en la solicitud. Si no se indica, el sistema intenta adivinarlo, pero para textos en latinoso no inglés, es recomendable establecerlo manualmente.
¿Qué voz suena más natural en español?
La naturalidad depende de tu preferencia auditiva entre las 8 opciones. Aria, Luna o Nova pueden sonar cálidas, mientras que Atlas o Milo son neutrales. Todas las voces están basadas en grabaciones con licencia y generan audio sintético con marca de agua inaudible. Puedes probar cada una con tu texto específico.
¿Son las voces reales o sintéticas?
Son voces sintéticas generadas por la API. Cada archivo de audio generado lleva una marca de agua inaudible que lo identifica como habla sintética. Las voces están basadas en grabaciones con licencia de LibriTTS-R y lecturas de dominio público de LibriVox, pero la salida es generada por el modelo.
¿Puedo clonar mi propia voz para el comedor?
No. No ofrecemos clonación de voz personalizada ni la opción de subir tu propia voz. Solo puedes elegir entre las 8 voces preestablecidas disponibles en la API. Si necesitas una voz específica que no esté en la lista, deberás seleccionar la más cercana a tu tono deseado entre las opciones actuales.
¿Las voces envejecen o cambian con el tiempo?
Las voces son consistentes porque están basadas en grabaciones fijas con licencia. No hay mención de cambios automáticos en el tono o la calidad con el tiempo. Cada solicitud genera audio nuevo basado en el mismo motor y preset de voz seleccionado, manteniendo la coherencia en tus comunicados internos.
¿Qué voz es mejor para niños en menús infantiles?
Luna (suave, narrativa) o Nova (brillante, enérgica) son recomendables para menús infantiles. Aunque cualquier voz puede leer cualquier idioma, estas destacan por su claridad y tono amigable. Prueba con textos cortos para verificar cuál se adapta mejor al tono de tu comedor. Recuerda que todas las voces pueden hablar todos los idiomas disponibles sin restricciones adicionales.
¿Es mejor una voz masculina o femenina?
Depende de tu audiencia y contexto. Tenemos 4 voces femeninas (Aria, Nova, Luna, Sage) y 4 masculinas (Felix, Milo, Atlas, Orion). No hay una superioridad inherente. Puedes alternarlas según el tipo de mensaje. Prueba con tus textos reales para ver cuál resuena mejor con tu equipo o clientes.
¿Puedo cambiar de voz si no me gusta?
Sí. Puedes cambiar la voz en cualquier solicitud de la API. Solo necesitas modificar el campo 'voice' en tu cuerpo JSON. No hay contratos de permanencia ni costos adicionales por cambiar de preset. Puedes probar las 8 opciones libremente y ajustarlas según el feedback de tu equipo o clientes.
¿Las voces tienen acentos regionales?
Las voces no tienen acentos regionales fijos; son neutras o estándar. Puedes especificar el idioma (ej. 'es' para español), pero no se garantiza una variante regional específica como mexicano o español de España. El sistema usa la voz base con la pronunciación estándar del idioma indicado en la solicitud.
¿Son las voces adecuadas para personas mayores?
Sí, especialmente Atlas (neutral) o Sage (calma e instructiva). Su claridad y tono directo facilitan la comprensión. Evita voces muy rápidas o con mucha energía si la audiencia prefiere calma. Ajusta la velocidad entre 0.25 y 4.0 para optimizar la legibilidad para personas mayores que puedan tener dificultades auditivas.
¿Cuántas voces puedo usar en una misma cuenta?
Puedes usar las 8 voces preestablecidas en una misma cuenta. No hay límite en el número de voces que puedes llamar mediante la API. Solo necesitas tu clave de API y especificar la voz deseada en cada solicitud. Puedes mezclar voces en diferentes archivos de audio generados desde tu cuenta.
¿Las voces son consistentes en calidad?
Sí, la calidad es consistente porque usa el mismo motor de síntesis. Las voces están basadas en grabaciones fijas con licencia. La variación viene de la velocidad o el formato de salida, no de la voz en sí. Cada generación es independiente, manteniendo el estándar de audio definido por el preset.
Voces femeninas disponibles
Las voces femeninas de nuestra API ofrecen claridad y calidez ideales para la comunicación en grandes equipos de restauración. Cada voz tiene un carácter definido que se adapta a diferentes contextos operativos, desde la lectura de menús hasta la transmisión de avisos internos.
Aria: narradora clara y cálida
Aria destaca por su tono de narradora clara y cálida. Es ideal para leer menús clásicos o elegantes en comedores colectivos, asegurando que cada ingrediente y descripción se entienda con precisión. Su voz transmite confianza sin resultar invasiva, lo que la hace perfecta para ambientes donde la claridad es prioritaria.
- Voz femenina con tono cálido
- Ideal para menús clásicos y elegantes
- Claridad en la lectura de texto
Nova: tono brillante y animado
Nova aporta un tono brillante y animado, perfecto para promociones o menús juveniles. Su energía positiva puede mejorar la experiencia del cliente en tiempos de mayor afluencia, manteniendo un ritmo ágil que capta la atención sin perder inteligibilidad. Es una opción dinámica para comunicados rápidos.
- Voz femenina con tono animado
- Adecuada para promociones y menús juveniles
- Energía positiva y ritmo ágil
Luna: suave para historias y menús
Luna ofrece un tono suave, ideal para historias o menús temáticos, especialmente los infantiles. Su suavidad transmite cercanía y tranquilidad, facilitando la comprensión en entornos donde se busca un ambiente más acogedor. Es la elección correcta para narrativas más detalladas o contextos especiales.
- Voz femenina con tono suave
- Ideal para menús infantiles o temáticos
- Cercanía y tranquilidad en la transmisión
Voces masculinas disponibles
ComedorDigital ofrece tres voces masculinas diseñadas para cubrir las necesidades comunicativas de grandes equipos en restauración. Cada una combina un timbre específico con un registro tonal adecuado para diferentes contextos operativos, desde la promoción activa hasta la transmisión clara de instrucciones diarias.
Felix: enérgico para promociones
Felix presenta un tono enérgico ideal para anunciar platos del día o promociones especiales en comedores colectivos. Su ritmo dinámico capta la atención del personal y los comensales en entornos con ruido de fondo moderado.
- Registro activo y vibrante
- Ideal para avisos de oferta
- Claridad en entornos ruidosos
Milo: conversacional y amable
Milo ofrece una voz cercana, perfecta para instrucciones paso a paso o recordatorios internos. Su tono amable facilita la comprensión de protocolos de seguridad o cambios en el menú sin generar fatiga auditiva en el equipo.
- Tono natural y directo
- Recomendado para instrucciones internas
- Reduce la carga cognitiva
Atlas: neutral para noticias y avisos
Atlas proporciona una voz neutral y profesional, adecuada para comunicados oficiales, noticias del día o avisos generales. Su consistencia tonal asegura que la información se transmita sin interferencias emocionales, manteniendo la objetividad necesaria en la comunicación corporativa.
- Neutralidad sonora
- Avisos generales y noticias
- Comunicación objetiva
Voces para contexto instruccional
En entornos de cocina activa, la claridad y la calma son críticas para evitar errores en la preparación. Las voces instruccionales permiten que las instrucciones se integren en el flujo de trabajo sin generar estrés auditivo, garantizando que cada paso se entienda correctamente incluso con el ruido de fondo de los equipos.
La elección entre Sage y las voces masculinas depende del tipo de instrucción y del nivel de atención requerido por el equipo. Mientras una voz puede guiar con suavidad, otra puede imponer autoridad en avisos formales o documentales internos, asegurando que la información clave no se pierda en el caos diario.
Sage: calma para instrucciones de cocina
Sage ofrece un tono calmado e instructivo, ideal para guiar a los cocineros a través de recetas complejas o secuencias de montaje. Su voz suave reduce la carga cognitiva, permitiendo que el personal se concentre en la técnica sin distracciones agresivas.
- Tono calmado y educativo.
- Ideal para recetas paso a paso.
- Reduce la ansiedad en servicio intenso.
Orion: profundo para documentales o avisos formales
Orion aporta una voz profunda y seria, perfecta para comunicados oficiales o avisos de seguridad que requieren seriedad. Su tono documental transmite autoridad y claridad, asegurando que los mensajes críticos sean percibidos como importantes y no como ruido de fondo.
Es la opción recomendada cuando se necesita transmitir información formal a todo el equipo simultáneamente, garantando que el mensaje tenga peso y claridad inmediata.
- Tono profundo y serio.
- Avisos de seguridad y oficiales.
- Autoridad en comunicados internos.
Comparativa de tono entre voces masculinas
La diferencia entre las voces masculinas radica en la energía y el contexto de uso. Felix es enérgico y promotor, útil para lanzar platos nuevos o alertas rápidas. Milo es conversacional y amable, ideal para recordatorios suaves o instrucciones de servicio.
Atlas, por su parte, mantiene una neutralidad absoluta, siendo el estándar para noticias internas o lecturas de menús. Mientras Felix y Milo apelan a la emoción y la cercanía, Atlas y Orion priorizan la transmisión clara de información sin sesgo emocional.
- Felix: energía para promociones.
- Milo: cercanía conversacional.
- Atlas: neutralidad informativa.
Uso de voces para menús
La selección de la voz para los menús influye directamente en la percepción del servicio. Cada voz transmite un tono distinto, adaptándose al estilo del local y al tipo de plato que se presenta.
Aria para menús clásicos o elegantes
Aria ofrece una narración clara y cálida, ideal para restaurantes que buscan un tono sofisticado. Su voz destaca en menús con descripciones detalladas de platos de alta cocina.
Luna para menús infantiles o temáticos
Luna aporta un tono suave y narrativo, perfecto para menús infantiles o temáticos. Su estilo facilita la lectura de ingredientes y descripciones divertidas, manteniendo la atención del cliente.
Nova para menús juveniles o rápidos
Nova es brillante y animada, adecuada para menús juveniles o de servicio rápido. Su energía positiva refuerza la experiencia en locales dinámicos, destacando platos con ingredientes frescos y modernos.
Uso de voces para avisos de seguridad
Los avisos de seguridad requieren claridad inmediata para evitar accidentes en cocinas concurridas o comedores con alto tráfico. La elección de la voz influye directamente en cómo se percibe la urgencia y la instrucción, especialmente en entornos ruidosos donde la distinción es crítica.
Atlas para neutralidad en emergencias
Atlas ofrece un tono neutral y directo, ideal para comunicados oficiales sobre incidentes. Su claridad asegura que la información no se distorsione por emociones exageradas, manteniendo la objetividad necesaria en situaciones críticas.
Milo para instrucciones paso a paso
Milo combina un tono conversacional y amable, facilitando la comprensión de secuencias lógicas. Es adecuado para guiar al personal sobre protocolos de limpieza o evacuación, reduciendo la carga cognitiva durante la ejecución de tareas.
Felix para alertas de alta energía
Felix transmite energía y dinamismo, perfecto para alertas rápidas que requieren atención inmediata. Su voz enérgica destaca en entornos con ruido de fondo, asegurando que el aviso rompa la distracción habitual del equipo.
Idiomas y adaptación de voz
Nuestra API soporta 23 idiomas, permitiendo que cualquier voz pueda leer textos en cualquiera de ellos sin restricciones. Esto facilita la comunicación en comedores multiculturales o con personal internacional, asegurando que los avisos y menús se entiendan claramente sin importar el origen del equipo.
Cualquier voz puede hablar cualquier idioma
Las ocho voces están diseñadas para adaptarse a múltiples lenguas. Esto elimina la necesidad de gestionar perfiles de voz distintos para cada idioma, simplificando la infraestructura de audio para grandes equipos.
- Soporte para 23 idiomas específicos
- Mismas voces para todos los idiomas
- Ideal para personal diverso
Ajuste de idioma manual recomendado
Aunque el sistema puede inferir el idioma desde el guion, se recomienda establecer el campo language explícitamente. El texto latino por defecto se interpreta como inglés; sin esta indicación, los textos en otros idiomas latinos podrían perder precisión fonética.
- Configurar
languageen la solicitud - Evitar suposiciones del sistema
- Mayor precisión fonética
Coherencia fonética entre idiomas
La coherencia se mantiene al usar las mismas configuraciones de voz base. Esto asegura un tono uniforme en los comunicados internos, independientemente del idioma utilizado, manteniendo la identidad acústica del restaurante o comedor colectivo.
- Tono uniforme multilingüe
- Identidad acústica constante
Velocidad y claridad
La velocidad de síntesis es un parámetro clave para la claridad en entornos ruidosos. Ajustar la velocidad entre 0.25 y 4.0 permite adaptar la entrega de información al contexto auditivo del comedor o la cocina, garantizando que cada palabra sea entendida sin esfuerzo.
La velocidad estándar 1.0 ofrece un ritmo natural, ideal para menús o comunicados generales. Sin embargo, en situaciones donde el ruido de fondo es alto o el tiempo es limitado, modificar esta tasa asegura que la información crítica se reciba a tiempo.
Velocidad 1,0 para lectura natural
Esta configuración reproduce un ritmo similar al habla humana promedio. Es la opción recomendada para la lectura de menús diarios, descripciones de platos o comunicados internos que no requieren urgencia inmediata.
El tono se mantiene equilibrado, permitiendo que los comensales o el personal absorban la información sin sentir prisa. Es el punto de partida ideal para la mayoría de las aplicaciones de audio en el local.
Velocidad 2,0 para avisos rápidos
Duplicar la velocidad es útil para anuncios breves o alertas temporales. En momentos de alta ocupación, cuando el ruido ambiental dificulta la comprensión, esta velocidad compacta el mensaje sin perder inteligibilidad en frases cortas.
Se recomienda para avisos de apertura de turnos, recordatorios de limpieza o cambios de menú de último minuto. El audio generado es más corto, lo que reduce la exposición al ruido de fondo.
Ten en cuenta que velocidades superiores a 2.0 pueden dificultar la comprensión para personas mayores o en zonas con mala acústica.
Velocidad 0,5 para instrucciones complejas
Reducir la velocidad a la mitad es esencial para instrucciones paso a paso o recetas técnicas. Permite al personal de cocina procesar cada ingrediente o acción sin confusión, especialmente en turnos nuevos.
Esta configuración es ideal para la voz Sage, cuya calma instruccional se beneficia de un ritmo pausado. Ayuda a reducir errores en la preparación o en la gestión de alérgenos.
El audio resultante es más largo, por lo que se recomienda usarlo solo cuando la precisión es más importante que la rapidez.

Formatos y calidad de audio
El formato de audio determina cómo se reproduce el texto en los altavoces del comedor. MP3 es el estándar para la mayoría de las instalaciones, equilibrando calidad y compatibilidad con reproductores básicos.
Para sistemas de alta fidelidad, WAV ofrece sin compresión, ideal si la infraestructura lo permite. OPUS reduce el consumo de ancho de banda en transmisiones simultáneas (no streaming).
MP3 para altavoces estándar
El formato MP3 es la opción más versátil para la mayoría de los restaurantes. Proporciona una claridad suficiente para menús y avisos, sin requerir hardware especializado.
Es compatible con la mayoría de los reproductores de audio comerciales y sistemas de megafonía básicos. Su tamaño de archivo pequeño facilita la gestión y el almacenamiento local.
- Compatibilidad universal con reproductores de audio.
- Tamaño de archivo optimizado para redes estándar.
- Calidad suficiente para lectura en ambiente ruidoso.
WAV para sistemas de alta fidelidad
WAV ofrece audio sin compresión, preservando todos los detalles de la voz. Es ideal para comedores con sistemas de audio profesional o de alta gama.
Aunque ocupa más espacio, garantiza la máxima fidelidad sonora. Esto es útil si la experiencia auditiva es un diferenciador clave para la marca del restaurante.
- Máxima calidad de audio sin pérdida.
- Ideal para equipos de sonido profesional.
- Requiere más almacenamiento y ancho de banda.
OPUS para ahorro de ancho de banda
El formato OPUS es eficiente para la transmisión en redes con limitaciones. Reduce el consumo de datos sin sacrificar demasiado la inteligibilidad del habla.
Es una excelente opción para comedores con múltiples transmisiones simultáneas o conexiones de internet menos robustas. Minimiza la carga en la red de la instalación.
- Alta eficiencia en compresión de audio.
- Reducción significativa del uso de ancho de banda.
- Ideal para entornos con conectividad limitada.
Licencia y origen de las voces
Las voces de nuestra API no son síntesis pura ni imitaciones de celebridades. Cada preset se basa en grabaciones licenciadas de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox.
Cada archivo generado lleva una marca de agua inaudible que lo identifica como habla sintética.
Voces basadas en grabaciones licenciadas
Nuestra tecnología utiliza muestras de voz reales que han sido debidamente licenciadas. Esto elimina la sensación robótica común en otras soluciones y ofrece una experiencia auditiva más cercana al ser humano.
Fuente LibriTTS-R con licencia CC BY 4.0
El modelo de voz se alimenta de LibriTTS-R, un conjunto de datos de alta calidad bajo licencia CC BY 4.0. Esto asegura transparencia en el origen de los datos y cumple con estándares abiertos de distribución.
Lecturas de audiolibros de dominio público
Las voces provienen de lecturas de audiolibros de dominio público, realizadas por narradores voluntarios y profesionales. Esta base de datos histórica garantiza una dicción precisa y un tono estable, ideal para la comunicación constante en grandes comedores.
Marca de agua en el audio
Todo archivo de audio generado por nuestra API incluye una marca de agua inaudible que identifica el origen de la síntesis. Este sello digital es permanente y no altera la calidad perceptible del audio ni la claridad de la voz para los oyentes en el comedor.
La presencia de esta marca permite distinguir el contenido generado por la API de ComedorDigital. Es una capa adicional de transparencia que asegura que el uso de tecnología de voz sintética sea claro para el equipo y, si se publica, para los comensales.
Marca inaudible en cada archivo generado
Cada solicitud de síntesis, independientemente del formato (MP3, WAV, OPUS) o la velocidad seleccionada, contiene esta marca de agua única. No requiere configuración adicional ni impacto en el ancho de banda.
Identificación de voz sintética
La marca no es visible ni audible en la reproducción normal, pero existe en los metadatos del archivo. Esto permite a los sistemas de gestión de contenido o a los equipos de auditoría verificar que el audio proviene de nuestra API y no de una grabación humana.
Transparencia en el uso de IA
En entornos de gran afluencia, es recomendable informar a los clientes cuando se utilizan avisos generados por IA, aunque la calidad sea alta. La marca de agua facilita esta verificación técnica.
- Sin impacto en la experiencia auditiva del cliente.
- Verificable técnicamente sin equipos especiales.
- Consistente en todas las voces y modelos.
Elección según el entorno
El entorno acústico de un comedor colectivo condiciona la inteligibilidad del mensaje. El ruido de fondo y la reverberación requieren una selección precisa de voz y formato para evitar que el audio se pierda o resulte confuso para el personal.
Ruido de fondo en comedores
En espacios con alta actividad y eco, las voces con mayor proyección natural, como Felix o Atlas, suelen percibirse con más claridad que las más suaves. La elección debe priorizar la dicción definida sobre la calidez emocional para garantizar que la instrucción llegue sin ambigüedades.
Distancia de los altavoces
La ubicación de los altavoces determina la densidad sonora necesaria. Para zonas lejanas, se recomienda evitar formatos que compriman demasiado el audio, como OPUS, y optar por MP3 o WAV para mantener la integridad de los formantes vocales que son cruciales para la comprensión a distancia.
Tiempo de permanencia del cliente
Si el tiempo de exposición es breve, como en una ventanilla de recogida, la voz debe ser directa y rápida. Para zonas de estancia prolongada, como áreas de espera, una velocidad más moderada y un tono más relajado, como el de Luna o Sage, mejoran la experiencia sin resultar intrusivos.
Prueba y selección final
La selección definitiva de la voz ideal para tu comedor no depende de suposiciones, sino de la prueba directa con el material que se reproducirá diariamente. Genera archivos de audio utilizando textos reales: el menú del día, una instrucción de seguridad o un aviso de cierre. Esto permite evaluar cómo la voz maneja nombres propios, precios y terminología específica de tu restaurante en el entorno real de reproducción.
Es fundamental validar la claridad y el tono con el equipo de trabajo antes de implementar la solución a gran escala. Una voz que suena perfecta en un entorno silencioso puede perder inteligibilidad con el ruido de fondo de una cocina o un comedor lleno. La decisión final debe basarse en la comprensión auditiva y la adecuación al tono institucional que desees proyectar.
Generación de muestras con texto real
Utiliza la API para sintetizar los textos exactos que se emitirán en la rutina diaria. Esto incluye nombres de platos, números y advertencias específicas. La generación real revela cómo la voz interpreta estos elementos, asegurando que la pronunciación sea clara y natural para tus clientes y personal.
Prueba diferentes velocidades y formatos. Una velocidad de 1.0 suele ser ideal para la lectura natural, pero para avisos rápidos, una velocidad de 2.0 puede ser más eficiente. Genera muestras en MP3 y WAV para comparar la calidad en tus sistemas de altavoces.
- Usa textos reales del menú y avisos.
- Prueba diferentes velocidades de reproducción.
- Genera en MP3 y WAV para comparar.
Evaluación con el equipo de trabajo
Reproduce las muestras en el entorno real del comedor. Escucha cómo suena la voz con el ruido de fondo habitual, la distancia de los altavoces y el tiempo de permanencia de los clientes. El equipo debe confirmar si la voz es clara y no resulta fatigosa tras varias repeticiones.
Pide al personal que identifique cualquier ambigüedad en la pronunciación. Si una voz suena demasiado formal o demasiado informal para el contexto, considera cambiar a otra de las ocho disponibles. La claridad es más importante que el tono estético.
- Evalúa en el entorno real con ruido de fondo.
- Verifica la claridad con el personal.
- Descarta voces que resulten fatigosas.
Decisión basada en claridad y tono
La elección final debe priorizar la comprensión sobre la personalidad. Si tu objetivo es la eficiencia en las instrucciones de cocina, una voz como Sage o Atlas puede ser más adecuada. Para un menú atractivo, Aria o Luna pueden ser mejores opciones.
Una vez seleccionada, registra la voz elegida y la configuración de velocidad y formato. Esto asegura consistencia en todas las publicaciones futuras. La transparencia en el uso de IA se mantiene mediante la marca de agua inaudible en cada archivo generado.
- Prioriza la comprensión sobre la personalidad.
- Registra la configuración final elegida.
- Mantén la transparencia con la marca de agua.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. La gestión eficiente del personal y los proveedores optimiza la experiencia del cliente en nuestro sistema de restauración colectiva.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
Fuentes y lecturas adicionales
- Wikipedia
- TRON developer hub: TRC-20
- W3C WAI: making audio and video accessible
- openai-python on GitHub
- Tether (USDT)
- curl documentation
- LibriTTS-R paper (arXiv 2305.18802)
- Creative Commons Attribution 4.0
- ISO 639 language codes
- OpenAI API reference: create speech
- LibriTTS-R corpus (OpenSLR 141)
- FFmpeg documentation
