Una locución plana y monótona puede restar impacto a un video o una presentación de audio bien elaborada. Aunque las voces neuronales estándar suenan fluidas, una narración realmente profesional requiere matices expresivos, como anuncios entusiastas, relatos reflexivos o susurros dramáticos, acompañados de silencios bien medidos entre cada frase.

TTS Engine incluye compatibilidad nativa con estilos neuronales expresivos y SSML (Speech Synthesis Markup Language). Puedes seleccionar tonos emocionales directamente desde la interfaz gráfica o escribir etiquetas dentro de tu texto para combinar múltiples emociones en un mismo párrafo.

A continuación, te mostramos cómo habilitar y utilizar los estilos de voz avanzados en TTS Engine.

Nota: Los estilos emocionales avanzados y el ajuste milimétrico de pausas requieren la conexión con la API de Azure Speech. Asegúrate de haber ingresado tu clave gratuita en el menú ⚙️ API (tal como explicamos en nuestra guía de configuración de Azure) para desbloquear estos controles.

Paso 1: Seleccionar una voz marcada con estrella (⭐)

No todas las voces neuronales admiten modulación emocional. En TTS Engine, aquellas que cuentan con estilos avanzados están identificadas con claridad:

  1. En la tarjeta CONFIGURACIÓN DE VOZ, haz clic en el botón de la voz para abrir el Catálogo de Voces.
  2. Busca las voces identificadas con una estrella dorada (⭐) junto a su nombre:
    • Español: Jorge ⭐ (cheerful, sad, whispering).
    • Inglés: Jenny ⭐ (cheerful, sad, whispering, newscast, friendly, chat, assistant), Guy ⭐ (newscast, cheerful, sad), Aria ⭐ (cheerful, empathetic, newscast, sad), Sonia ⭐, Ryan ⭐.
    • Francés, Alemán, Italiano, Portugués: Denise ⭐, Henri ⭐, Katja ⭐, Conrad ⭐, Elsa ⭐, Francisca ⭐.
  3. Haz clic en Seleccionar en la voz con estrella que prefieras y presiona Aceptar.

Paso 2: Elegir un tono emocional en el menú desplegable

Al elegir una voz compatible, aparecerá automáticamente el menú desplegable Emoción en la fila de configuración de voz:

  1. Haz clic en el menú Emoción: (establecido por defecto en Por defecto).
  2. Selecciona el estilo interpretativo que mejor encaje con tu contenido:
    • Cheerful (Alegre): Ideal para introducciones dinámicas, tutoriales entusiastas y anuncios positivos.
    • Whispering (Susurro): Adecuado para relatos de suspenso, audiolibros nocturnos o momentos íntimos.
    • Sad (Triste): Pensado para reflexiones, narrativas emotivas y momentos solemnes.
    • Newscast / Friendly / Assistant: Excelente para noticias formales, asistentes interactivos y presentaciones corporativas.
  3. El estilo elegido se aplicará a todo el texto durante la síntesis.

Paso 3: Calibrar las pausas entre líneas

En el habla humana natural, las personas hacen pausas breves entre ideas y párrafos. Sin estas pausas, las oraciones separadas por saltos de línea pueden sonar apresuradas.

  1. Ubica la barra deslizante Pausa líneas: X ms situada debajo de los controles de voz.
  2. Desplaza el control para definir la duración del silencio cada vez que pulses Enter en tu guion:
    • 300 ms (Por defecto): Una respiración sutil y natural entre oraciones.
    • 600 ms – 1000 ms: Una pausa conversacional clara entre párrafos distintos.
    • 1500 ms – 3000 ms: Un silencio prolongado para dar énfasis o cambiar de tema.

(TTS Engine traduce automáticamente tus saltos de línea en etiquetas prosódicas <break time="..."/> en segundo plano).

Paso 4: Uso avanzado con etiquetas SSML en el texto

Si necesitas que un mismo texto cambie de tono en mitad de una frase (por ejemplo, comenzar con entusiasmo, hacer una pausa exacta de silencio y terminar con un susurro), puedes escribir etiquetas SSML directamente en la caja de texto.

TTS Engine detecta automáticamente los símbolos < y > y procesa el código SSML de forma directa.

Ejemplo: Combinar varias emociones y silencios

Pega el siguiente ejemplo en el editor utilizando la voz es-MX-JorgeNeural:

<mstts:express-as style="cheerful">
  ¡Hola a todos! Hoy tenemos una gran noticia que compartir.
</mstts:express-as>

<break time="800ms"/>

<mstts:express-as style="whispering">
  Pero manténganlo en secreto por ahora, porque aún es confidencial.
</mstts:express-as>

Etiquetas SSML comunes que puedes utilizar:

Paso 5: Escuchar y exportar a MP3

  1. Haz clic en Escuchar para comprobar cómo interactúan los cambios de emoción y los silencios.
  2. Si requieres afinar el resultado, modifica los estilos o ajusta los milisegundos de las pausas.
  3. Cuando la locución suene natural y convincente, haz clic en Guardar MP3 para exportar el archivo terminado a tu computadora.

El uso combinado de estilos expresivos y etiquetas SSML eleva notablemente la calidad de tus producciones de audio frente a los sintetizadores de voz convencionales.

<< Back