Qwen3-TTS: locución de textos con tu propia voz clonada
Qwen3-TTS es el motor de voz de Alibaba, y es el que locuta el texto aquí por defecto. Por dos razones: es unas cuatro veces más barato que su vecino Gemini TTS para la misma cantidad de texto, y clona tu voz con una grabación de diez segundos — a partir de ahí todas las locuciones siguientes las lee esa voz.
Abajo está el modelo en sí. Pega el texto que quieras locutar: la respuesta llega a esta misma página y el primer intento no pide registro.
Qué estás probando
Esto no es un modo demo: la petición va al mismo motor que usa el chat principal. La única diferencia es que aquí la conversación termina tras la primera respuesta — puedes continuar en el chat y el audio se va contigo.
Tu propia voz: diez segundos de grabación y es tuya para siempre
Clonar es la operación más barata de este capítulo y se hace una sola vez. Después la voz clonada está disponible en todas las locuciones futuras, y eso cambia el carácter del trabajo: la voz deja de ser un ajuste de un encargo y pasa a ser un activo.
| Qué necesita la grabación | Requisito |
|---|---|
| Duración | Desde 3 segundos, recomendable 10–20, máximo 60 |
| Calidad | Habla limpia sin música ni ruido, desde 24 kHz |
| Formato | WAV, MP3 o M4A, hasta 10 MB |
¿Tienes grabación? Clónala. ¿No la tienes? Descríbela
Si tienes aunque sean diez segundos de habla limpia de la persona adecuada — con su consentimiento — clonar es casi siempre lo correcto: la voz suena como la grabación y cuesta lo mínimo.
Sin grabación, la voz se puede crear a partir de una descripción — «barítono masculino cálido, pausado». Eso lo hace Gemini TTS: la voz se guarda y suena igual en todas las locuciones siguientes, y crearla cuesta unas dos a cuatro veces más que clonar, una sola vez.
Texto largo: hasta diez minutos en una petición
El proveedor sintetiza en fragmentos cortos, pero no hay que partir nada a mano: el motor lo corta y lo vuelve a unir en un solo archivo. El techo son 10 000 caracteres, unos diez minutos de habla — un artículo entero o un guion de vídeo.
Se cobra por caracteres, y esa es una propiedad agradable: el precio se ve antes de lanzar, directamente por la longitud de tu texto. Gemini TTS cobra por segundos de audio terminado, o sea que allí te enteras después.
En español no funcionan las indicaciones de tipo «lee más despacio»
El motor tiene un modo en el que la manera de leer se controla con palabras. Pero solo funciona en inglés y en chino: en español una indicación así se ignora.
En la práctica esto significa que en Qwen el estilo es una elección de voz, no una instrucción. Si quieres otro tono, coge otra voz en vez de pedir que lo lea distinto. Y si dirigir la interpretación en español es realmente imprescindible, ese es el único caso que justifica pasarse a Gemini TTS y pagar unas cuatro veces más.
Qwen o Gemini: la bifurcación corta
| Trabajo | Qué motor |
|---|---|
| Locución normal en español | Qwen |
| Texto largo y ahorro | Qwen |
| Tu propia voz clonada | Qwen |
| Diálogo de dos interlocutores en un archivo | Gemini TTS |
| Dirigir la interpretación con palabras en español | Gemini TTS |
| Un idioma fuera de los diez | Gemini TTS |
Lo que Qwen3-TTS no hará
- No locutará un diálogo a dos voces en un solo archivo. Eso solo lo hace Gemini TTS.
- No aceptará indicaciones de interpretación en español. Solo en inglés y en chino.
- No hablará un idioma raro. La lista son diez idiomas; todo lo demás va a Gemini.
- No hará una voz a partir de una grabación sucia. La música y el ruido de fondo estropean el clon, y arreglarlo pasa por grabar de nuevo.
Preguntas frecuentes
¿Qué es Qwen3-TTS?
¿Cómo clono mi voz para la locución?
¿Cuánto cuesta clonar una voz?
¿Qué longitud de texto puedo locutar de una vez?
¿Puedo pedir que lea más despacio o con otra entonación?
¿En qué idiomas habla Qwen3-TTS?
¿Puedo saber de antemano cuánto costará la locución?
Ejemplos y precios en la página de locución de textos. Qué conectamos y cuándo, en la entrada sobre su llegada. Otros modelos, en el índice del libro; la locución en general, en el libro de voz.
Pruébalo tú mismo
Todo lo de esta guía funciona en Twelver
Un chat para texto, imágenes, vídeo, música y voz — sin servicios ni suscripciones aparte.
Abrir el chat de Twelver