De texto a audio (podcast)

Escriba no solo convierte documentos en texto para un LLM: también puede convertir el resultado de nuevo en sonido. Desde cualquier conversión, abra la opción Audio / Podcast para generar un MP3 y escuchar su documento.

Dos modos

• Narración — una sola voz lee el documento de principio a fin.
• Podcast — una IA escribe un breve diálogo de dos presentadores sobre el documento (presentador + experto), y Escriba lo locuta con dos voces que se alternan y lo une todo. El modo podcast necesita un proveedor de IA configurado (es quien escribe el guion); la narración no.

Dos motores

• Local (Piper) — la opción por defecto. Las voces se ejecutan en su servidor, totalmente sin conexión: el texto nunca sale de su máquina. Escriba incluye 14 voces en español, inglés, portugués, francés, italiano, alemán y chino.
• Nube (OpenAI) — opcional, de mayor calidad. Usa su clave de API de OpenAI; el texto se envía a OpenAI únicamente cuando elige una voz en la nube. Ideal para idiomas sin una voz local (por ejemplo, japonés).

Consejo

Elija la voz que coincida con el idioma de su documento para obtener el mejor resultado. Mezclar un documento en español con una voz en inglés sonará raro.

Controles

Como en una mesa de estudio, usted elige:

• Voz — idioma + locutor (local o en la nube).
• Tono — bajo / medio / alto.
• Velocidad — lenta / normal / rápida.
• Volumen — bajo / medio / alto.

Un reproductor integrado le permite escuchar una vista previa del audio antes de descargar el MP3.

Límpielo primero

Use el editor de Markdown integrado para ordenar el texto antes de locutarlo: lo que escucha es exactamente lo que está en el resultado.

Quién puede usarlo y límites

La generación de audio está disponible para los niveles ANGEL y DIOS (igual que audio/vídeo y OCR). Como Piper sintetiza en la CPU, hay un límite de caracteres por solicitud para proteger el servidor — configurable por rol:

Ajuste	Valor por defecto	Significado
GOD_TTS_CHARS	0	DIOS: sin límite
ANGEL_TTS_CHARS	100000	ANGEL: máximo de caracteres por MP3
HUMAN_TTS_CHARS	20000	HUMANO (solo si HUMAN_TTS=true)
TTS_TIMEOUT	600	Máximo de segundos por síntesis
TTS_OPENAI_MODEL	tts-1	Modelo en la nube (tts-1 o tts-1-hd)

Consulte Configuración para ver la lista completa. Un documento muy largo con una voz local puede tardar un rato en sintetizarse: es la CPU, no un error.