Deepgram Text to Speech
Deepgram Text to Speech lee en voz alta el texto que le das con una voz Aura-2 de Deepgram y te devuelve un archivo de audio: MP3 por defecto, WAV u OGG si lo eliges. La voz decide el idioma: hay voces en español y voces en inglés. Si el texto es largo, lo divide por el final de las frases, lee cada parte y las une en un solo archivo.
Necesitas una credencial Deepgram API con la clave de tu cuenta de Deepgram. Consulta Credenciales. El texto se envía a Deepgram para generar el audio.
No es el nodo de voz para llamadas: para hablar con quien llama en una llamada en directo, el Agente de Voz usa el nodo Deepgram TTS. Este componente devuelve un archivo terminado.
Cuándo usarlo
- Enviar a tus clientes una nota de voz con la confirmación de una cita o un pedido.
- Convertir en audio la respuesta de un agente para un canal de mensajería.
- Permitir que un agente responda con audio, usando el componente como herramienta.
- Generar de una vez el audio de una lista de textos con Batch Mode.
Configuración
| Campo | Qué hace |
|---|---|
| API Key (obligatorio) | Tu clave de Deepgram. La clave se rellena sola al elegir tu credencial de Deepgram. |
| Text to Speech (obligatorio) | El texto que se va a leer. Puedes escribirlo o conectarlo desde otro componente. |
| Voice | La voz Aura-2. Por defecto, aura-2-celeste-es. La voz marca el idioma: las que terminan en -es leen en español (hay 17) y las que terminan en -en, en inglés. También puedes escribir el nombre de otra voz de la lista de Deepgram. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Speed | La velocidad de lectura, de 0,7 a 1,5. Por defecto, 1, el ritmo natural de la voz. Las voces en español suenan mejor a partir de 0,9. |
| Audio format | El formato del archivo: mp3 (por defecto), wav u ogg. MP3 ocupa poco y se reproduce en cualquier sitio (WhatsApp, correo, navegador); WAV va sin comprimir; OGG va bien para notas de voz. |
Resultado
La salida Data entrega un archivo de audio con el texto leído, en el formato elegido. Su nombre son las primeras palabras del texto, sin tildes ni signos (por ejemplo, Hola_buenos_dias_Su.mp3).
Conéctala a un componente que guarde o envíe archivos. Un agente también puede usar el componente como herramienta para crear audio cuando lo necesite; consulta qué son las herramientas en Conceptos clave.
Ejemplo
Una tienda online avisa por WhatsApp cuando un pedido sale del almacén. El flujo redacta el aviso en el idioma del cliente y elige la voz según ese idioma: aura-2-celeste-es para los clientes en español y aura-2-thalia-en para los que hablan inglés. El audio se envía junto al número de seguimiento.
Componentes relacionados
- Voz a texto y texto a voz: todos los componentes para transcribir audio y para generarlo.
- Deepgram Speech to Text: lo contrario, convierte un audio en texto con la misma credencial.
- Supertonic TTS: voces que funcionan sin credencial ni internet.
Consejos
- Comprueba que la voz y el texto están en el mismo idioma: una voz
-esleyendo un texto en inglés suena mal. - Medido en nuestro entorno de pruebas el 3 de noviembre de 2026: el MP3 de la frase «Hola, buenos días. Su cita está confirmada para el martes a las diez y media.» se generó en 1,1 s.