Saltearse al contenido

Inworld Text to Speech

Inworld Text to Speech lee en voz alta el texto que le das con una voz de Inworld y te devuelve un archivo de audio: MP3 por defecto, WAV u OGG si lo eliges. 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 Inworld API con la clave de tu cuenta de Inworld. Consulta Credenciales. El texto se envía a Inworld 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 Inworld 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

CampoQué hace
API Key (obligatorio)Tu clave de Inworld. La clave se rellena sola al elegir tu credencial de Inworld.
Text to Speech (obligatorio)El texto que se va a leer. Puedes escribirlo o conectarlo desde otro componente.
VoiceEl nombre de la voz de Inworld, tal como aparece en la consola de Inworld. Por defecto, Ashley. Puedes escribir el de una voz propia que hayas creado allí.
ModelEl modelo de voz. Por defecto, inworld-tts-2-flash, el más rápido. inworld-tts-2 es el más expresivo. También están inworld-tts-1.5-max e inworld-tts-1.5-mini, este último pensado para inglés.

Opciones avanzadas

CampoQué hace
SpeedLa velocidad de lectura, de 0,5 a 1,5. Por defecto, 1, el ritmo natural de la voz. Inworld recomienda no bajar de 0,8.
Audio formatEl 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 clínica dental confirma las citas por WhatsApp. Al reservar, el flujo redacta “Hola, buenos días. Su cita está confirmada para el martes a las diez y media.” y lo conecta a Text to Speech. Con Audio format en ogg, el audio que sale se envía al paciente como nota de voz.

Componentes relacionados

Consejos

  • Escribe el texto como se diría en voz alta: frases cortas y sin abreviaturas que la voz no sepa leer.
  • 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 0,7 s.