Saltearse al contenido

OpenAI Text to Speech

OpenAI Text to Speech lee en voz alta el texto que le das con una voz de OpenAI y te devuelve un archivo de audio: MP3 por defecto, WAV u OGG si lo eliges. Todas las voces hablan todos los idiomas: el idioma lo decide el texto. Con el modelo por defecto puedes describir con palabras cómo quieres que suene. 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 OpenAI API con la clave de tu cuenta de OpenAI. Consulta Credenciales. El texto se envía a OpenAI 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 OpenAI 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.
  • Generar locuciones con un tono concreto, por ejemplo cálido y pausado.
  • 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 OpenAI. La clave se rellena sola al elegir tu credencial de OpenAI.
Text to Speech (obligatorio)El texto que se va a leer. Puedes escribirlo o conectarlo desde otro componente.
VoiceLa voz. Por defecto, coral. Las demás son alloy, ash, ballad, cedar, echo, fable, marin, nova, onyx, sage, shimmer y verse. Con los modelos tts-1 y tts-1-hd no están disponibles ballad, cedar, marin ni verse.
ModelEl modelo de voz. Por defecto, gpt-4o-mini-tts, el único que sigue las indicaciones de Voice style. tts-1 es más rápido y tts-1-hd suena más limpio.

Opciones avanzadas

CampoQué hace
Voice styleOpcional. Cómo quieres que suene, con palabras: “cálida y pausada”, “ágil y profesional”. Solo lo usa el modelo gpt-4o-mini-tts.
SpeedLa velocidad de lectura, de 0,25 a 4. Por defecto, 1, el ritmo natural de la voz.
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 cadena de gimnasios envía cada lunes a sus socios un mensaje de ánimo. Un agente redacta el texto, OpenAI Text to Speech lo lee con la voz nova y Voice style en “enérgica y cercana”, y el audio se envía por WhatsApp con Batch Mode, uno por socio.

Componentes relacionados

Consejos

  • En Voice style describe solo cómo suena, no el mensaje: el texto que se lee va siempre en Text to Speech.
  • 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 1,5 s.