Kubeez LogoKubeez
    School
    Todas las lecciones

    Crea voces expresivas en Texto a Voz con etiquetas de audio

    Escribe [whispering] antes de una frase y Gemini 3.1 Flash TTS la dice en susurros. En esta lección verás qué etiquetas funcionan, dónde colocarlas y cómo el campo Style instructions (instrucciones de estilo) define toda la interpretación, con tomas reales que puedes escuchar con y sin etiquetas.

    Audio6 min7 Pasos

    Qué vas a crear

    Una locución que susurra, suspira, se ríe y hace pausas justo donde tú quieres, en cualquier idioma que hable Gemini 3.1 Flash TTS.

    Necesitas

    • 1.El texto que quieres que se diga
    • 2.Una idea de cómo debe sonar
    • 3.Créditos para unas cuantas tomas

    1. 1. Abre Texto a Voz en la pestaña Gemini 3.1 Flash TTS

      Las etiquetas de audio solo funcionan con Gemini 3.1 Flash TTS. Las demás pestañas de voz de la página no las interpretan, así que una etiqueta ahí no cambia nada.

      1. 1Abre Texto a Voz desde la barra lateral.
      2. 2Arriba del panel, elige la pestaña Gemini 3.1 Flash TTS, la que lleva el logo que ves aquí.
      3. 3Elige una voz de la biblioteca y pon en Idioma el idioma en el que vas a escribir.

      Consejo: La página puede abrirse en otra pestaña. Comprueba la pestaña antes de escribir, o tus etiquetas no se interpretarán.

      Admite etiquetas de marcado como [sigh], [laughing], [whispering], [shouting], [extremely fast] o incluso [like dracula] para una interpretación expresiva.

      Gemini 3.1 Flash TTS es la pestaña con este logo. Es la única que interpreta las etiquetas.

    2. 2. Escribe la frase y pon una etiqueta justo delante

      El cuadro de texto se lee palabra por palabra. Una etiqueta entre corchetes no se pronuncia. Cambia la forma en que se dicen las palabras que la siguen.

      1. 1Escribe las palabras tal como deben sonar.
      2. 2Pon [whispering] al principio, antes de la primera palabra.
      3. 3Genera y escúchala junto a la misma frase sin la etiqueta.
      Prompt
      [whispering] Go there. Quietly, before anyone sees you.

      Consejo: Una etiqueta al principio marca toda la frase. Para cambiar la entonación a mitad de camino, pon una segunda etiqueta justo donde ocurre el cambio, por ejemplo [whispering] y luego [shouting].

      Sin etiquetasKore

      Go there. Quietly, before anyone sees you.

      Con etiquetasKore

      [whispering] Go there. Quietly, before anyone sees you.

    3. 3. Añade sonidos: suspiros, risas y titubeos

      Algunas etiquetas se convierten en un sonido en lugar de un cambio de voz. [sigh] añade un suspiro, [laughing] una risa, [uhm] un titubeo y [gasp] un grito ahogado. La etiqueta en sí nunca se lee en voz alta.

      1. 1Pon la etiqueta de sonido justo donde debe oírse el sonido.
      2. 2Deja palabras reales después, para que la voz tenga algo que decir.
      3. 3Describe la risa si necesitas un tipo concreto, como [laughing softly] o [laughing hard].
      Prompt
      [sigh] Fine. [short pause] I'll fix it again tomorrow.

      Consejo: El tipo de suspiro o de risa depende de las palabras que lo rodean. Un texto gracioso da una risa divertida, y un texto cansado, un suspiro de cansancio.

      Sin etiquetasSulafat

      Fine. I'll fix it again tomorrow.

      Con etiquetasSulafat

      [sigh] Fine. [short pause] I'll fix it again tomorrow.

      Sin etiquetasPuck

      I can't believe you actually did that. That's the funniest thing I've ever seen.

      Con etiquetasPuck

      [laughing] I can't believe you actually did that. [laughing hard] That's the funniest thing I've ever seen.

    4. 4. Controla el ritmo con etiquetas de pausa

      Las etiquetas de pausa mantienen el silencio por ti. [short pause] dura alrededor de un cuarto de segundo, [medium pause] cerca de medio segundo y [long pause] un segundo o más.

      1. 1Pon [long pause] justo antes de una revelación o del remate de un chiste.
      2. 2Usa [short pause] para tomar aire entre dos ideas.
      3. 3Deja que las comas y los puntos suspensivos se encarguen de las pausas pequeñas y naturales.
      Prompt
      And the winner is... [long pause] Maria.

      Consejo: Usa las pausas donde signifiquen algo. Una pausa después de cada frase suena lenta y poco natural.

      Sin etiquetasCharon

      And the winner is... Maria.

      Con etiquetasCharon

      And the winner is... [long pause] Maria.

    5. 5. Combina varias etiquetas en una frase

      Una frase puede llevar varias etiquetas, una para cada momento. Unas pocas etiquetas bien colocadas suenan mejor que una etiqueta en cada palabra.

      1. 1Empieza con una etiqueta para el tono de la frase, como [nervously].
      2. 2Añade una etiqueta de sonido donde ocurre el momento, como [uhm] o [gasp].
      3. 3Deja palabras o signos de puntuación entre dos etiquetas. Nunca pongas dos etiquetas seguidas.
      Prompt
      [nervously] Um, hi. [uhm] I think I sent that email to the whole company. [gasp] Oh no.

      Consejo: Escribe las palabras como habla la gente de verdad, con sus "eh" y sus "ay, no". Las etiquetas funcionan mejor sobre palabras que ya transmiten la emoción.

      Sin etiquetasZephyr

      Um, hi. I think I sent that email to the whole company. Oh no.

      Con etiquetasZephyr

      [nervously] Um, hi. [uhm] I think I sent that email to the whole company. [gasp] Oh no.

    6. 6. Define toda la interpretación en Style instructions

      Las etiquetas dan forma a momentos concretos. El campo Style instructions, debajo del cuadro de texto, define toda la toma: quién habla, el estado de ánimo, el ritmo y el acento. Usa los dos a la vez.

      1. 1Describe al personaje y cómo habla, con palabras sencillas.
      2. 2Mantén las etiquetas en el texto para los momentos dentro de la frase.
      3. 3Escucha aquí las tres tomas: sin etiquetas, solo con etiquetas, y con etiquetas más Style instructions.
      Prompt
      Speak like a theatrical vampire host. Slow, velvety, menacing, savoring every word.

      Consejo: Sé concreto. "British English accent as heard in Croydon, England" funciona mejor que "British accent", y un personaje funciona mejor que una sola emoción.

      Sin etiquetasAlgenib

      Good evening. I have been... expecting you.

      Con etiquetasAlgenib

      [whispering] Good evening. [long pause] I have been... [laughing softly] expecting you.

      Etiquetas y Style instructionsAlgenib

      Speak like a theatrical vampire host. Slow, velvety, menacing, savoring every word.

      [whispering] Good evening. [long pause] I have been... [laughing softly] expecting you.

    7. 7. Usa etiquetas en otros idiomas

      Las etiquetas funcionan con texto en cualquier idioma que hable Gemini 3.1 Flash TTS. Escribe las palabras en tu idioma y deja las etiquetas en inglés.

      1. 1Pon en Idioma el idioma de tu texto.
      2. 2Escribe las palabras en ese idioma.
      3. 3Deja todas las etiquetas en inglés, como [whispering], nunca una palabra traducida.
      Prompt
      [whispering] Ve allí. En silencio, antes de que alguien te vea.

      Consejo: Lo que escribas en Style instructions también puede ir en inglés. Son indicaciones para la voz, no palabras que vaya a decir.

      InglésKore

      [whispering] Go there. Quietly, before anyone sees you.

      EspañolKore

      [whispering] Ve allí. En silencio, antes de que alguien te vea.

      RumanoKore

      [whispering] Vino mai aproape. Îți spun un secret, dar să rămână între noi.

    Evita

    • Escribir etiquetas en otra pestaña de voz. Solo Gemini 3.1 Flash TTS las interpreta.
    • Describir el sonido en lugar de escribirlo. "Se ríe suavemente" se lee en voz alta. Escribe las palabras y pon [laughing softly] delante.
    • Una frase hecha solo de etiquetas, sin palabras que decir.
    • Dos etiquetas seguidas, como [sigh] [laughing]. Pon palabras o signos de puntuación entre ellas.
    • Una etiqueta en cada frase. La toma suena sobreactuada.
    • Traducir las etiquetas. Déjalas en inglés, aunque el texto esté en otro idioma.
    • Usar sin probarla una etiqueta nueva de emoción, de una sola palabra. Algunas, como [scared], [curious] o [bored], pueden leerse en voz alta como una palabra más. Pon esa emoción en Style instructions.

    Etiquetas de audio en Gemini 3.1 Flash TTS

    Indicaciones cortas entre corchetes, como [whispering] o [sigh], que se colocan en el texto justo antes de las palabras que modifican. La voz las interpreta en lugar de leerlas, así que puedes hacer que susurre, se ría, suspire o haga una pausa en un punto exacto.

    Pon [whispering] antes de las palabras en la pestaña Gemini 3.1 Flash TTS de Texto a Voz. Si quieres que toda la toma sea en susurros de principio a fin, indícalo también en Style instructions.

    No, no existe una lista cerrada. Las más habituales son [whispering], [shouting], [laughing], [sigh], [gasp], [uhm], [sarcasm], [excited], [short pause], [medium pause] y [long pause]. También funcionan indicaciones claras como [like dracula] o [extremely fast], así que prueba cualquier etiqueta nueva antes de fiarte de ella.

    Normalmente no. Las etiquetas de sonido, de estilo y de pausa se interpretan, no se pronuncian. Algunas etiquetas de emoción de una sola palabra, como [scared], [curious] o [bored], pueden leerse como una palabra más, así que pruébalas o pon esa emoción en Style instructions.

    Escribe [short pause], [medium pause] o [long pause] donde debe ir el silencio. Duran alrededor de un cuarto de segundo, medio segundo, y un segundo o más. Las comas y los puntos suspensivos dan pausas más cortas.

    Style instructions define toda la toma, como el personaje, el estado de ánimo, el ritmo y el acento. Las etiquetas cambian un solo momento dentro de la frase. Las mejores tomas usan las dos cosas.

    Sí. Escribe las palabras en tu idioma, pon ese mismo idioma en Idioma y deja las etiquetas en inglés.

    El filtro de seguridad a veces marca una frase inofensiva. Vuelve a generarla y, si sigue fallando, cambia algunas palabras.

    Tu turno

    Todo lo que has visto en esta lección está a un clic. Abre la herramienta y haz tu primera versión ahora.

    Pruébalo en Kubeez