Escribe un guion y elige una voz, o describe un tema y añade la letra. Seis modelos de audio de Google, xAI y MiniMax conviven en un mismo espacio de trabajo, y cada resultado llega con un reproductor para escucharlo antes de descargarlo.
Pon voz al texto que ya tienes y luego componle la música alrededor, sin cambiar de herramienta.
Pega un guion y el generador de voz con IA te lo lee con la voz que elijas. xAI TTS v1 trae más de 80 voces repartidas en 20 idiomas y detecta el idioma por ti. Los modelos Gemini TTS suman 30 voces predefinidas que se dirigen con una nota breve sobre tono y ritmo.
Ajusta la interpretación antes de generar. xAI TTS v1 admite velocidades de 0,7× a 1,5× y normaliza el texto para que los números y las fechas suenen naturales; luego exporta en MP3, WAV, PCM, μ-law o A-law hasta 48 kHz. Los guiones llegan a 15.000 caracteres, así que la mayoría de narraciones caben en un solo archivo.
Describe el tema que necesitas, añade la letra si lo quieres cantado y el generador de música con IA te devuelve una canción completa, arreglada y mezclada, de hasta cinco minutos. MiniMax Music 3.0 y 2.6 leen etiquetas de estructura como [Verse] y [Chorus], así que la canción sigue el esquema que escribiste.
Cambia al modo instrumental cuando solo necesites una base bajo una voz en off, y elige la frecuencia de muestreo y el formato que espera tu editor, desde MP3 a 16 kHz hasta WAV a 44,1 kHz.
Cuatro modelos de texto a voz y dos de música. Elige según el repertorio de voces, el formato de salida o la longitud del guion que vas a locutar.
Pega el texto que quieres locutar, o describe el tema y añade la letra marcada con etiquetas [Verse] y [Chorus].
Elige el modelo, fija la voz si es locución o el modo vocal si es música, y selecciona el formato de salida.
Escucha el resultado en el reproductor integrado, vuelve a generarlo si la interpretación no convence y descarga el archivo para tu montaje.
Elige la pestaña que más se parezca a tu trabajo y verás dónde encajan la voz y la música generadas.
Sin micrófono ni sesión de grabación. Pega la narración, elige una voz que pegue con el metraje y cambia el guion cuando cambie el montaje. Con el mismo modelo, la voz suena igual en todas las versiones del vídeo.
Un guion de 10.000 caracteres se procesa de una sola vez, así que un capítulo de audiolibro o un bloque de pódcast vuelve como un único archivo y no como un montón de clips que hay que pegar. Para cambiar la interpretación basta una instrucción breve de estilo y volver a generarlo.
Describe la atmósfera, pasa al modo instrumental y genera la base que irá bajo la voz en off de la primera pestaña. Si el briefing pasa de animado a tranquilo, con una descripción nueva tienes otro tema en la misma sesión.
Convierte la descripción de una ficha en un recorrido narrado y acompáñalo con un instrumental breve. Todos los SKU comparten la misma voz, así que el catálogo entero suena a una sola marca.
Ponle cara a la voz: con un retrato basta para un vídeo hablado.
Genera el metraje que describe tu narración.
Plano del presentador más plano del producto, con voz en off generada.
Las mismas voces y modelos de música, detrás de un endpoint al que tu producto puede llamar.
Un generador de audio con IA convierte texto en sonido. Para locución, pegas un guion y eliges una voz; para música, describes el tema y, si quieres, añades la letra. El modelo genera el archivo y tú lo descargas en el formato que hayas elegido.
Atlas Cloud ofrece seis modelos de audio: xAI TTS v1, Gemini 3.1 Flash TTS, Gemini 2.5 Flash TTS y Gemini 2.5 Pro TTS para voz, más MiniMax Music 3.0 y MiniMax Music 2.6 para música.
Depende del modelo. xAI TTS v1 lista más de 80 voces en 20 idiomas, mientras que los modelos Gemini TTS traen 30 voces predefinidas, como Kore, Puck o Charon, y permiten dirigir el tono con una instrucción en lenguaje natural.
Los modelos Gemini TTS aceptan hasta 10.000 caracteres por petición y xAI TTS v1 hasta 15.000, así que la mayoría de guiones de narración se resuelven en una sola pasada.
Sí. Como generador de canciones con IA, MiniMax Music 3.0 y 2.6 aceptan una descripción de estilo más una letra marcada con etiquetas como [Verse] y [Chorus], y devuelven una canción cantada completa de hasta unos cinco minutos. Si solo necesitas la música, cambia al modo instrumental.
La voz vuelve en WAV a 24 kHz en los modelos Gemini y en MP3, WAV o PCM en xAI TTS v1. Los modelos de música devuelven MP3, WAV o PCM con frecuencias de muestreo de 16 kHz a 44,1 kHz.
Sí. Descarga el archivo de voz y súbelo como pista de audio en los modelos de avatar de la pestaña Avatar, que animan un retrato para que los labios sigan tu grabación.
El texto a voz se cobra por cada 1.000 caracteres y la música, por generación. El coste exacto del modelo que hayas elegido aparece en el espacio de trabajo antes de lanzarlo.
Sí. Todos los modelos de voz y música de esta página están disponibles a través de la API de Atlas Cloud, con la misma autenticación que los de imagen y vídeo. Entra en las páginas de los modelos de audio y empieza a construir.
Comparativas de voces, escritura de letras y flujos de voz en off.
Explora resultados empíricos de pruebas de precisión en diálogos en chino para MiniMax H3 en 5 escenarios de producción, abarcando CER, latencia de sincronización labial, correcciones de cambio de código y flujos de trabajo de postprocesamiento de audio.
Introduje un estribillo de 32 segundos en MiniMax H3 como audio de referencia gratuito, recibí cuatro planos sincronizados al ritmo y monté un videoclip real con MiniMax H3 por 4,80 $. Incluye prompts y facturas.
La sincronización de labios y el audio de MiniMax H3 reemplazaron mi cadena de doblaje de seis pasos con una sola llamada a la API. Dos tomas reales, los límites del audio de referencia que nadie documenta, y la factura real.
