Voz propia para una skill de Alexa: reproduce tu propio audio
Una skill de Alexa habla con la voz de Alexa o con una de las voces de Amazon Polly. Para un presentador de concurso, un narrador de cuentos, personajes de juego o la voz de una marca no basta, y SSML tiene la respuesta: la etiqueta audio reproduce un MP3 propio en mitad de una respuesta.
El motor gratuito SuperClonica genera esos archivos sin conexión, con una voz de serie, tu propia voz entrenada o un personaje. Esta guía muestra los requisitos exactos de Amazon, cómo crear un MP3 válido directamente desde Python y cómo mezclar tu audio con la voz de Alexa.
Cómo funciona el audio propio en Alexa
Deja que la propia voz de Alexa lea lo que cambia, como una puntuación o un nombre, y reproduce tus archivos para todo lo que se repite.
- La etiqueta audio de SSML reproduce un MP3 desde una URL HTTPS dentro de una respuesta.
- Amazon exige un MP3 MPEG versión 2 a 48 kbps, con frecuencia de 16000, 22050 o 24000 Hz.
- Todo el audio de una respuesta puede durar hasta 240 segundos, 90 en un reprompt, con un máximo de cinco archivos.
- SuperClonica habla 31 idiomas; el chino aún no está disponible.
Escucha las voces gratis
En la página de cualquier voz, escribe una frase de tu skill, de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos oyes si encaja con tu presentador, narrador o personaje, sin cuenta.
Crea un MP3 listo para Alexa
Haz cada archivo corto y concreto: un saludo, una pregunta, un efecto. Los archivos cortos cargan antes y se reutilizan mejor.
- Instala el motor: python -m pip install superclonica-cpu.
- Genera una frase y escríbela en el formato de Amazon de una vez: tts = Superclonica(); audio, rate = tts.synthesize("¡Hola de nuevo! Tu concurso empieza ahora.", "F1", "es"); sf.write("welcome.mp3", resample_poly(audio, 24000, rate), 24000, format="MP3", bitrate_mode="CONSTANT", compression_level=0.75).
- Con soundfile 0.14 y libsndfile 1.2, que vienen con el motor, compression_level 0.75 da un MPEG-2 constante de 48 kbps a 24 kHz.
- Comprueba cada archivo antes de subirlo, con ffprobe o con el comando file.
Alójalo y reprodúcelo
Aloja los archivos por HTTPS con un certificado válido y de confianza, por ejemplo en un bucket de S3; los certificados autofirmados se rechazan. Las peticiones de los archivos no se autentican, así que no deben contener nada personal ni sensible del cliente. En la respuesta, pon la etiqueta audio con la URL del archivo en la cadena SSML que pasas a speak() en el ASK SDK, antes o después de las palabras de Alexa.
Voces que pasan la certificación
Amazon revisa cada skill antes de certificarla. Usa voces sobre las que tengas derechos: las diez voces de serie del modelo, de M1 a M5 y de F1 a F5, tu propia voz entrenada en el estudio de SuperClonica a partir de la grabación de un locutor que dio su consentimiento, o una voz encargada en la bolsa de pedidos. Las voces de personajes hechas por fans son para proyectos personales, no para una skill publicada, y ninguna voz debe imitar a una persona real.