Texto a voz masivo desde una hoja de cálculo
Algunos proyectos no necesitan una grabación sino cientos: una frase por tarjeta, por botón de una app, por producto, por parada o por idioma. Ir frase a frase en una herramienta en línea lleva días, y los servicios en la nube cobran cada carácter.
El motor SuperClonica pone voz a una hoja de cálculo entera en tu ordenador, un archivo por fila, con la voz y el idioma que indiques en cada línea. Esta guía muestra cómo preparar la tabla, cómo generarla de una vez y cómo corregir líneas sueltas después.
Cuándo necesitas texto a voz masivo
Sea cual sea el proyecto, el patrón es el mismo: entra una fila de texto, sale un archivo de audio.
- Cursos de idiomas: un archivo por palabra o frase para tarjetas.
- Apps y juegos: avisos de interfaz, pistas y frases cortas de personajes.
- Tiendas y catálogos: una breve descripción hablada de cada producto.
- Espacios públicos: un juego completo de anuncios o paradas de audioguía en varios idiomas.
Prueba las voces gratis
Antes de generar cientos de líneas, abre la página de cada voz que pienses usar, pega una fila típica de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos oyes si la voz encaja, sin cuenta.
Prepara la hoja de cálculo
Escribe números, nombres y siglas en cada fila tal como deben oírse.
- Una fila por archivo de audio, con columnas como file, text, voice y lang.
- Nombres de archivo únicos y sin espacios, como card_0412 o prompt_checkout_de.
- La voz como nombre de serie de M1 a M5 y de F1 a F5 o como ruta de un archivo de voz; el idioma como código, por ejemplo es, en o ja.
- Guarda la tabla como CSV en UTF-8 para conservar tildes y alfabetos no latinos.
Genera cada fila sin conexión
Instala el motor gratuito con python -m pip install superclonica-cpu, o superclonica-gpu-cuda para una tarjeta gráfica NVIDIA. Después, en Python, tras import csv, from superclonica import Superclonica y tts = Superclonica(), un solo bucle genera toda la tabla: for row in csv.DictReader(open("lines.csv", encoding="utf-8")): audio, rate = tts.synthesize(row["text"], voice=row["voice"], lang=row["lang"], seed=7, normalize=True); tts.save(row["file"] + ".wav", audio). Un seed fijo hace que cada ejecución dé el mismo audio para la misma fila, y normalize=True mantiene todos los archivos al mismo volumen. La API de Python guarda WAV, FLAC u OGG según la extensión; para MP3, ejecuta el motor de línea de comandos por fila con un nombre de salida terminado en .mp3. Todo funciona sin conexión y sin límite de caracteres.
Revisa, corrige y vuelve a ejecutar
Escucha una muestra de cada voz e idioma antes de entregar. Si una fila se lee mal, cambia su grafía en el CSV y vuelve a generar solo esa fila: con el mismo seed, todas las filas que no toques quedan exactamente igual. Guarda el CSV en el control de versiones junto a tu proyecto, para poder reconstruir siempre el audio.