Mensajes de voz en bots de Telegram con voces de IA
Un bot que responde con un mensaje de voz parece vivo: un resumen matutino leído en voz alta, una respuesta con la voz de un personaje, un ejemplo de pronunciación para quien aprende un idioma. Las API de voz en la nube cobran cada mensaje y ven cada texto.
El motor gratuito SuperClonica pone voz al texto del bot en tu propio servidor, con voces naturales o de personajes. Esta guía muestra cómo convertir una respuesta en un mensaje de voz de Telegram, cómo mantener el bot rápido y cómo usar las voces con respeto.
Qué puede hacer un bot de voz
Las respuestas cortas funcionan mejor: un mensaje de voz de unas pocas frases se escucha mejor que un monólogo.
- Responder preguntas con un mensaje de voz en lugar de un muro de texto.
- Leer en voz alta noticias, posts o un resumen diario.
- Hablar como un personaje en un bot de juego o de una comunidad de fans.
- Dar a quien aprende idiomas frases de ejemplo en 31 idiomas.
Escucha las voces gratis
En la página de cualquier voz, escribe una respuesta típica del bot de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos oyes cómo sonaría tu bot, sin cuenta.
Convierte texto en mensaje de voz
El WAV es solo un archivo intermedio; el Opus pesa poco y se reproduce dentro del chat en cualquier app de Telegram.
- Instala el motor una vez: python -m pip install superclonica-cpu.
- Créalo una vez, tts = Superclonica(), y genera cada respuesta: audio, rate = tts.synthesize("¡Buenos días! Aquí tienes tu resumen de hoy.", voice="F1", lang="es"); tts.save("reply.wav", audio).
- Telegram muestra como mensajes de voz los archivos OGG con códec Opus, así que convierte con ffmpeg: ffmpeg -i reply.wav -c:a libopus -b:a 48k reply.ogg.
- Envía el archivo con el método de mensajes de voz de tu librería de bots, que llama a sendVoice en la Telegram Bot API.
Mantén el bot rápido
Cargar el motor tarda unos segundos y cada respuesta después, una fracción de segundo: en nuestras pruebas una frase corta tardó 0,43 s con cuatro hilos de CPU. Con una librería asíncrona como aiogram o python-telegram-bot, ejecuta la síntesis en un hilo aparte para que el bot siga respondiendo en otros chats. Cachea las respuestas que se repiten, porque el mismo texto, voz y seed dan siempre el mismo audio. Si tu bot no está escrito en Python, ejecuta el motor como servicio HTTP local con la imagen Docker superclonica/superclonica:cpu y llama a POST /synthesize.
Voces, con respeto
Las diez voces de serie del modelo, M1 a M5 y F1 a F5, son gratuitas y sirven para cualquier bot. Las voces de personajes del catálogo son hechas por fans: úsalas para bots de diversión en comunidades de fans, no para suplantar a nadie ni para parecer oficial. Avisa a los usuarios de que la voz está generada y, para una marca o un bot público con muchos usuarios, entrena una voz original con un locutor que haya aceptado o encárgala en la bolsa.