Pausas y pronunciación en texto a voz: controla la voz con el texto
La mayoría de los problemas de la voz sintética vienen del texto, no de la voz: falta una pausa, un nombre se lee mal, un número sale en la forma equivocada. En SuperClonica todo se controla con el propio texto y unas pocas opciones del motor, sin ningún lenguaje de marcado.
Esta guía muestra cómo lee el motor tu texto, cómo añadir pausas, cómo corregir la pronunciación y cuándo cambiar la toma o la velocidad.
Cómo lee el motor tu texto
La opción de idioma debe coincidir con el idioma del texto; si no, las palabras se leen con sonidos ajenos.
- La puntuación marca el ritmo: una coma da una pausa corta y un punto, una más larga.
- Las cifras se leen como palabras en 27 idiomas, pero no en hindi, griego, estonio ni croata, y las palabras no se declinan.
- Las abreviaturas de chat se desarrollan en siete idiomas: español, inglés, ruso, polaco, francés, portugués y alemán.
- Ambas cosas se desactivan con --no-numbers y --no-slang.
- Las etiquetas SSML no son compatibles: escribe el texto tal como debe sonar.
Prueba una frase difícil gratis
En la página de cualquier voz, pega la frase que da problemas, de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos oyes cómo la lee el motor, y puedes cambiar el texto y probar otra vez. No necesitas cuenta.
Pausas
El motor recorta el silencio antes y después de una frase; --keep-silence lo conserva, lo que ayuda al unir partes.
- Una coma para respirar, un punto para una pausa clara.
- Puntos suspensivos para la duda o el suspense: «Bueno... no estoy seguro».
- Una frase nueva en lugar de una larga: la voz hace una pausa entre frases.
- Para una pausa exacta, genera las partes por separado e inserta el silencio que necesites en un editor de audio.
Pronunciación
Reescribe lo que el motor lee mal tal como debe sonar: un nombre extranjero, una marca, una palabra rara. Escribe las siglas como letras separadas por espacios o como palabras completas. Donde importe la gramática, escribe los números con palabras. Separa con un guion una palabra compuesta larga si sale borrosa. Guarda la versión reescrita solo en el texto que generas, no en el que publicas.
Tomas, velocidad y volumen
Cada ejecución es una toma nueva: si una frase suena un poco rara, genérala otra vez o usa --seed con un número para probar tomas distintas y repetir la que te guste. La velocidad por defecto es 1,05; un valor menor como 0.95 ralentiza la voz y uno mayor como 1.1 la acelera. La opción --normalize lleva todos los archivos al mismo volumen, −18 LUFS. Todo esto está en el motor gratuito SuperClonica: python -m pip install superclonica-cpu, y luego superclonica --text "Tu texto" --voice F1 --lang es --seed 7 --speed 0.95 --output toma.wav.