Duración del texto a voz: ¿cuánto tarda en leerse mi texto?
Antes de poner voz a un guion sueles necesitar su duración: un anuncio de 30 segundos, un Short de 60, un pódcast de 10 minutos, una lección que debe caber en una clase. El número de palabras no basta, porque cada idioma y cada voz tienen su ritmo.
Medimos el motor de SuperClonica con la misma historia en siete idiomas a la velocidad por defecto, para que estimes la duración antes de generar nada y luego obtengas la cifra exacta en segundos con una línea de Python.
Velocidades medidas
Medido con un párrafo narrativo tranquilo, con una voz de serie masculina y otra femenina a la velocidad por defecto; las dos se diferenciaron en menos del tres por ciento.
- Inglés: unas 190 palabras por minuto, unos 1000 caracteres.
- Español, alemán y francés: unas 165 palabras por minuto.
- Portugués: unas 150 palabras por minuto.
- Ruso: unas 130 palabras por minuto.
- Japonés: unos 320 caracteres por minuto.
Escucha el ritmo gratis en línea
En la página de cualquier voz, escribe una frase de 30 a 100 caracteres y pulsa el botón para generarla: en unos segundos oyes el ritmo de esa voz en tu idioma, sin cuenta.
Estimaciones rápidas
Deja unos segundos de aire: un guion que llena el espacio hasta el último segundo suena apresurado cuando se añaden música y pausas.
- Un anuncio de 30 segundos: unas 80 palabras en español.
- Un Short o Reel de 60 segundos: unas 165 palabras.
- Un pódcast o vídeo de 10 minutos: unas 1650 palabras.
- 1000 palabras: unos 6 minutos.
La duración exacta de tu guion
La velocidad cambia la duración casi en proporción: por defecto es 1.05, y --speed 0.85 alarga el mismo texto alrededor de una cuarta parte. Para la duración exacta, instala el motor gratuito con python -m pip install superclonica-cpu, guarda el guion como script.txt y ejecuta: from superclonica import Superclonica; tts = Superclonica(); audio, rate = tts.synthesize(open('script.txt', encoding='utf-8').read(), 'M1', 'es'); print(round(len(audio) / rate, 1), 'seconds'). El servidor Docker devuelve la misma cifra en la cabecera X-Duration-Seconds.
Por qué tu texto puede durar más
Las cifras se leen como palabras, así que 1250 o 2027 se convierten en varias palabras habladas. Las abreviaturas pueden leerse completas. Muchos puntos y líneas separadas con silencio entre ellas añaden tiempo, mientras que las frases largas sin comas se leen más rápido. Mide una vez el guion real en lugar de fiarte del promedio.