Una alternativa sin conexión a Yandex SpeechKit
SpeechKit es la síntesis de voz en la nube de Yandex: 18 voces rusas, muchas con roles que van de neutral a susurro, además de inglés, alemán, hebreo, kazajo y uzbeko. Como toda API en la nube, necesita una cuenta, cobra por carácter o por bloques de 250 caracteres y recibe cada texto que generas.
El motor gratuito SuperClonica ofrece la misma pieza en tu propio ordenador o servidor. Esta guía compara ambos enfoques con honestidad, dice cuándo conviene SpeechKit y muestra cómo cambiar la llamada a la API.
SpeechKit en resumen
Para kazajo, uzbeko o hebreo, para roles de voz como el susurro, o para un servicio gestionado a gran escala, SpeechKit es una opción sólida.
- 18 voces rusas, entre ellas filipp, ermil, jane, alexander y kirill; muchas tienen roles como neutral, good, evil, strict, friendly y whisper.
- Idiomas: ruso, inglés, alemán, hebreo, kazajo y uzbeko.
- La API v1 se factura por carácter y la v3 por bloques de 250 caracteres; consulta los precios actuales en el sitio de Yandex.
- Las voces propias son un servicio aparte, Brand Voice.
Compara el sonido gratis
En la página de cualquier voz, pega una frase que generaste con SpeechKit, de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos puedes comparar con tu propio texto, sin cuenta.
Qué hace distinto SuperClonica
En nuestras pruebas, una frase corta tardó 0,43 s en cuatro hilos de un Ryzen 7 5800X, así que un servidor normal aguanta la mayoría de cargas.
- Los textos se quedan en tu máquina: nada se envía a un proveedor, algo importante para documentos médicos, legales e internos.
- Sin factura por carácter: el coste es tu propio hardware, generes las horas que generes.
- 31 idiomas, entre ellos ruso, ucraniano, polaco, inglés, alemán, japonés, coreano, hindi y árabe.
- Diez voces de serie, más de 170 voces del catálogo y tu propia voz, entrenada una vez con una grabación limpia de 5 a 10 segundos.
Cambia la llamada a la API
Inicia el servidor en cualquier procesador: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Cuando GET /health responda, envía una petición: curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "¡Hola desde mi propio servidor!", "voice": "F1", "lang": "es"}' -o hello.wav. POST /synthesize recibe text, voice, lang, seed y normalize, y responde con un WAV mono de 16 bits. Define SUPERCLONICA_API_KEY para exigir una cabecera Authorization, y mantén el servidor tras HTTPS o en una red privada.
Cuál elegir
Elige SpeechKit para kazajo, uzbeko o hebreo, por sus roles de voz o si prefieres pagar por carácter a mantener un servidor. Elige SuperClonica cuando los textos deban ser privados, cuando el volumen sea grande o impredecible, cuando necesites los idiomas europeos y asiáticos que añade, o una voz de personaje o de marca que funcione sin conexión.