Voces para Notificaciones SaaS: Guía de Selección

Por Equipo editorial de VozNube · Actualizado 2026-11-19

Esta guía ayuda a desarrolladores indie a elegir la voz correcta para las notificaciones de sus aplicaciones SaaS. Analizamos las ocho voces disponibles, sus matices y cómo impactan en la experiencia del usuario final. El objetivo es optimizar la claridad y reducir la fatiga auditiva en entornos de uso continuo.

Seleccionar el tono adecuado mejora la retención de información y la usabilidad de las alertas. Aquí encontrarás criterios técnicos y casos de uso específicos para cada voz, desde narrativas suaves hasta tonos energéticos, asegurando que tu API de síntesis de voz se integre de manera predecible y eficiente.

Voces para Notificaciones SaaS: Guía de Selección

Preguntas frecuentes

¿Qué voz es mejor para notificaciones?

Sage es ideal por su tono calmado e instruccional, mientras que Felix funciona bien para promociones energéticas. La elección depende del contexto de tu SaaS. Puedes ajustar la velocidad entre 0.25 y 4.0.

¿Cuál es la diferencia entre Aria y Nova?

Aria tiene un tono cálido y claro, ideal para narración. Nova es brillante y animada, adecuada para contenido dinámico. Ambas son voces femeninas con las mismas capacidades técnicas, pero su personalidad vocal difiere. Elige Aria para instrucciones detalladas y Nova para alertas o mensajes cortos y atractivos.

¿Pueden todas las voces hablar cualquier idioma?

Sí, cada una de las 8 voces puede hablar los 23 idiomas soportados. Si no especificas el código ISO, el sistema adivina el idioma basándose en el script; para texto latino no inglés, establece el campo language explícitamente para evitar errores de pronunciación en tu aplicación.

¿Qué voz es más adecuada para hombres o mujeres?

Las voces femeninas son Aria, Nova, Luna y Sage. Las masculinas son Felix, Milo, Atlas y Orion. La elección no depende del género del usuario final, sino del tono: Atlas es neutral para noticias, mientras que Milo es conversacional. Elige según la personalidad de tu interfaz.

¿Es mejor MP3 o WAV para notificaciones?

MP3 es preferible para notificaciones por su menor tamaño de archivo, facilitando la carga rápida en aplicaciones móviles y web. WAV ofrece mayor calidad sin pérdida pero consume más ancho de banda. Ambos son formatos válidos; selecciona MP3 para optimizar la experiencia de usuario en entornos con latencia variable.

¿Qué significa la licencia CC BY 4.0?

Significa que las grabaciones base provienen de LibriTTS-R bajo Creative Commons Attribution 4.0. Las voces están basadas en grabaciones licenciadas (LibriTTS-R, CC BY 4.0) y lecturas de dominio público (LibriVox). Como producto de síntesis, el audio generado es tuyo, pero la fuente original tiene esta licencia abierta.

¿Se pueden mezclar voces en una sola respuesta?

No. Cada solicitud a la API genera audio con una sola voz especificada en el campo voice. Para mezclar voces, debes realizar múltiples solicitudes y unir los archivos de audio resultantes en tu backend. La API no soporta mezclas internas ni transiciones de voz en una sola llamada.

¿Qué velocidad es ideal para alertas?

Una velocidad entre 1.0 y 1.5 suele ser ideal para alertas, equilibrando claridad y rapidez. Puedes ajustar entre 0.25 y 4.0. Para notificaciones urgentes, una velocidad ligeramente superior mejora la percepción de inmediatez, pero asegúrate de que la comprensión del mensaje no se vea comprometida.

¿Hay voces masculinas o femeninas más claras?

La claridad depende más del modelo y la configuración que del género. Aria (femenina) y Atlas (masculino) son conocidas por su claridad narrativa y neutralidad, respectivamente. Milo y Felix también son claros pero con más energía. Prueba con texto de ejemplo para evaluar la comprensión en tu contexto específico.

¿Qué es la marca de agua en el audio?

Es una marca inaudible incrustada en el archivo generado que identifica el audio como síntesis artificial. No afecta la calidad auditiva ni el tamaño del archivo. Es una característica técnica para distinguir contenido generado por la API de grabaciones humanas, útil para transparencia en aplicaciones que distribuyen audio.

¿Puedo usar la voz 'Atlas' para noticias?

Sí, Atlas está diseñado con un tono neutral y profesional, ideal para noticias. Su estilo es directo y claro, similar a un locutor de radio. Es una de las cuatro voces masculinas disponibles, ofreciendo una alternativa seria y confiable para contenido informativo en tu plataforma SaaS.

¿Cómo elijo la voz correcta para mi UI?

Define el tono de tu interfaz: ¿es informativa, amigable o urgente? Usa Sage para instrucciones, Milo para conversación o Luna para historias. Prueba las 8 voces con tu texto típico. La consistencia de voz mejora la experiencia de usuario. No hay una voz universal; elige según el contexto de cada notificación.

¿Son las voces realistas o robóticas?

Son voces sintéticas basadas en grabaciones licenciadas (LibriTTS-R) y de dominio público (LibriVox). Tienen naturalidad y fluidez superiores a las voces TTS antiguas, pero llevan una marca de agua que las identifica como generadas. No son clones perfectos de humanos, pero ofrecen una calidad alta y consistente para aplicaciones comerciales sin sonar excesivamente mecánicas.

¿Qué voces están basadas en grabaciones reales?

Las 8 voces (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) están basadas en grabaciones licenciadas de LibriTTS-R, que a su vez provienen de audiolibros de dominio público de LibriVox. Esto garantiza una base de voz natural y legalmente utilizable para la síntesis de texto a voz en tu app.

¿Cómo se detecta el idioma de una voz?

El sistema adivina el idioma basándose en el script del texto enviado. Si el texto está en latín y no especificas idioma, asume inglés. Para otros idiomas con script latino (como español o francés), debes establecer explícitamente el parámetro language con el código ISO para garantizar una pronunciación correcta.

¿Es legal usar estas voces en una app comercial?

Sí, las voces están basadas en datos licenciados bajo CC BY 4.0 y dominio público. Puedes usarlas comercialmente en tu SaaS. La licencia permite uso comercial con atribución si distribuyes el audio crudo, pero como servicio de síntesis, el uso es estándar. No hay restricciones adicionales de la API para uso comercial.

Criterios de Selección para UI

Ilustración de onda de sonido para: Criterios de Selección para UI

La claridad auditiva es crítica para las notificaciones SaaS que se reproducen en entornos con ruido de fondo o durante el uso multitarea. Una voz con dicción precisa asegura que el mensaje se entienda sin necesidad de repetición, reduciendo la fricción en la interfaz de usuario.

La duración promedio de una notificación típica (50–100 caracteres) determina la frecuencia de interrupción. Con una velocidad de 1.0x, el tiempo de generación es cercano al tiempo real (aproximadamente 25 caracteres por segundo), pero la latencia de cola puede añadir segundos. Optimizar la longitud del texto minimiza el impacto en la experiencia del usuario.

Claridad en entornos ruidosos

Las voces como Aria y Atlas están diseñadas para una articulación clara. En entornos con ruido, la distinción fonética precisa reduce la necesidad de que el usuario ajuste el volumen o repita la notificación manualmente.

  • Priorizar voces con dicción nítida para alertas críticas.
  • Evitar voces con entonación muy suave si el ruido ambiental es alto.

Duración promedio de notificaciones

Una notificación estándar de 100 caracteres toma aproximadamente 4–5 segundos en generarse. Esto es aceptable para notificaciones no bloqueantes, pero puede ser disruptivo si se activan múltiples eventos simultáneamente.

  • Limitar el texto a <100 caracteres para notificaciones instantáneas.
  • Considerar la cola de procesamiento bajo carga para estimar tiempos reales.

Fatiga auditiva en uso continuo

El uso continuo de notificaciones de voz puede causar fatiga auditiva. Variar entre voces (ej. Aria para textos largos, Milo para interacciones breves) ayuda a mantener la atención del usuario sin saturar su oído.

  • Alternar voces para diferentes tipos de notificaciones.
  • Mantener el volumen y la velocidad constantes para predecibilidad.

Voces Femeninas: Aria y Nova

Ilustración de onda de sonido para: Voces Femeninas: Aria y Nova

Para notificaciones SaaS, la claridad auditiva es crítica. Aria y Nova ofrecen tonos femeninos distintos: Aria es una narradora clara y cálida, ideal para contextos que requieren atención sostenida sin agotar al usuario. Nova presenta un tono brillante y enérgico, diseñado para captar la atención inmediatamente en alertas transaccionales.

Ambas voces están optimizadas para entornos donde el usuario presta atención secundaria a su dispositivo. La elección depende de si la prioridad es la calidez narrativa (Aria) o la urgencia perceptiva (Nova), manteniendo siempre un estándar de legibilidad técnica.

Aria: Narradora clara y cálida

Aria destaca por su claridad en la dicción y su calidez natural. Es la opción preferida para notificaciones informativas que requieren ser leídas con detenimiento, como resúmenes de actividad diaria o actualizaciones de estado de cuenta. Su tono reduce la fatiga auditiva en interfaces que reproducen audio frecuentemente.

Nova: Tono brillante y enérgico

Nova aporta un brillo distintivo y una energía que se percibe incluso en dispositivos con altavoces de baja calidad. Su ritmo es ideal para alertas informativas que necesitan ser procesadas rápidamente, como confirmaciones de pago o notificaciones de seguridad. Esta voz destaca en entornos ruidosos sin sonar estridente.

Uso ideal para alertas informativas

La integración de estas voces en flujos de notificación SaaS mejora la retención de la información crítica. Se recomienda usar Aria para mensajes de estado neutral y Nova para acciones que requieran una respuesta inmediata del usuario. Ambas voces pueden hablar los 23 idiomas disponibles, permitiendo adaptar el tono al contexto regional sin perder coherencia.

  • Aria: Ideal para resúmenes de actividad y actualizaciones de estado.
  • Nova: Recomendada para confirmaciones de pago y alertas de seguridad.
  • Ambas soportan detección automática de idioma o ajuste manual ISO.

Voces Femeninas: Luna y Sage

Ilustración de onda de sonido para: Voces Femeninas: Luna y Sage

Las voces femeninas de VozNube ofrecen matices distintos para contextos específicos. Luna se destaca por su tono suave, ideal para narrativas continuas, mientras que Sage aporta una calma natural que facilita la comprensión de instrucciones complejas.

Ambas voces están disponibles en los 23 idiomas soportados, permitiendo una adaptación lingüística precisa sin perder la intención original del mensaje generado.

Luna: Suave para storytelling

Luna posee un timbre cálido y continuo que reduce la fatiga auditiva durante la reproducción de contenido narrativo prolongado.

Su estructura de voz permite una transición fluida entre frases, manteniendo la atención del usuario en historias o actualizaciones de estado.

  • Tono: suave y envolvente
  • Uso: narrativas de estado
  • Idiomas: 23 disponibles

Sage: Calma para instrucción

Sage está diseñada con una dicción clara y ritmo pausado, optimizada para la entrega de pasos lógicos o configuraciones técnicas.

Su neutralidad afectiva evita distracciones, asegurando que el usuario se centre en la información procedimental sin interferencias emocionales.

  • Tono: calmado e instruccional
  • Uso: pasos lógicos
  • Precisión: alta legibilidad

Adecuación para tutoriales internos

Para tutoriales internos en SaaS, la combinación de Luna y Sage permite variar el ritmo sin perder coherencia.

Utilizar Sage para instrucciones críticas y Luna para introducciones contextuales mantiene la eficiencia cognitiva del desarrollador o usuario final.

Ambas voces generan audio mediante el parámetro voice, aunque la latencia de cola puede añadir segundos bajo carga.

Voces Masculinas: Felix y Milo

Ilustración de onda de sonido para: Voces Masculinas: Felix y Milo

Felix y Milo ofrecen tonos masculinos distintos para contextos de usuario variados. Felix destaca por su energía en promociones, mientras que Milo aporta una cercanía conversacional ideal para interacciones directas.

Felix: Energético para promo

Felix transmite dinamismo y ritmo acelerado, lo que lo hace adecuado para avisos de ofertas o actualizaciones de producto que requieren captar la atención rápidamente.

  • Prioridad en engagement y velocidad percibida
  • Ideal para avisos comerciales breves

Milo: Amigable para conversación

Su tono es cálido y natural, simulando una interacción humana sin ser excesivamente formal. Esto reduce la frialdad de las notificaciones automáticas en flujos de onboarding.

  • Tono cercano y accesible
  • Reduce la carga cognitiva en UI

Uso en confirmaciones de usuario

Para confirmaciones de registro o compra, Milo es la opción preferida por su claridad amigable. Felix puede usarse si la marca busca enfatizar la oportunidad inmediata de la transacción.

  • Confirmación de acción exitosa
  • Evita la sensación de robot estándar

Voces Masculinas: Atlas y Orion

Ilustración de onda de sonido para: Voces Masculinas: Atlas y Orion

Atribuye voz institucional o informativa a los sistemas de alertas. Atlas proyecta neutralidad sin sesgo emocional, ideal para avisos de sistema o actualizaciones de estado que requieren objetividad técnica.

Atlas: Neutral para noticias

Atlas elimina la carga emocional de las notificaciones críticas. Su tono uniforme evita que el usuario interprete urgencia o alerta excesiva en mensajes estándar, manteniendo la claridad funcional.

  • Aviso de estado del servicio
  • Notificaciones de sistema en tiempo real
  • Alertas automáticas sin carga emocional

Orion: Profundo para documentales

Orion ofrece una prosodia más grave y pausada, adecuada para contenido narrativo o explicativo. Su calidad sonora reduce la fatiga auditiva en escuchas prolongadas de informes.

  • Resúmenes de actividad diaria
  • Contenido explicativo o tutorial
  • Narrativas de datos históricos

Ideal para resúmenes de datos fríos

La combinación de Atlas y Orion cubre la gama de presentaciones impersonales. Atlas para la inmediatez de los datos; Orion para la profundidad de los reportes generados.

Comparativa de Tono y Uso

Ilustración de onda de sonido para: Comparativa de Tono y Uso

La elección entre voces depende del balance entre cercanía y autoridad en la interfaz. Aria y Atlas marcan la línea entre narración cálida y reporte neutral, adaptándose a la formalidad requerida por el contexto de la notificación.

Aria vs Atlas para formalidad

Aria ofrece una narradora clara y cálida, ideal para humanizar las actualizaciones del sistema. Atlas, en cambio, presenta una voz neutral y estructurada, perfecta para notificaciones técnicas o legales donde la neutralidad es prioritaria.

Nova vs Milo para cercanía

Nova aporta un tono brillante y enérgico que capta la atención rápidamente. Milo es amigable y conversacional, facilitando la confirmación de acciones del usuario sin sonar robótico, ideal para interacciones frecuentes.

Orion vs Luna para profundidad

Orion tiene un registro profundo y documental, adecuado para resúmenes de datos extensos. Luna es suave y narrativa, mejor para tutoriales internos que requieren menos intensidad auditiva y mayor comprensión.

Idiomas y Adaptación

Ilustración de onda de sonido para: Idiomas y Adaptación

VozNube soporta 23 idiomas, desde el árabe hasta el turco, con la capacidad de que cualquier voz sintetice cualquiera de ellos. Esto elimina la necesidad de gestionar múltiples activos de audio por idioma, simplificar la lógica de localización en tu aplicación SaaS.

Todas las voces en 23 idiomas

Cualquiera de las 8 voces predefinidas puede hablar cualquier idioma de la lista. No hay voces específicas por región; la calidad y el timbre son constantes independientemente del idioma seleccionado.

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish

Detección automática de script

Si no especificas el idioma, el sistema intenta adivinarlo basándose en el script del texto. Por defecto, el texto en latín se asume como inglés.

Ajuste manual de idioma ISO

Para textos en latín que no sean inglés, debes establecer explícitamente el parámetro language con el código ISO correspondiente. Esto evita errores de pronunciación en idiomas como el alemán o el holandés.

Idiomas y Adaptación

Formato y Calidad de Audio

Ilustración de onda de sonido para: Formato y Calidad de Audio

El parámetro response_format define la estructura binaria del audio devuelto por la API. La elección impacta directamente en el tamaño del archivo, la latencia de descarga y la compatibilidad con los reproductores de los clientes finales.

Los formatos disponibles son mp3, wav, opus, flac y pcm. Para notificaciones SaaS, se priorizan MP3 y OPUS por su equilibrio entre compresión y reproducción inmediata.

MP3 para eficiencia web

El formato MP3 ofrece la mejor relación compresión/tamaño para la mayoría de las aplicaciones web. Es ampliamente soportado por todos los navegadores modernos sin necesidad de codecs adicionales.

  • Tamaño reducido, ideal para notificaciones frecuentes
  • Amplio soporte nativo en clientes web y móviles

WAV para calidad sin pérdida

WAV almaceda audio sin compresión lossy, manteniendo la fidelidad original de la síntesis. Es útil cuando la integridad del audio es crítica, aunque consume más ancho de banda.

  • Calidad de audio sin reducción de datos
  • Mayor tamaño de archivo y consumo de datos

OPUS para bajo ancho de banda

OPUS proporciona una compresión superior a MP3 a igual calidad percibida. Es ideal para entornos con conexiones móviles lentas o para reducir costos de transferencia en escalas masivas.

  • Máxima compresión para datos móviles
  • Calidad de voz optimizada para baja latencia

Velocidad y Legibilidad

Ilustración de onda de sonido para: Velocidad y Legibilidad

La velocidad de reproducción se controla mediante el parámetro speed (rango 0.25–4.0), donde 1.0x es el estándar natural. Este ajuste permite optimizar la relación entre claridad y eficiencia en notificaciones SaaS sin afectar la síntesis subyacente.

Aumentar la velocidad a 1.5x es útil para alertas urgentes o listas de datos, manteniendo la legibilidad. Sin embargo, velocidades superiores pueden reducir la comprensión en textos complejos. La legibilidad depende de la estructura de la oración y del contexto de uso.

Velocidad 1.0x como estándar

Se recomienda mantener el valor por defecto para la mayoría de las notificaciones informativas. Esto garantiza una dicción clara y natural, alineada con las 8 voces predefinidas.

El estándar 1.0x asegura que la síntesis se procese en tiempo real aproximado, facilitando la integración en flujos de usuario sin retrasos perceptibles.

  • Parámetro: speed: 1.0 en el JSON de solicitud.
  • Apto para: actualizaciones de estado, confirmaciones básicas y respuestas automáticas.

Ajuste a 1.5x para alertas urgentes

Para notificaciones críticas que requieren atención inmediata, un incremento a 1.5x comprime la duración sin perder inteligibilidad crítica. Este ajuste es ideal para avisos de sistema o errores de backend.

Evite velocidades superiores a 2.0x en textos largos, ya que pueden dificultar la comprensión de detalles técnicos o nombres propios.

  • Parámetro: speed: 1.5.
  • Apto para: alertas de error, recordatorios de vencimiento y notificaciones de seguridad.

Legibilidad en notificaciones rápidas

La legibilidad depende de la simplicidad del texto. Frases cortas y directas se comprenden mejor incluso a velocidades elevadas.

Pruebe diferentes velocidades con su contenido específico para encontrar el equilibrio óptimo entre velocidad de entrega y comprensión del usuario final.

  • Optimice el texto para concisión antes de ajustar la velocidad.
  • Use speed: 1.0 para textos con términos técnicos o nombres propios.

Licencia y Derechos

Ilustración de onda de sonido para: Licencia y Derechos

Las voces de VozNube se basan en grabaciones licenciadas de LibriTTS-R y lecturas de dominio público de LibriVox. Esto garantiza que el material original cuenta con una licencia permisiva, facilitando su integración en aplicaciones SaaS sin riesgos legales complejos.

Las voces están basadas en grabaciones licenciadas (LibriTTS-R, CC BY 4.0) y lecturas de dominio público (LibriVox). Esta transparencia legal es fundamental para desarrolladores indie que buscan estabilidad en sus activos de audio.

Voces de LibriVox y LibriTTS-R

El motor sintetiza voces entrenadas con datos de Lectores de LibriVox, asegurando una calidad natural y consistente. Cada preset (Aria, Nova, etc.) conserva las características acústicas de sus hablantes base, validadas en entornos reales.

  • Origen en lecturas de audiolibros públicos
  • Calibración específica para cada preset de voz

Licencia CC BY 4.0

La licencia Creative Commons BY 4.0 otorga libertad para usar, compartir y adaptar el contenido. Para tu API, esto significa que puedes distribuir las notificaciones generadas sin restricciones de propiedad intelectual sobre la voz base.

Marca de agua sintética invisible

Cada archivo de audio generado incluye una marca de agua inaudible que identifica el contenido como síntesis artificial. Esto permite verificar el origen del audio sin afectar la experiencia del usuario final ni el ancho de banda.

Integración Técnica

Ilustración de onda de sonido para: Integración Técnica

La integración de VozNube en tu stack de notificaciones SaaS es directa: cada voz se identifica por un nombre de clave en el parámetro voice del cuerpo JSON. No se requieren configuraciones adicionales ni mapeos complejos de IDs; simplemente envías el string correspondiente (por ejemplo, "aria" o "atlas") junto con el texto y el modelo deseado.

Selección por nombre de voz

El sistema utiliza identificadores simples y descriptivos para las ocho voces disponibles. Esta nomenclatura facilita la lectura del código y la mantenibilidad a largo plazo, permitiendo que los desarrolladores indie identifiquen rápidamente la personalidad auditiva asignada a cada flujo de usuario sin depender de documentación externa compleja.

  • Aria, Nova, Luna, Sage para voces femeninas.
  • Felix, Milo, Atlas, Orion para voces masculinas.

Parámetro 'voice' en JSON

El campo voice es obligatorio en la solicitud POST a /v1/audio/speech. Su valor debe coincider exactamente con una de las ocho presets soportadas. El campo voice es obligatorio en la solicitud POST a /v1/audio/speech.

Cambio dinámico según contexto

Puedes alterar la voz en tiempo real basándote en el contexto de la notificación. Por ejemplo, usar atlas para errores críticos y nova para confirmaciones de éxito. Esto permite una experiencia de usuario más rica sin necesidad de pre-generar múltiples archivos de audio, ya que la síntesis ocurre bajo demanda con latencia predecible.

Recomendaciones por Caso de Uso

Ilustración de onda de sonido para: Recomendaciones por Caso de Uso

La elección de la voz correcta en notificaciones SaaS depende del contexto específico y del tono que se desea transmitir. VozNube ofrece ocho presets diseñados para distintas situaciones de uso, permitiendo una integración precisa sin necesidad de ajustes complejos.

Notificación de error: Atlas

Atlas es la voz neutral ideal para alertas de error. Su tono claro y directo minimiza la ambigüedad, asegurando que el mensaje técnico se perciba como informativo y no emocional. Es la opción recomendada para notificaciones de sistema que requieren neutralidad absoluta.

  • Tono neutral y profesional
  • Ideal para alertas de sistema
  • Minimiza la interpretación emocional

Saludo de usuario: Milo

Milo ofrece un tono amigable y conversacional, perfecto para saludos o confirmaciones de usuario. Su cercanía facilita la sensación de interacción humana sin resultar artificial, mejorando la experiencia en flujos de bienvenida o validación de acciones.

  • Tono conversacional y amigable
  • Adecuado para saludos y validaciones
  • Mejora la experiencia de usuario

Resumen de reporte: Aria

Aria combina claridad y calidez, siendo la voz óptima para resúmenes de reportes. Su calidad de narradora clara permite que la información densa sea más digerible y agradable de escuchar, ideal para auditorías o informes periódicos.

  • Narradora clara y cálida
  • Ideal para resúmenes y reportes
  • Facilita la comprensión de datos

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Esto evita errores de validación y permite un control preciso sobre la longitud de cada segmento de audio generado.

Avatar de la voz aria
ariafemenino
Avatar de la voz nova
novafemenino
Avatar de la voz luna
lunafemenino
Avatar de la voz sage
sagefemenino
Avatar de la voz felix
felixmasculino
Avatar de la voz milo
milomasculino
Avatar de la voz atlas
atlasmasculino
Avatar de la voz orion
orionmasculino

23 idiomas

Cualquier voz puede hablar cualquiera de estos idiomas.

Fuentes y lecturas adicionales

  1. Wikipedia
  2. ISO 639 language codes
  3. openai-python on GitHub
  4. Node.js documentation
  5. FFmpeg documentation
  6. IETF RFC 7845: Ogg Opus
  7. MDN: Web Speech API
  8. LibriTTS-R paper (arXiv 2305.18802)
  9. openai-node on GitHub
  10. OpenAI API reference: create speech
  11. LibriVox public-domain audiobooks
  12. W3C WAI: making audio and video accessible

Más en este sitio