Texto a Voz: API Web Speech y Accesibilidad

La API Web Speech para Sintesis de Voz

La API Web Speech es una interfaz JavaScript integrada en los navegadores modernos que permite convertir texto en habla sin bibliotecas externas ni servicios cloud. En tres lineas de codigo, puedes hacer hablar a tu aplicacion web.

const utterance = new SpeechSynthesisUtterance('Hola mundo');
speechSynthesis.speak(utterance);

Esta API es gratuita, no requiere ninguna clave API y procesa el texto localmente en el navegador. Los datos no salen del dispositivo del usuario, lo cual es una ventaja importante para la privacidad.

La API esta soportada por Chrome, Firefox, Safari y Edge. La calidad de las voces varia segun el sistema operativo y el navegador, pero el funcionamiento basico es consistente en todos.

Voces Disponibles

Cada navegador y sistema operativo ofrece un conjunto diferente de voces. Windows ofrece voces Microsoft, macOS propone voces Apple, y Chrome agrega sus propias voces Google en todas las plataformas.

Para listar las voces disponibles:

const voices = speechSynthesis.getVoices();
voices.forEach(v => console.log(v.name, v.lang));

Las voces se identifican por su nombre y su idioma (codigo BCP 47 como es-ES, en-US). Puedes filtrar por idioma para ofrecer solo las voces relevantes a tus usuarios.

La calidad varia enormemente. Las voces "neural" o "enhanced" disponibles en sistemas recientes son casi indistinguibles del habla humana. Las voces basicas suenan mas roboticas pero estan disponibles en todos los dispositivos.

Parametros de Control

• rate: Velocidad de habla, de 0.1 (muy lento) a 10 (incomprensible). El valor por defecto es 1. Valores entre 0.8 y 1.2 son comodos para la mayoria de los oyentes.
• pitch: Tono de la voz, de 0 (grave) a 2 (agudo). Por defecto 1.
• volume: Volumen de salida, de 0 (silencioso) a 1 (maximo). Por defecto 1.
• voice: El objeto de voz a usar, seleccionado de la lista retornada por getVoices().
• lang: El codigo de idioma. Definir lang sin especificar voz deja que el navegador elija la mejor voz disponible para ese idioma.

Accesibilidad y Casos de Uso

• Lectores de pantalla: Las personas con discapacidad visual usan lectores de pantalla que se apoyan en la sintesis de voz del sistema. La API Web Speech te permite agregar lectura de audio complementaria.
• Dislexia: Escuchar el texto leido en voz alta ayuda a las personas con dislexia a comprender el contenido. Ofrecer un boton "Leer en voz alta" en articulos mejora la accesibilidad.
• Aprendizaje de idiomas: Escuchar la pronunciacion correcta de palabras extranjeras es esencial para el aprendizaje. La sintesis de voz da un modelo de audio instantaneo.
• Multitarea: Transformar articulos o emails en contenido de audio permite consumirlos durante actividades fisicas — caminar, limpiar, conducir.

Buenas Practicas de Implementacion

• Nunca inicies la lectura automaticamente: La sintesis de voz debe ser activada por una accion del usuario (clic o toque). La lectura automatica es intrusiva e inaccesible.
• Ofrece controles: Pausa, reanudacion, detencion y control de velocidad.
• Maneja cadenas largas: Algunos navegadores cortan la sintesis despues de 15 segundos de lectura continua. Divide los textos largos en oraciones o parrafos y encadenalos.
• Muestra retroalimentacion visual: Resalta el texto que se esta leyendo para que los usuarios puedan seguir.

Servicios Cloud TTS

• Google Cloud Text-to-Speech: Voces WaveNet y Neural2 notablemente humanas. Soporte SSML para control fino de la pronunciacion.
• Amazon Polly: Voces neurales y estandar en docenas de idiomas. Salida en MP3, OGG o PCM.
• Microsoft Azure: Voces neurales con estilos emocionales (alegre, triste, enojado).

Prueba la sintesis de voz con nuestra herramienta Text to Speech para escuchar como suenan diferentes voces y configuraciones antes de implementarlas en tu aplicacion.