Instala la skill de la CLI belt:
npx skills add belt-sh/cli
Generación de Voz por IA
Genera voces naturales por IA mediante la CLI de inference.sh.
Inicio Rápido
Requiere la CLI de inference.sh (
belt). Instrucciones de instalación
belt login
# Generar habla
belt app run infsh/kokoro-tts --input '{
"prompt": "¡Hola! Esta es una voz generada por IA que suena natural y atractiva.",
"voice": "af_sarah"
}'
Modelos Disponibles
| Modelo | ID de App | Mejor Para |
|---|---|---|
| Inworld TTS-2 | inworld/text-to-speech-2 | 100+ idiomas, control de emociones y no verbales, modos de entrega |
| Inworld TTS 1.5 Max | inworld/text-to-speech-1-5-max | Baja latencia (<200ms), 15 idiomas |
| Inworld TTS 1.5 Mini | inworld/text-to-speech-1-5-mini | Latencia ultra baja (~120ms), 15 idiomas, tiempo real |
| ElevenLabs TTS | elevenlabs/tts | Calidad premium, 22+ voces, 32 idiomas |
| ElevenLabs Cambiador de Voz | elevenlabs/voice-changer | Transformar grabaciones de voz existentes |
| Kokoro TTS | infsh/kokoro-tts | Natural, múltiples voces |
| DIA | infsh/dia-tts | Conversacional, expresivo |
| Chatterbox | infsh/chatterbox | Casual, entretenimiento |
| Higgs | infsh/higgs-tts | Narración profesional |
| VibeVoice | infsh/vibevoice | Rango emocional |
Librería de Voces Kokoro
Inglés Americano
| ID de Voz | Género | Estilo |
|---|---|---|
af_sarah | Femenino | Cálida, amigable |
af_nicole | Femenino | Profesional |
af_sky | Femenino | Juvenil |
am_michael | Masculino | Autoritario |
am_adam | Masculino | Conversacional |
am_echo | Masculino | Clara, neutral |
Inglés Británico
| ID de Voz | Género | Estilo |
|---|---|---|
bf_emma | Femenino | Refinada |
bf_isabella | Femenino | Cálida |
bm_george | Masculino | Clásica |
bm_lewis | Masculino | Moderna |
Inworld TTS — Voces de Personajes y Emociones
Inworld TTS-2 está diseñado específicamente para voces de personajes, juegos y habla expresiva. Usa [corchetes] en línea para emociones, no verbales y control de entrega:
# Voz de personaje expresivo con control emocional
belt app run inworld/text-to-speech-2 --input '{
"text": "[excited] ¡Oh, vaya, realmente encontraste el artefacto antiguo! [gasp] No puedo creerlo... [whisper] Debemos mantener esto entre nosotros.",
"voice_id": "Sarah",
"delivery_mode": "CREATIVE"
}'
# Narrador calmado con entrega estable
belt app run inworld/text-to-speech-2 --input '{
"text": "El sol se ocultó tras las montañas, proyectando largas sombras a través del valle. Un nuevo capítulo estaba por comenzar.",
"voice_id": "Sarah",
"delivery_mode": "STABLE"
}'
Modos de entrega: STABLE (consistente, narración), BALANCED (natural, predeterminado), CREATIVE (expresivo, personajes)
Ejemplos de control: [laugh], [sigh], [whisper], [excited], [sad], [angry], [pause], [gasp]
Voces integradas (más de 271 en 15 idiomas): Sarah, Alex, Ashley, Dennis, Hana, Blake, Luna, Clive, y muchas más. Explora todas en el Inworld TTS Playground.
Baja Latencia para IA en Tiempo Real / Conversacional
# Respuesta ultra rápida para chatbots y NPCs de juegos (~120ms)
belt app run inworld/text-to-speech-1-5-mini --input '{
"text": "Bienvenido, viajero. ¿Qué te trae a nuestra aldea?",
"voice_id": "Clive",
"speaking_rate": 0.9
}'
Ejemplos de Generación de Voz
Narración Profesional
belt app run infsh/kokoro-tts --input '{
"prompt": "Bienvenidos a nuestra llamada de resultados trimestrales. Hoy discutiremos el rendimiento financiero y las iniciativas estratégicas del último trimestre.",
"voice": "am_michael",
"speed": 1.0
}'
Estilo Conversacional
belt app run infsh/dia-tts --input '{
"text": "Oye, estaba pensando en ese proyecto que discutimos. ¿Qué tal si probamos un enfoque diferente?",
"voice": "conversational"
}'
Narración de Audiolibro
belt app run infsh/kokoro-tts --input '{
"prompt": "Capítulo uno. La niebla matinal se cernía sobre el valle mientras Sarah se dirigía por el camino sinuoso. Llevaba horas caminando.",
"voice": "bf_emma",
"speed": 0.9
}'
Locución de Video
belt app run infsh/kokoro-tts --input '{
"prompt": "Presentamos la próxima generación de productividad. Trabaja de forma más inteligente, no más dura.",
"voice": "af_nicole",
"speed": 1.1
}'
Anfitrión de Podcast
belt app run infsh/kokoro-tts --input '{
"prompt": "¡Bienvenidos de nuevo a Tech Talk! Soy su anfitrión, y hoy nos sumergiremos en el mundo de la inteligencia artificial.",
"voice": "am_adam"
}'
Conversación con Múltiples Voces
# Generar diálogo entre dos hablantes
# Hablante 1
belt app run infsh/kokoro-tts --input '{
"prompt": "¿Has visto los últimos avances en IA? Es increíble lo rápido que se mueven las cosas.",
"voice": "am_michael"
}' > speaker1.json
# Hablante 2
belt app run infsh/kokoro-tts --input '{
"prompt": "¡Lo sé, verdad? Justo la semana pasada probé ese nuevo generador de imágenes y quedé alucinado.",
"voice": "af_sarah"
}' > speaker2.json
# Fusionar conversación
belt app run infsh/media-merger --input '{
"audio_files": ["<speaker1-url>", "<speaker2-url>"],
"crossfade_ms": 300
}'
Contenido de Formato Largo
Procesamiento por Fragmentos
Para contenido de más de 5000 caracteres, divide en fragmentos:
# Procesar texto largo en fragmentos
TEXT="Su texto muy largo aquí..."
# Dividir y generar
# Fragmento 1
belt app run infsh/kokoro-tts --input '{
"prompt": "<chunk-1>",
"voice": "bf_emma"
}' > chunk1.json
# Fragmento 2
belt app run infsh/kokoro-tts --input '{
"prompt": "<chunk-2>",
"voice": "bf_emma"
}' > chunk2.json
# Fusionar fragmentos
belt app run infsh/media-merger --input '{
"audio_files": ["<chunk1-url>", "<chunk2-url>"],
"crossfade_ms": 100
}'
Flujo de Trabajo de Voz + Video
Añadir Locución a Video
# 1. Generar locución
belt app run infsh/kokoro-tts --input '{
"prompt": "Esta impresionante metraje muestra la belleza de la naturaleza en su forma más pura.",
"voice": "am_michael"
}' > voiceover.json
# 2. Fusionar con video
belt app run infsh/media-merger --input '{
"video_url": "https://your-video.mp4",
"audio_url": "<voiceover-url>"
}'
Crear Cabeza Parlante
# 1. Generar habla
belt app run infsh/kokoro-tts --input '{
"prompt": "Hola, estoy emocionado de compartir algunas novedades con ustedes hoy.",
"voice": "af_sarah"
}' > speech.json
# 2. Animar con avatar
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "<speech-url>"
}'
Velocidad y Ritmo
| Velocidad | Efecto | Uso Para |
|---|---|---|
| 0.8 | Lento, pausado | Audiolibros, meditación |
| 0.9 | Ligeramente lento | Educación, tutoriales |
| 1.0 | Normal | Propósito general |
| 1.1 | Ligeramente rápido | Comerciales, energía |
| 1.2 | Rápido | Anuncios rápidos |
# Narración lenta
belt app run infsh/kokoro-tts --input '{
"prompt": "Respira hondo. Permítete relajarte.",
"voice": "bf_emma",
"speed": 0.8
}'
Puntuación para Ritmo
Usa la puntuación para controlar el ritmo del habla:
| Puntuación | Efecto |
|---|---|
Punto . | Pausa completa |
Coma , | Pausa breve |
... | Pausa prolongada |
! | Énfasis |
? | Entonación de pregunta |
- | Pausa rápida |
belt app run infsh/kokoro-tts --input '{
"prompt": "Espera... ¿Has oído eso? Algo se acerca. ¡Algo grande!",
"voice": "am_adam"
}'
Mejores Prácticas
- Empareja la voz con el contenido - Voz profesional para negocios, casual para redes sociales
- Usa puntuación - Controla el ritmo con puntos y comas
- Mantén frases cortas - Más fáciles de generar y suenan más naturales
- Prueba diferentes voces - El mismo texto suena diferente según la voz
- Ajusta la velocidad - Un poco más lento a menudo suena más natural
- Divide contenido largo - Procesa en fragmentos para consistencia
Casos de Uso
- Locuciones - Narración de videos, comerciales
- Audiolibros - Narración de libros completos
- Podcasts - Anfitriones e invitados IA
- E-learning - Narración de cursos
- Accesibilidad - Contenido para lectores de pantalla
- IVR - Mensajes de sistemas telefónicos
- Localización de contenido - Traducir y vocalizar
Skills Relacionadas
# ElevenLabs TTS (premium, 22+ voces)
npx skills add inference-sh/skills@elevenlabs-tts
# ElevenLabs cambiador de voz (transformar grabaciones)
npx skills add inference-sh/skills@elevenlabs-voice-changer
# Todos los modelos TTS
npx skills add inference-sh/skills@text-to-speech
# Creación de podcasts
npx skills add inference-sh/skills@ai-podcast-creation
# Avatares IA
npx skills add inference-sh/skills@ai-avatar-video
# Generación de video
npx skills add inference-sh/skills@ai-video-generation
# Skill completa de la plataforma
npx skills add inference-sh/skills@infsh-cli
Explora aplicaciones de audio: belt app list --category audio