Sandbook

Traducido del inglés. Ver original

Kokoro TTS online, gratis y privado en tu navegador

Kokoro TTS online gratis: escribe un texto o importa un archivo EPUB, PDF, Word o de texto, elige una de las 41 voces de Kokoro en seis idiomas y escúchalo en voz alta aquí mismo. Tu texto y el audio nunca salen de tu navegador.

En resumen

¿Puedo usar Kokoro TTS online gratis?

Sí. Esta página ejecuta Kokoro-82M, el modelo de texto a voz de pesos abiertos, dentro de la pestaña de tu navegador, gratis y sin cuenta. Ofrece las 41 voces que incluye Sandbook, en inglés, español, francés, italiano, portugués de Brasil e hindi. El texto escrito admite hasta 1.500 caracteres cada vez, con descarga en WAV; un archivo EPUB, PDF, Word o de texto importado, de cualquier longitud, se abre en una vista de lectura a pantalla completa y se lee en voz alta desde cualquier frase. Tu texto y el audio nunca salen de tu navegador, porque la voz se genera en tu propio dispositivo.

Verificado por última vez el 11 de noviembre de 2026

Cómo funciona

  1. Escribe o pega tu texto, o importa un archivo: EPUB, PDF, Word (.docx), Markdown, HTML o texto sin formato.
  2. Elige un idioma y una voz. El botón de reproducir junto al selector de voz hace sonar una muestra grabada sin cargar nada.
  3. Pulsa Empezar. Tu navegador descarga el modelo Kokoro-82M una sola vez y lo guarda en su caché; a partir de ahí, todo ocurre en esta pestaña. La primera frase empieza a sonar en cuanto está lista, mientras las siguientes se generan detrás, y el resultado es un WAV para descargar.

Un archivo importado se abre y se lee en esta pestaña del navegador; no se sube nada. Se abre en una vista de lectura a pantalla completa, con los capítulos de un EPUB en el Índice. Toca cualquier frase y la herramienta lee en voz alta desde ahí; la frase que se está leyendo aparece resaltada, y puedes pausar o tocar otra en cualquier momento.

Por dentro: frases, fonemizadores y el worker en segundo plano

El modelo se ejecuta en tu propia computadora. Tu texto se divide en frases, cada frase se convierte en fonemas y el modelo convierte los fonemas en audio a 24 kHz con la voz que elegiste. La inferencia se ejecuta en un worker en segundo plano, así que la página sigue respondiendo.

El texto en inglés pasa por el fonemizador inglés propio de Kokoro, que además lee bien números, precios y horas. El español, el francés, el italiano, el portugués y el hindi pasan por eSpeak NG, el mismo fonemizador que usa Kokoro para esos idiomas, que solo se carga cuando eliges una de esas voces.

Con un archivo importado, la herramienta genera solo una o dos frases por delante de lo que escuchas, así que nunca hace falta procesar un libro entero de una vez.

El mismo motor está preparado para una sola tarea en cada una de otras cuatro páginas: leer texto en voz alta, un lector EPUB online, leer un PDF en voz alta y escuchar tu ensayo en voz alta.

Texto a voz, texto a audio: qué genera esta herramienta

Si buscabas una herramienta de texto a voz o para convertir texto a audio, es esta. Escribe o pega hasta 1.500 caracteres, elige una de las 41 voces y pulsa Generar: el texto se convierte en voz en tu navegador, y Descargar WAV lo guarda como un archivo mono a 24 kHz que abre cualquier editor de video o de audio. Si el guion es más largo de lo que cabe en una generación, genéralo por partes y une los archivos en tu editor.

Es un generador de voz IA gratis en el sentido llano de las palabras: las voces son sintéticas, no hay registro ni contador de créditos, y la licencia Apache-2.0 de Kokoro-82M permite el uso comercial. No clona una voz ni imita a una persona.

Qué esperar: WebGPU o CPU

La herramienta elige el motor por ti:

  • WebGPU (tarjeta gráfica): el modelo de precisión completa, una descarga única de 326 MB. En una laptop reciente, un párrafo de 40 palabras tarda unos 3 segundos y la primera frase suena al cabo de 1 segundo, más o menos. Chrome, Edge y Safari actuales en una computadora tienen WebGPU.
  • CPU (WebAssembly): el modelo de 8 bits, una descarga única de 92 MB, que se usa cuando WebGPU no está disponible. Va más lento que el tiempo real: cuenta con que la primera frase llegue a los 10 a 15 segundos y con 20 a 40 segundos para el mismo párrafo.
  • Teléfonos: la mayoría de los teléfonos descarga una sola vez un modelo para CPU de 163 MB; los que tienen poca memoria reciben el de 92 MB. Funciona en teléfonos recientes y va más lento que en una computadora, con pausas entre frases.

En los dos casos, la segunda visita se salta la descarga: el modelo carga desde la caché del navegador en unos segundos.

Detalles del motor: precisión del modelo, memoria en teléfonos y descargas interrumpidas
  • No hay ningún ajuste de calidad con el que equivocarse: en WebGPU la herramienta usa siempre el modelo completo, porque los modelos cuantizados más pequeños producen ahí una voz distorsionada.
  • En la CPU, la velocidad depende de tu procesador. En una computadora, calcula cerca de 1 GB de memoria en la pestaña mientras funciona.
  • Los teléfonos usan el modelo para CPU con una configuración más ligera, que le pide menos memoria al navegador y habla en fragmentos más cortos. La voz se genera más despacio de lo que se reproduce. Los navegadores en los que la pestaña se cerró mientras funcionaba el motor también reciben el modelo de 92 MB.
  • Si la descarga se interrumpe, continúa donde se quedó. Cerrar la pestaña justo después de la primera descarga puede impedir, en ocasiones, que el navegador termine de guardar la caché; en ese caso, la siguiente visita vuelve a descargar el modelo.

Seis idiomas, 41 voces

La voz decide el idioma. La herramienta ofrece las mismas 41 voces que la app Sandbook, con los nombres y las descripciones de la app:

  • Inglés: 28 voces, 20 estadounidenses y 8 británicas, entre ellas Heart, Bella, Michael, Emma y George.
  • Español: 3 voces (Dora, Alex, Santa).
  • Francés: 1 voz (Siwis).
  • Italiano: 2 voces (Sara, Nicola).
  • Portugués de Brasil: 3 voces (Dora, Alex, Santa).
  • Hindi: 4 voces (Alpha, Beta, Omega, Psi).

También están las voces beta de la app, en francés, español, italiano, portugués de Brasil, hindi e inglés británico. Cada una aparece después de las voces de su idioma, marcada con “(beta)”, y la herramienta nunca elige una por ti. El conjunto de voces beta puede cambiar entre actualizaciones.

Para escuchar una voz sin cargar nada, pulsa el botón de reproducir junto al selector de voz, o escucha todas las muestras de voz de Kokoro. La velocidad va de 0,5× a 2,0×, y una voz rápida sigue sonando como una persona que habla deprisa.

Descarga, derechos de uso y límites

  • Descarga. Cada generación de texto escrito se puede guardar como archivo WAV mono a 24 kHz. Aún no se puede exportar a MP3 ni M4A. Los documentos importados se leen en voz alta en la página y no tienen descarga de audio.
  • Derechos de uso. Kokoro-82M se publica con la licencia Apache-2.0, que permite el uso comercial. El audio que generas es tuyo; Sandbook no reclama nada sobre él.
  • Límites. Texto escrito: hasta 1500 caracteres por generación, más o menos un minuto y medio de voz. Archivos importados: de cualquier longitud; no se pueden leer los PDF escaneados (sin capa de texto) ni los libros protegidos con DRM.
  • Teléfonos. La herramienta funciona mejor en una computadora. También funciona en teléfonos recientes, más despacio, y a un teléfono antiguo puede no alcanzarle la memoria; cuando eso parece probable, la herramienta lo avisa antes de descargar. La lectura se detiene cuando el teléfono se bloquea o la pestaña pasa a segundo plano.
  • Privacidad. Tu texto y el audio nunca salen de tu navegador. Un archivo que importas se abre en tu dispositivo y no se sube. Los únicos archivos que descarga la herramienta son el modelo, la voz que eliges, para las voces que no son en inglés el fonemizador, y el lector del tipo de archivo que importas.
Créditos y licencias del software de código abierto

La herramienta está hecha con software de código abierto: Kokoro-82M (Apache-2.0), ONNX Runtime Web (MIT), Transformers.js (Apache-2.0), kokoro-js (Apache-2.0), eSpeak NG (GPL-3.0), PDF.js (Apache-2.0) y fflate (MIT). Siwis y las voces beta en francés se basan en el corpus de voz francés SIWIS (CC BY 4.0).

¿Lo quieres sin conexión en el iPhone?

Esta página es una demostración del modelo. Sandbook es la app: ejecuta el mismo modelo Kokoro-82M en iPhone, iPad y Mac, totalmente sin conexión, con las 41 voces y sin límite de longitud. Lee en voz alta libros EPUB y PDF (también los escaneados, que esta página no puede leer), páginas web y (en iPhone y iPad) escaneos con la cámara, resalta cada palabra mientras la lee, recuerda dónde lo dejaste y exporta un capítulo o un libro entero como un solo archivo M4A. Gratis, sin cuenta y sin nada que comprar. Necesita un iPhone XS, iPhone XR o posterior con iOS 18.2, o un Mac con chip de Apple (M1 o posterior) y macOS 15.2.

iPhone, iPad y Mac · Gratis, sin compras dentro de la app

Preguntas sobre Kokoro TTS online

¿Esta herramienta de Kokoro TTS online es gratis de verdad?

Sí. No hay cuenta, ni registro, ni límite de generaciones. Cada generación de texto escrito admite hasta 1.500 caracteres, y puedes hacer todas las que quieras; los archivos importados no tienen límite de longitud. No cuesta nada porque el modelo se ejecuta en tu propio dispositivo, no en un servidor.

¿Puede leer en voz alta un archivo EPUB, PDF o Word?

Sí. Pulsa Importar un archivo, o suelta el archivo sobre la herramienta, y elige un EPUB, un PDF, un documento de Word (.docx) o un archivo Markdown, HTML o de texto sin formato. Se abre en tu navegador, nunca se sube, y se muestra en una vista de lectura a pantalla completa: toca una frase y la lectura empieza ahí, así que sirve incluso para un libro entero. No puede leer los PDF escaneados sin capa de texto ni los libros protegidos con DRM, y los documentos completos no tienen descarga de audio.

¿Es un generador de voz IA que convierte texto a audio en un archivo descargable?

Sí. El texto escrito o pegado, hasta 1.500 caracteres por generación, se convierte de texto a voz con una de las 41 voces, y cada resultado se descarga como archivo de audio WAV a 24 kHz. No hay registro ni límite en el número de archivos. WAV es el único formato de descarga, y la herramienta no clona voces.

¿Puedo usar con fines comerciales el audio que genero?

Kokoro-82M se publica con la licencia Apache-2.0, que permite el uso comercial. Sandbook no reclama ningún derecho sobre el audio que creas aquí: descarga el WAV y úsalo en un video, un curso o un producto. Las voces son sintéticas, así que no interviene la voz de ninguna persona real.

¿Por qué va lento en mi computadora?

Sin WebGPU, la herramienta ejecuta un modelo de 92 MB en la CPU mediante WebAssembly, que va más lento que el tiempo real: entre 20 y 40 segundos, aproximadamente, para un párrafo de 40 palabras en una laptop rápida, y la primera frase suena al cabo de 10 a 15 segundos. Un navegador con WebGPU, como un Chrome o un Edge actual en una computadora, usa el modelo completo en la tarjeta gráfica y genera el mismo párrafo en unos 3 segundos.

¿Funciona en iPhone o Android?

Sí, en teléfonos recientes, pero más despacio que en una computadora. La mayoría de los teléfonos descarga una sola vez un modelo para CPU de 163 MB (el navegador lo guarda para las visitas siguientes) y lo ejecuta con una configuración más ligera; los teléfonos con poca memoria, y los navegadores en los que la pestaña se cerró mientras funcionaba el motor de voz, reciben el modelo más pequeño, de 92 MB. En ambos casos, la voz se genera más despacio de lo que se reproduce, así que cuenta con una espera antes de la primera frase y con pausas entre frases. Mantén la pantalla encendida y la pestaña en primer plano mientras trabaja. A un teléfono antiguo puede no alcanzarle la memoria: cuando eso parece probable, la herramienta lo avisa antes de descargar nada y te deja probar de todos modos o escuchar las muestras grabadas. En iPhone y iPad, la app gratuita Sandbook ejecuta el mismo modelo de forma nativa, más rápido y sin conexión.

¿Funciona sin conexión?

En parte. Después de la primera carga, los archivos del modelo quedan en la caché del navegador, y la voz se genera en la pestaña sin ningún servidor de por medio. Abrir la propia página sigue necesitando conexión. Para tener Kokoro TTS totalmente sin conexión en iPhone, iPad o Mac, usa la app Sandbook, que lleva el modelo incluido.

Fuentes

  1. Ficha del modelo Kokoro-82M (hexgrad), con su lista de voces — Hugging Face · consultado el 11 de noviembre de 2026
  2. Licencia Apache 2.0, con la que se publica Kokoro-82M — apache.org · consultado el 11 de noviembre de 2026