En detalle
Un sistema TTS primero normaliza el texto (desarrolla números y abreviaturas), convierte las palabras en fonemas y luego genera el sonido, bien uniendo unidades grabadas o, en los sistemas modernos, con redes neuronales que modelan directamente la forma de onda. Los navegadores web exponen las voces instaladas en el dispositivo mediante la Web Speech API, donde un script fija el texto, la voz, la velocidad y el tono.
Por qué importa
La síntesis de voz hace accesible el contenido a quienes no pueden leer una pantalla, ayuda a revisar textos de oído y mueve asistentes y sistemas de navegación. La calidad, los idiomas y las voces disponibles dependen del dispositivo y del navegador, y una voz del navegador puede diferir de una voz en la nube. Pruebe las voces de su dispositivo con la herramienta Texto a Voz.
Ejemplo
En un navegador, speechSynthesis.speak(new SpeechSynthesisUtterance("Hello")) lee la palabra en voz alta con la voz predeterminada. Fijar rate en 1,5 la acelera y pitch cambia lo aguda que suena.