Proveedor de voz
Elige quién genera la voz del asesor. Azure entrega los tiempos exactos de cada palabra; Qwen suena más natural y el servidor estima los tiempos para mover la boca.
Ajustes de Azure
La clave y la región se configuran en el archivo .env del servidor.
Ajustes de Qwen3-TTS-Flash
Define la voz y el idioma. La clave se guarda en el servidor y nunca vuelve al navegador.
⚠️ Solo si tu proveedor tiene el modelo
qwen3-tts-instruct-flash.
Alibaba DashScope Model Studio NO lo incluye (ni en Singapur ni en Beijing): con una
clave de DashScope esto da el error «Model not exist». Déjalo apagado y controla la
naturalidad con la voz y la puntuación (que el servidor ya ajusta).
Para que suene natural en DashScope:
Voces recomendadas (español): Ethan o Andre (hombre, naturales), Bodega (hombre español), Sonrisa o Cherry (mujer). Evita Ryan y voces marcadas como «dramáticas» o «teatrales»: suenan forzadas.
qwen3-tts-flash controla la naturalidad
con la voz (no tiene parámetros de velocidad ni tono); el servidor además ajusta precios,
unidades y puntuación para mejorar la entonación. Voces recomendadas (español): Ethan o Andre (hombre, naturales), Bodega (hombre español), Sonrisa o Cherry (mujer). Evita Ryan y voces marcadas como «dramáticas» o «teatrales»: suenan forzadas.
Voz clonada (Qwen-Audio)
Clona una voz desde un audio y contrólala con velocidad, tono y volumen. Usa tu misma clave de DashScope (configúrala en la sección Qwen).
1 · Clonar una voz nueva
Audio de 10–20 s (máx. 60 s), voz clara y continua · WAV / MP3 / M4A · ≤10 MB · ≥16 kHz.
Modelo flash: rápido y barato, el adecuado para un tótem.
3 · Parámetros
Probar la voz
Escucha una frase con los ajustes de arriba antes de guardarlos.