Cómo pasar tu contenido a audio sin montar un estudio

TL;DR. El audio dejó de ser un formato secundario hace tiempo: en 2026, el 58 % de los estadounidenses ya escucha podcasts cada mes y en España el interés por el podcast ha subido un 14 % en un año. Studio incluye Convertir a audio en el editor, en cada tarjeta de red social adaptada y en la API pública, para que ese contenido que ya has escrito pase a audio natural sin salir de la app. Guía práctica de cuándo usarlo, qué formato elegir y qué esperar del resultado.

Imagina esto. Acabas de publicar un artículo largo que te ha llevado tres tardes. Lo compartes en LinkedIn, en el newsletter, en X. Y sin embargo tu cliente ideal no lo lee: escucha. En el coche, cocinando, entrenando. La única forma de llegar a él con ese contenido sería tenerlo en audio, y hasta hace poco eso significaba grabarlo tú, contratar un locutor o pelearte con un editor de audio que ni ganas.

Los números del audio digital han dejado de ser un caso de nicho. Según el Infinite Dial 2026 de Edison Research, el 58 % de los estadounidenses de 12 años o más escucha podcasts cada mes, un récord absoluto, y el 81 % ha consumido audio online en el último mes (unos 233 millones de personas). En España, el Reuters Institute Digital News Report 2026 documenta un crecimiento del 14 % año contra año en el interés por el podcast. El formato que hasta hace nada era una rareza ya no lo es.

Ahí encaja Convertir a audio dentro de Studio. Este artículo va de cómo funciona, cuándo tiene sentido usarlo, qué formato elegir y qué esperar del resultado. Y también qué NO va a hacer por ti, porque hay cosas que un motor de voz no puede resolver por muy bien afinado que esté.

El audio dejó de ser un extra hace tiempo

Hay un patrón que se ve cada vez más en cualquier equipo de contenido pequeño: el mismo texto tiene que vivir en cinco sitios distintos. El artículo en el blog, la publicación en LinkedIn, la adaptación en Instagram, el email a la lista de suscriptores, la ficha del producto. Y encima, cada vez más, el audio: el episodio corto para redes, la pista de voz para el reel, la versión escuchable para quien no tiene tiempo de leer.

El problema es que el audio, tradicionalmente, salía caro. No en dinero. En fricción. Grabarte a ti mismo pide un micrófono decente, una sala sin eco, tres tomas y una tarde en un editor para quitar pausas y arreglar el "ehhh" del minuto seis. Contratar un locutor pide brief, precio, tiempo, revisiones. Y usar una herramienta externa de text-to-speech pide otra cuenta, otro precio, otro flujo, y encima subir a mano un texto que ya tenías en Studio.

Lo que hace Convertir a audio es cerrar ese hueco. El contenido que ya has escrito, generado o adaptado dentro de Studio se convierte a audio sin salir de la app, sin dar de alta nada nuevo, sin abrir otra pestaña. El botón está donde el texto está.

Un ejemplo concreto para bajarlo al día a día. Una consultora de marketing publica cada quince días un artículo largo sobre estrategia B2B. Ese artículo lo lee un porcentaje pequeño de su lista. Pero si ese mismo artículo tiene una versión en audio de doce minutos, sus lectores más ocupados, los que van en coche a reuniones, lo escuchan mientras conducen y le contestan por WhatsApp al llegar. El texto sigue siendo el mismo. El alcance real cambia entero.

Convertir a audio en Studio: qué es y qué no es

Antes de entrar en el detalle, conviene despejar dudas de arranque para que quede claro qué estás usando cuando pulsas el botón.

Qué es. Una función integrada en Studio que convierte cualquier texto (escrito por ti, generado con el motor o adaptado a red social) en audio natural. El motor interno se llama ApisDom Speak y vive dentro del ecosistema de ApisDom. No es un servicio externo con el que tengas que registrarte aparte. Se cobra con los créditos que ya usas para generar y adaptar contenido: nada nuevo que comprar, nada nuevo que aprender.

Qué NO es. Deliberadamente. No es un editor de audio: no vas a cortar pistas, mezclar música ni añadir efectos aquí dentro. No es una herramienta de doblaje emocional con actor virtual: las voces son naturales y estables, no interpretan un personaje con intensidad dramática ajustable. No es un clonador de voz personal: no vas a subir 30 segundos tuyos para que Studio te imite. Y no es un editor de vídeo: si necesitas montar el audio con imagen y música, descargas el fichero y lo llevas a tu editor favorito.

Esa contención es a propósito. El foco es que el paso "de texto a audio" salga bien y sea barato de operar. Todo lo demás (mezcla, imagen, edición fina) queda para las herramientas hechas específicamente para eso.

Los tres sitios donde aparece el botón

Lo primero que sorprende a quien lo abre por primera vez es que el botón Convertir a audio está donde el texto ya está, no en una pantalla aparte. Son tres puntos de aparición:

En el editor libre (/editor/new). Cuando escribes o pegas texto propio directamente en el editor sin haber pasado por el motor de generación. Sirve, por ejemplo, para pasar a audio un borrador que traes de fuera, unas notas de reunión, un email largo o un artículo publicado hace tiempo del que quieres una versión escuchable.

En el editor de contenido generado con el motor (/editor/[id]). Cuando acabas de generar un artículo con Studio y estás revisándolo o editándolo. Sirve para el flujo más natural: "acabo de terminar este artículo y quiero su versión audio de una vez".

En cada tarjeta de adaptación a red social. Si adaptas un artículo para Facebook, Instagram, X, LinkedIn, TikTok, YouTube o Pinterest, cada tarjeta lleva su propio botón. Sirve para generar audio específico de esa red: por ejemplo, la pista de voz para un reel de Instagram distinta de la de un vídeo de TikTok, porque el texto adaptado es distinto en cada una.

Tres perfiles reales para verlo:

Una cafetería de barrio publica un carrusel semanal en Instagram sobre el origen de sus cafés. Adapta el texto largo del blog a Instagram desde Studio y, en la tarjeta de esa adaptación, pulsa Convertir a audio. Ese audio es la voz en off de los reels que sube durante la semana, sin volver a escribir el guion.

Un consultor B2B genera cada quince días un artículo con Studio sobre gestión de equipos remotos. En el mismo editor donde revisa el borrador, pulsa Convertir a audio y publica esa versión como episodio corto en su newsletter para los suscriptores que prefieren escuchar antes de leer.

Una tienda online de suplementos deportivos escribe un post educativo largo (2.500 palabras) sobre proteínas vegetales. Adapta el post a YouTube desde Studio, y en la tarjeta de YouTube pulsa Convertir a audio para tener directamente el guion locutado del vídeo que va a montar esa tarde.

El botón NO ejecuta nada si el texto está vacío. Si pulsas antes de tener contenido, Studio te avisa con un mensaje: "Escribe, pega o genera contenido antes de convertirlo a audio". Es un fusible sencillo para que nadie pague por convertir aire.

¿Prefieres verlo funcionando? En este tutorial completo de Studio puedes ver todo el recorrido: generar un artículo, adaptarlo a redes y convertirlo en audio. La demostración del audio comienza en el minuto 3:25.

Los cinco formatos de texto: qué elegir según lo que vayas a publicar

Aquí es donde Studio va más allá del típico "leer el texto tal cual". El motor puede procesar el texto de cinco formas distintas antes de locutarlo. Elegir bien te ahorra ediciones posteriores.

Literal. El motor lee el texto EXACTAMENTE como lo has escrito, sin cambiar ni una coma. Sirve cuando ya has trabajado el texto para que suene bien leído en voz alta: un guion pulido, una carta cuidada, una respuesta que quieres publicar sin retoques. Es también el formato ideal si tu marca tiene un tono muy específico que no quieres que ninguna capa intermedia altere.

Resumen. El motor resume el texto de forma fiel antes de leerlo. Sirve cuando tu contenido original es largo (un artículo de 3.000 palabras, una guía de 5.000) y quieres una versión escuchable de 3-4 minutos para redes o newsletter. Estás publicando el mismo mensaje, solo que compactado.

Guion podcast. El motor reescribe el texto con formato conversacional, tipo episodio. Frases más cortas, transiciones habladas, tono directo. Sirve cuando quieres que el audio suene a podcast, no a artículo leído. Un artículo formal escrito para lectura se transforma en algo que se puede escuchar sin sentir que te están recitando un manual.

Clips. El motor extrae piezas cortas independientes del texto. Sirve cuando quieres varios trozos breves para publicar por separado: una serie de audios cortos para X, tres micro-episodios para stories de Instagram, cinco "píldoras" para Reels. En vez de un audio largo, sales con varios audios autónomos.

Traducción. El motor traduce el texto al idioma que le indiques y locuta la traducción. Sirve cuando tienes contenido en español y quieres su versión en inglés (o al revés), pero directamente en audio, sin pasar por traducir aparte. Un solo paso: texto → audio en otro idioma.

Un caso real que combina dos formatos. Tienes un artículo de 2.000 palabras en el blog. Para el newsletter, usas "Resumen" y sale un audio de 3 minutos con lo esencial. Para el podcast propio, usas "Guion podcast" del mismo artículo y sale un episodio de 12 minutos con tono hablado. Para Instagram, adaptas el texto a Instagram y usas "Clips" del texto adaptado, y salen 4 micro-audios de 30 segundos cada uno. Mismo artículo, tres formatos, tres canales, sin volver a escribir nada.

Tres formatos de audio, tres destinos

El formato del audio que sale por el otro lado también lo eliges tú. Hay tres, y cada uno tiene su hueco.

MP3. El universal. Lo abre cualquier reproductor, cualquier smartphone, cualquier plataforma. Pesa poco. Es la opción por defecto y la que resuelve el 90 % de los casos: subirlo a Spotify, a Anchor, a WhatsApp, a un correo, a una web. Si dudas, MP3.

OGG. Óptimo para web. Pesa aún menos que el MP3 y suena bien en navegador. Es el formato que eliges cuando el audio va embebido en tu propio sitio, en una app o en un player HTML5 y quieres que cargue rápido incluso en conexiones lentas.

WAV (linear16, PCM sin comprimir con cabecera WAV). El formato para editar. Es más grande porque no está comprimido, pero mantiene la calidad íntegra para llevarlo a Audacity, Adobe Audition o Reaper y mezclarlo con música de fondo, efectos, cortes o normalización. Si tu audio pasa por edición posterior, esta es la elección.

La voz: catálogo curado y prueba gratis antes de pagar

Antes de convertir cualquier texto, eliges idioma y voz. El desplegable de voces se rellena con lo que Studio tiene curado para ese idioma. Cada voz aparece con una etiqueta humana ("Paco", "María", "Ana", según lo que el admin del motor haya decidido publicar), no con el nombre técnico interno.

Al lado del desplegable hay un botón: Escuchar muestra. Pulsarlo genera una frase corta con la voz seleccionada y la reproduce en el modal. Esa muestra no cuesta créditos. Puedes probar dos, tres, las que haya, antes de decidir cuál te encaja para el proyecto. Consejo práctico: no elijas la primera por defecto. Escucha al menos dos, porque el mismo texto suena distinto según la voz y a veces la que menos esperas es la que mejor cuadra con lo que quieres publicar.

Cuando cambias de idioma en el desplegable, el catálogo de voces se recalcula: las voces disponibles para español son distintas de las de inglés. En esta primera entrega, Studio expone dos idiomas: español (España) e inglés (Estados Unidos). El catálogo del motor irá creciendo con el tiempo, y Studio los añadirá al desplegable a medida que se estabilicen.

Créditos y transparencia

Uno de los principios que Studio no rompe: el usuario ve el precio antes de pagar. Con la voz es igual.

La regla de coste es simple y única: 2 créditos por cada bloque de hasta 300 palabras. Tabla completa:

Mientras escribes o pegas texto en el modal, el coste aparece en vivo en pantalla: no hay que "pulsar Estimar" ni hacer clic en nada; el número se actualiza según cambia el texto. Si eliminas un párrafo, el coste baja al instante. Si añades otro, sube.

Los créditos son los mismos que ya usas para generar y adaptar contenido en Studio. No hay bolsa aparte para voz. Si tienes 40 créditos disponibles, esos 40 sirven igual para generar un artículo, para adaptarlo a tres redes o para pasar el texto a audio. Es un único saldo, y el usuario decide cómo repartirlo.

Si el motor falla, los créditos vuelven a tu bolsa. Studio no cobra por audios que no salieron.

Esto no es una promesa de marketing. Es una regla implementada: si la conversión termina en error del lado del motor, Studio devuelve automáticamente los créditos reservados a tu saldo, sin que tengas que abrir un ticket ni pedir nada. Queda registrado en tu historial de reembolsos por si algún día quieres consultarlo.

El historial es tu podcast en construcción

Cada audio que generas queda automáticamente en tu historial de contenidos de Studio, mezclado con los artículos escritos y las adaptaciones a redes. En la tarjeta ves el título, la fecha, el número de palabras del texto original, la voz usada, el idioma y los créditos que costó; y, justo debajo, cuánto le queda antes de caducar.

La caducidad es 60 días desde la creación. Pasado ese plazo, Studio borra el audio automáticamente. Es tiempo más que suficiente para descargar y guardar donde quieras (tu disco, tu Google Drive, tu plataforma de podcast) el material que te interese conservar. La descarga es directa desde la propia tarjeta del historial, sin salir de Studio.

Ese diseño responde a una idea sencilla: Studio no es tu biblioteca a largo plazo, es tu banco de trabajo. Guarda lo suficiente para que puedas rescatar cualquier cosa las semanas siguientes, pero no acumula archivos indefinidamente. Si tu podcast necesita almacenamiento permanente, esos ficheros viven mejor en el sitio pensado para eso: tu propio hosting de podcast, tu drive, tu servidor.

Para desarrolladores: la misma capacidad por API

Si en vez de usar Studio a mano prefieres integrar la conversión a audio en tu propio flujo (tu CMS, tu pipeline editorial, tu automatización), la misma capacidad está expuesta como API pública dentro de Studio Developers.

Hay tres endpoints:

• POST /api/v1/voice/estimate: calcula cuántos créditos costaría una conversión sin ejecutarla. Es idempotente y gratis. Sirve para mostrarle al usuario de tu app el precio antes de que confirme, o para validar en tu backend que la operación cabe en el saldo.

• POST /api/v1/voice: ejecuta la conversión y devuelve el audio junto con el id del job y el audioUrl para descargarlo. Cobra los créditos al terminar con éxito y los devuelve si falla del lado del motor, exactamente igual que la versión interna del producto.

• GET /api/v1/voice/voices: devuelve el catálogo curado de voces disponibles para un idioma dado. Se llama antes de convertir para que tu aplicación sepa qué opciones ofrecer a su usuario.

La autenticación es por API key de Studio (sk_studio_...) y los créditos se descuentan del mismo saldo del propietario de la clave.

Casos donde tiene sentido usar la API en lugar de la UI de Studio: automatizar la generación de audio de todos los posts publicados en tu CMS cada semana, montar un pipeline que convierta cada newsletter enviada en episodio de podcast, o construir dentro de tu propia aplicación un flujo "genera → adapta → convierte a audio" completo sin que el usuario final salga.

En Studio Developers están los ejemplos completos en cURL, JavaScript y Python con el detalle de cada parámetro, cada respuesta y cada código de error. Este artículo no los reproduce porque duplicar lo que ya está allí no aporta valor a nadie.

Para cerrar

La razón para tener Convertir a audio dentro de Studio no es sumar una función más. Es que el contenido de una empresa pequeña ya vive en demasiados sitios como para exigirle al que lo produce que además abra otra herramienta para completar el trabajo. Si el texto está en Studio, el audio también debería estar en Studio. Un solo botón, un solo saldo, un solo historial. El resto (dónde publicas, cómo lo distribuyes, con qué edición) sigue siendo tuyo y depende de tu estrategia.

Y una advertencia honesta antes de terminar. Un motor de voz, por bueno que sea, no reemplaza a un locutor humano que aporta interpretación, respiración y decisiones creativas. Si tu marca depende de una voz que emociona en un anuncio de 30 segundos, contrata a esa persona. Si tu marca depende de publicar mucho contenido escrito y necesitas su versión audio de forma eficiente y sostenible, Studio es exactamente para eso.

La voz que llega es la que se produce. Y la que no se produce nunca llega.

Ir al editor y probar

Preguntas frecuentes

¿El audio suena a robot?

No al nivel de los TTS de hace cinco años, pero tampoco es una interpretación humana. Es voz natural neutra, clara, sin acento marcado. Suena a locución profesional sencilla, del estilo de una audioguía o de un narrador de podcast informativo. Antes de generar cualquier audio, escucha la muestra gratis en el modal: te ahorra sorpresas.

¿Puedo usar el audio para mi podcast comercial o en YouTube?

Sí. El audio que generas es tuyo y puedes usarlo en cualquier canal (tu podcast, tu canal de YouTube, tu web, un cliente) sin límite de plataforma. Studio no reclama derechos sobre lo que se genera con tus créditos.

¿Qué pasa si no me gusta la voz que elegí después de generar?

El audio ya generado es el que es. Puedes generar otro con voz distinta pagando el mismo coste otra vez. Eso sí, cuesta créditos porque cada generación es un trabajo del motor. Por eso conviene escuchar la muestra gratis antes: te ahorras pagar dos veces.

¿Cuánto tarda una conversión?

Depende de la longitud del texto y del formato pedido. Un texto de 500 palabras en formato "literal" y audio MP3 se resuelve en pocos segundos. Un texto largo con formato "guion podcast" y audio WAV puede tardar más, porque hay más trabajo detrás. En el modal se ve un indicador de carga hasta que el audio está listo.

¿Cómo integro el audio con mi web?

Descarga el fichero en el formato que necesites desde la tarjeta del historial, súbelo a tu hosting o CDN y enlázalo con la etiqueta <audio> estándar. Si generas para web, el formato OGG carga más rápido; para máxima compatibilidad, MP3.

Fuentes