Guía de diccionarios de pronunciación: corrige cualquier palabra en TTS con Eleven v4

Eleven v4 establece un nuevo estándar en la pronunciación de los modelos de Texto a Voz y gestiona abreviaturas, términos técnicos, nombres y textos en varios idiomas con más precisión que ningún modelo anterior. Aun así, cada marca tiene su propio vocabulario, desde nombres de producto únicos hasta jerga específica del sector, por lo que querrás tener control total sobre cómo suenan esas palabras.

Eleven v4 ofrece varias formas de corregir la pronunciación y te da un control preciso sobre cómo habla el modelo. Puedes crear un diccionario de pronunciación completo que se aplique a todos los guiones que escribas en la app de TTS. También puedes escribir IPA directamente en el texto para una corrección puntual. 

Aquí tienes una muestra rápida de Eleven v4 interpretando un guion repleto de términos difíciles:

Esta guía explica cómo crear y usar un diccionario de pronunciación para TTS, así como todas las estrategias complementarias que puedes usar para que tu audio suene lo más parecido posible a como lo imaginabas. 

Resumen

• Un diccionario de pronunciación es un conjunto de reglas que escribes para indicar a un modelo de Texto a Voz cómo pronunciar palabras o frases concretas.
• Las reglas de pronunciación de TTS se basan en alias, que sustituyen un texto por otro, o en fonemas, que usan una transcripción fonética.
• Eleven v4 admite reglas de fonemas e IPA en línea (Alfabeto Fonético Internacional).
• Las etiquetas de fonemas y pausas de SSML no funcionan en Eleven v4, pero puedes usar un diccionario de pronunciación o Etiquetas de Audio como alternativa en lenguaje natural.
• Puedes aplicar hasta tres diccionarios de pronunciación por solicitud mediante ElevenAPI.

¿Qué es un diccionario de pronunciación?

Un diccionario de pronunciación es una herramienta que te permite configurar exactamente cómo pronuncia determinadas palabras un modelo de Texto a Voz. Al añadir palabras o frases concretas a un diccionario de pronunciación, defines cómo sonarán cada vez que aparezcan en un guion de TTS. 

Los diccionarios de pronunciación suelen usarse para:

• Nombres de marca: Los nombres de marca son una entrada habitual en los diccionarios de pronunciación, sobre todo cuando tienen grafías únicas o poco comunes.
• Siglas: Algunas siglas tienen una forma concreta de pronunciarse. Por ejemplo, AEO debería sonar como /ˌeɪ.iːˈoʊ/ («A-E-O»), no como /eɪˈjoʊ/ («ei-yo»). Una regla fija del diccionario garantiza que el modelo lo pronuncie bien cada vez que la escribas.
• Nombres de lugares y otros nombres propios: Algunos nombres de lugares pueden sonar muy distinto de lo que imaginarías al leerlos. Worcestershire es un ejemplo famoso para el que una guía de pronunciación puede ayudar a evitar problemas.
• Términos del sector: La jerga del sector o los términos especializados de ámbitos como el médico o el jurídico pueden beneficiarse de un diccionario de pronunciación si el modelo no se ha entrenado específicamente con datos de esos sectores. 

Fuera del ámbito de Texto a Voz, los diccionarios de pronunciación suelen ser repositorios colaborativos de clips de audio de hablantes nativos, que quienes aprenden idiomas usan para escuchar cómo se pronuncian determinadas palabras.

Cómo controlar la pronunciación de TTS en Eleven v4

Eleven v4 está clasificado como el modelo de Texto a Voz de mayor calidad por Provider Voice Arena de Artificial Analysis.¹ Parte de lo que convierte a Eleven v4 en líder del mercado es la capacidad del modelo para procesar textos complejos manteniendo un resultado natural. 

Para ofrecer a usuarios la mejor experiencia posible con Eleven v4, el modelo incluye varias formas de personalizar la pronunciación y garantizar que cada resultado cumpla tus estándares de precisión. 

Así puedes controlar la pronunciación con Eleven v4:

• IPA en línea: Puedes escribir IPA en tus guiones entre barras para indicar la pronunciación sin usar el diccionario de pronunciación. En breve veremos los detalles.
• Reglas de fonemas en diccionarios: Escribe reglas basadas en fonemas en tus diccionarios de pronunciación para controlar el sonido fonético de las palabras recurrentes.
• Pronunciación fluida entre idiomas: Eleven v4 puede generar voz natural en más de 90 idiomas. Mantén la pronunciación nativa en cada idioma mientras usas la misma voz para una experiencia de identidad sonora coherente.

Así se comparan los distintos modelos TTS de ElevenLabs en cuanto al control de pronunciación:

¿Qué diferencia hay entre las reglas de alias y de fonemas en un diccionario de pronunciación?

Las reglas de pronunciación mediante alias sustituyen un texto por otro antes de que el modelo pronuncie la palabra. Esto ocurre en segundo plano cada vez que un modelo genera audio: sustituye el sonido de una palabra o frase por lo que hayas incluido en tu diccionario de pronunciación. 

Estos son algunos ejemplos de reglas de pronunciación mediante alias:

• «SaaS» se convierte en «sass»
• «UN» se convierte en «United Nations»
• «OAuth» se convierte en «oh auth»

En cambio, las reglas de fonemas proporcionan al modelo una transcripción fonética exacta para usar. Son más difíciles de crear, ya que tendrás que escribir o generar tú la transcripción IPA e introducirla en tu diccionario. Por ejemplo, «Kubernetes» se convierte en /ˌkuː.bərˈnɛt.iːz/.

Cómo corregir la pronunciación de un nombre de marca en un modelo TTS

Los nombres de marca son una de las entradas más habituales en los diccionarios de pronunciación, ya que no siempre son palabras reales. Si tu empresa ha inventado una palabra o una grafía única para tu marca, los modelos TTS pueden tener dificultades para pronunciarla correctamente, porque hay muy pocos datos de entrenamiento accesibles que incluyan esa pronunciación concreta.

Así puedes corregir la pronunciación de un nombre de marca en Eleven v4:

1. Prueba el sonido predeterminado: Abre la app de Texto a Voz y escribe el nombre de tu marca. Genera un clip y escucha cómo suena. Si hay un error de pronunciación, continúa con el siguiente paso. 
2. Prueba una regla de alias: La forma más sencilla de corregir un error en la pronunciación de una marca es crear una regla de alias. Son rápidas de escribir e intuitivas.
3. Cambia a una regla de fonemas: Si tu regla de alias no termina de funcionar, recurre al IPA. Transcribe el nombre de tu marca usando IPA y crea una regla en el diccionario de pronunciación de Texto a Voz para corregir su pronunciación.
4. Incluye todas las capitalizaciones: Asegúrate de incluir la transcripción IPA tanto para las versiones en minúsculas como en mayúsculas del nombre de tu marca, si usas ambas.
5. Usa IPA en línea para cambios puntuales: Si solo quieres una solución rápida para una generación puntual, puedes añadir el IPA directamente en tu guion en lugar de configurar una entrada en el diccionario.

Cuando hayas establecido una regla para el nombre de tu marca, estará disponible en todos los proyectos compartidos a partir de entonces, ya sea en tu agente de IA o mediante una API.

Cómo crear un diccionario de pronunciación con ElevenLabs

Puedes crear un diccionario de pronunciación añadiendo reglas en la app de Texto a Voz, subiendo un archivo .pls o mediante ElevenAPI. En esta guía veremos la primera opción, que solo requiere unos pocos pasos.

Estos son los pasos que debes seguir para crear un diccionario de pronunciación:

1. Abre el panel de diccionarios de pronunciación: En la página de Texto a Voz, haz clic en la barra de búsqueda de la parte superior, escribe «Pronunciation dictionary» y selecciona Pronunciation dictionaries en Actions.
2. Crea o elige un diccionario: Haz clic en New para crear un diccionario nuevo o selecciona uno existente en la lista de la izquierda. 
3. Añade una regla: Haz clic en Add rule para crear una nueva fila. Introduce la palabra que quieres corregir. Escribe la palabra o frase exactamente como aparece en tus guiones en el campo Input. Las reglas distinguen entre mayúsculas y minúsculas, así que usa la misma capitalización. 
4. Elige el tipo de regla: Selecciona Alias para sustituir el texto por otro, o Phoneme para introducir una transcripción IPA o CMU. 
5. Introduce la sustitución: Escribe el alias o la transcripción fonética en el campo Output. Usa el selector de voz de la parte superior del panel para escuchar la regla con la voz con la que estás trabajando. 
6. Guarda los cambios: Haz clic en Save changes en la parte inferior del panel.

Para adjuntar una guía de pronunciación a un agente o aplicar una mediante la API, consulta nuestra documentación sobre diccionarios de pronunciación.

Cómo usar IPA en Texto a Voz con Eleven v4

Para cambios pequeños o palabras poco frecuentes, no siempre tienes que crear una nueva entrada en tu diccionario de pronunciación de TTS para corregir un error. En su lugar, puedes usar IPA en línea para detallar exactamente cómo debe pronunciar una palabra el modelo.

En Eleven v4, puedes activar el IPA en línea usando barras. Como las Etiquetas de Audio, se incluyen directamente en el guion para simplificarlo todo lo posible. Estos son algunos ejemplos de IPA en Eleven v4:

• Términos técnicos: El término "/ˌbaɪoʊˈkemɪstri/" hace referencia al estudio de los procesos químicos. 
• Vocabulario médico: "/ɡluːˈkoʊs/" y "/ˈɪnsjəlɪn/" se usan habitualmente para tratar afecciones como "/ˌdaɪəˈbiːtiːz/". 
• Nombres de marcas y productos: Nuestros servidores funcionan con "/ˌɛndʒɪnˈɛks/" para gestionar picos de tráfico.

Como apunte, y para quienes no tengan formación en lingüística, un conversor de IPA te ayudará a obtener el IPA correcto a partir de una entrada en lenguaje natural para pegarlo en tu guion.

Por qué las etiquetas de fonemas SSML no funcionan en Eleven v4

Eleven v4 no admite SSML y opta por funciones más flexibles, como las Etiquetas de Audio y los diccionarios de pronunciación, que te dan más control sobre la producción final de audio. 

Cada función de SSML tiene una alternativa directa en v4:

Empieza a usar pronunciación natural de Texto a Voz con Eleven v4

Con una gama de herramientas para perfeccionar la precisión de las pronunciaciones en Eleven v4, puedes escribir guiones detallados y hacer que el modelo los interprete tal como los imaginabas.

Crea diccionarios de pronunciación en la app de Texto a Voz de ElevenLabs y aplícalos a gran escala con ElevenAPI. 

Regístrate para empezar u obtén más información sobre Eleven v4 hoy.

Preguntas frecuentes

1. ^{Artificial Analysis, Provider Voice Arena Preference Elo, 30 de septiembre de 2026}