Speechify ofrece una selección limitada de modelos de texto a voz. Elegir el más adecuado implica equilibrar latencia, idiomas disponibles y calidad de voz. Esta guía relaciona cada modelo con el tipo de tarea para el que mejor funciona, para que puedas decidir sin tener que probarlos todos.
Las publicaciones sobre modelos en speechify.ai profundizan en cada lanzamiento. El anuncio de Simba 3.2 explica por qué ahora es el modelo recomendado.
Para empezar a usar la API de texto a voz de Speechify, consulta nuestra guía rápida.
¿Qué modelos ofrece Speechify?
Tres familias.
- Simba 3.2
- : el modelo recomendado para inglés. Optimizado para streaming, con menor tiempo hasta el primer byte y una selección de voces en inglés. Úsalo para interfaces interactivas.
- Simba 3.0
- : el valor predeterminado de la API. Streaming nativo y soporte multilingüe: inglés, alemán, español, francés, italiano y portugués brasileño. Tiene una latencia ligeramente mayor que 3.2, pero una cobertura más amplia.
- Modelos heredados (
- simba-english
- ,
- simba-multilingual
- ): el par de modelos Simba 1.6. Se retiran en la versión 2026-09-21 de la API y dejarán de funcionar el 2026-11-21. Úsalos solo si una integración depende de una voz o un idioma anteriores, y planifica la migración cuanto antes.
¿Qué modelo es más rápido?
Simba 3.2. Está diseñado para streaming, así que el primer audio llega enseguida. Para asistentes de voz en inglés, es la mejor opción.
Simba 3.0 se le acerca, pero admite varios idiomas, lo que añade algo de latencia. Los modelos heredados son más lentos y conviene retirarlos siempre que sea posible.
¿Qué modelo cubre más idiomas?
Simba 3.0. Admite oficialmente inglés, alemán, español (España y México), francés, italiano y portugués brasileño. Indica el parámetro language en POST /v1/audio/speech para seleccionar un idioma; devolverá una voz nativa para ese idioma. El modelo heredado simba-multilingual cubre más de 30 variantes, pero se retira de la API el 2026-09-21 y dejará de funcionar el 2026-11-21.
Si tu producto está disponible en un solo idioma, Simba 3.2 destaca por velocidad y calidad. Si ofrece varios, Simba 3.0 es la opción con mejor cobertura hoy por hoy.
Consulta más información sobre los idiomas compatibles en la documentación.
¿Qué modelo suena mejor?
La calidad depende de la generación del modelo. Simba 3.2 lidera en naturalidad en inglés. Simba 3.0 mantiene un buen nivel en todos los idiomas que admite. Los modelos heredados son los más antiguos y los que suenan menos naturales.
Para casos de uso de cara al cliente, elige Simba 3.2 o Simba 3.0.
¿Cómo listar las voces disponibles?
Llama a GET /v1/voices. Filtra por tipo, idioma, género y modelo para encontrar la voz antes de sintetizar. Las publicaciones en speechify.ai muestran la estructura de la respuesta.
¿Streaming o por lotes?
Tanto Simba 3.2 como Simba 3.0 admiten streaming. Usa POST /v1/audio/stream para reproducción en vivo, POST /v1/audio/stream/with-timestamps para audio con marcas de tiempo y alineación por palabra, y POST /v1/audio/speech para generar un único archivo. La elección del modelo es independiente del modo de entrega.
Preguntas frecuentes
¿Cuál es el modelo de TTS recomendado de Speechify?
Simba 3.2. Es la opción indicada para proyectos nuevos: streaming nativo, arranque más rápido y la máxima calidad en inglés.
Simba 3.2 para inglés: streaming nativo, inicio más rápido y máxima calidad en inglés. Si la solicitud no indica model, la API usa Simba 3.0 de forma predeterminada; define model: "simba-3.2" explícitamente para activarlo.
Sí. Simba 3.0 acepta un parámetro de idioma y devuelve voces nativas para múltiples variantes. Simba 3.2 se centra en una selección de voces en inglés.
Sí. Simba 3.0 permite elegir idioma y ofrece voces nativas en inglés y seis lenguas europeas. Simba 3.2 se limita a una selección de voces en inglés.
Solo si una integración actual necesita una voz antigua concreta. Si no, migra a Simba 3.2 o Simba 3.0.
Solo mientras una integración dependa de una voz anterior específica. Se retiran de la API el 2026-09-21 y dejarán de funcionar el 2026-11-21, así que migra a Simba 3.2 o Simba 3.0 antes de esa fecha.
Elige Simba 3.2 si buscas el menor tiempo hasta el primer byte. Transmite el audio en vivo.
