Respuesta corta: el texto a voz permite escuchar una página en vez de leerla. El navegador puede leer el texto con su propia voz, o puedes generar un archivo de audio y añadir un reproductor. En los dos casos, el audio solo debe empezar cuando la persona pulse reproducir, y el archivo solo debe cargarse entonces.
Qué es el texto a voz en una web
El texto a voz convierte el texto escrito en audio hablado, para que quien visita pueda escuchar una página en vez de leerla.
El navegador puede hacerlo por su cuenta. MDN describe la interfaz SpeechSynthesis de la Web Speech API como el controlador del servicio de voz: puede listar las voces disponibles en el dispositivo y empezar y pausar la lectura.
La otra vía es un archivo de audio. Generas el audio una vez, lo alojas y lo reproduces con el elemento audio de HTML, que según MDN sirve para incrustar contenido de sonido en una página. Con su atributo controls, el navegador muestra controles de volumen, de avance y de pausa.
| Qué cambia | Voz del navegador | Archivo de audio |
|---|---|---|
| De dónde sale la voz | De las voces disponibles en el dispositivo de quien visita | De un archivo que generas una vez y alojas |
| La misma voz para todos | No, depende del dispositivo | Sí |
| Qué descarga quien visita | Ningún archivo de audio | El archivo, que puede esperar a que pulse reproducir |
| Revisar la pronunciación | Solo en los dispositivos que pruebes | Una vez, antes de publicar |
A partir de las páginas de MDN sobre el elemento audio y la interfaz SpeechSynthesis, consultadas el 4 de noviembre de 2026.
Deja que quien visita inicie el audio
MDN advierte que los sitios que reproducen audio automáticamente pueden ser una experiencia desagradable, y que se debe evitar siempre que sea posible. Si necesitas ofrecer la reproducción automática, dice que sea opcional.
Los navegadores imponen buena parte de esto. Chrome siempre permite la reproducción automática sin sonido, pero con sonido solo la permite en algunos casos, como después de que la persona haga clic o toque en el sitio.
Las pautas de accesibilidad coinciden. WCAG pide que cualquier audio que suene solo durante más de 3 segundos se pueda pausar o detener, o tenga su propio control de volumen. El W3C anima a que el sonido empiece solo por una acción de quien visita.
Cómo añadir una versión en audio a una página
- Elige entre la voz del navegador y un archivo de audio que generes tú.
- Haz el audio a partir del texto final, después de la última corrección.
- Apunta los nombres, siglas, números y horas que la voz puede leer mal, y escríbelos como se dicen en el texto hablado.
- Escucha el resultado, o transcríbelo y compáralo con la página.
- Añade un reproductor con controles de reproducir, pausa, posición y velocidad.
- Carga el archivo de audio solo cuando la persona pulse reproducir.
- Deja el texto completo en la página como transcripción.
Nuestra guía del verificador de accesibilidad web explica cómo revisar el resto de la página. Nuestra guía de la carga diferida de imágenes aplica a las imágenes la misma idea de cargar solo lo que hace falta.
Cómo añadimos audio a nuestras guías
A la 1:37 PM del 4 de noviembre de 2026, 172 de nuestras 173 guías publicadas en cada idioma tenían versión en audio. Hacemos cada una a partir del texto final con una voz de texto a voz, un MP3 por idioma.
Los archivos en inglés duran entre 4 y 16 minutos, con una mediana de unos 5 minutos y medio. La versión en español es más larga en las 172 parejas, por lo general un 17%. A 64 kbps, el archivo mediano pesa 2.59 MB en inglés y 3.05 MB en español.
Nuestro reproductor no pide el MP3 al abrir la página: añade el archivo la primera vez que alguien pulsa reproducir. Lo probamos con el navegador en una guía de cada idioma: la página no pidió el archivo de audio hasta que pulsamos reproducir, y lo pidió una vez al pulsarlo.
Antes de publicar, transcribimos el audio y lo comparamos con el texto. En una guía en español, así vimos que la voz leía «200 un segundo» como 201, y cambiamos cómo se dice esa frase.
Antes de añadir audio a una página
- El audio solo empieza cuando la persona pulsa reproducir.
- El archivo solo se carga entonces.
- El reproductor tiene controles de pausa, posición y velocidad.
- La voz dice bien los nombres, números y siglas.
- El audio coincide con el texto final.
- El texto completo sigue en la página.
RecuerdaEl audio es algo que elige quien visita. No lo hagas sonar solo, y no hagas que se descargue antes de que la persona pulse reproducir.
Las versiones en audio como estas son parte de nuestro servicio de diseño web.
Respuestas rápidas sobre el texto a voz en una web
¿Cómo añado texto a voz a mi web?
Deja que el navegador de quien visita lea el texto con la Web Speech API. O genera un archivo de audio y reprodúcelo con el elemento audio de HTML y un botón de reproducir. En los dos casos, el audio solo debe empezar cuando la persona pulse reproducir.
¿El audio debe sonar solo al abrir una web?
No. MDN dice que los sitios que reproducen audio automáticamente pueden ser una experiencia desagradable y que se debe evitar siempre que sea posible. Chrome solo permite la reproducción automática con sonido en algunos casos, como después de que la persona haga clic o toque en el sitio.
¿Una versión en audio hace más lenta la página?
No, si el archivo solo se carga cuando la persona pulsa reproducir. El atributo preload del elemento audio, con el valor none, le indica al navegador que no precargue el audio. Nuestro reproductor va más allá y añade el archivo con el primer clic.
¿La voz del navegador suena igual para todos?
No. La Web Speech API trabaja con las voces disponibles en el dispositivo de quien visita, así que la voz cambia de un dispositivo a otro. Un archivo de audio que generas tú suena igual para todos.
¿Sigo necesitando el texto si la página tiene audio?
Sí. MDN dice que el audio con diálogo hablado debe ofrecer transcripciones que describan con precisión su contenido, y el texto de la página sirve como transcripción. Además permite leer por encima y encontrar la parte que se busca.
Fuentes
Consultadas el 4 de noviembre de 2026. MDN: <audio>: elemento HTML para incrustar audio, y en inglés SpeechSynthesis. Chrome for Developers, en inglés: Autoplay policy in Chrome. W3C, en inglés: Understanding SC 1.4.2. Nuestro caso: las versiones en audio de nuestras guías publicadas y una prueba de nuestro reproductor con el navegador, el 4 de noviembre de 2026.