¿Alguna vez te has topado con un informe o un borrador largo y deseaste poder simplemente escuchar en lugar de leer páginas enteras? ¿O quizás intentas detectar esos errores tipográficos mientras haces otra cosa? La última integración de Gemini AI de Google en Google Docs podría ser justo lo que necesitas. Se trata de una función integrada de texto a voz que transforma tus palabras en un audio con un sonido natural. Sinceramente, hace que editar y revisar sea mucho menos aburrido; además, mejora la accesibilidad para quienes procesan mejor la información escuchando. Ya seas un estudiante con varias tareas, un profesional revisando contenido o un creador de contenido ajustando guiones, esta nueva función es una adición muy útil.
Cómo usar la reproducción de audio de Gemini en Google Docs
Ponerlo en funcionamiento no es muy complicado, pero tiene algunas peculiaridades. A continuación, te explicamos cómo hacerlo:
Abre tu documento y prepárate para escuchar
- Primero, abre Google Docs en tu navegador y carga el archivo. La función de texto a voz solo funciona si hay texto para leer, así que no se permiten documentos vacíos.
- Asegúrate de que tu navegador esté actualizado y de haber iniciado sesión en tu cuenta de Google. En algunas configuraciones, puede que sea necesario habilitar los permisos de micrófono o audio para obtener mejores resultados.
Activa el reproductor de audio: donde comienza la magia
- Vaya a Herramientas > Audio > Escuchar esta pestaña. Si no lo ve, compruebe si tiene las últimas actualizaciones de Google Docs o intente actualizar la página. También podría encontrar un botón dedicado a “Escuchar esta pestaña” en la barra de herramientas; depende de su diseño.
- Una vez activado, aparecerá un reproductor de audio flotante en la pantalla. Este es el que usarás para controlar la reproducción.
Controla la reproducción y personaliza tu escucha
- El reproductor te permite presionar reproducir, pausar, desplazarte por el texto (haciendo clic o arrastrando) y ajustar la velocidad, para que puedas escuchar más rápido si es necesario.
- En cuanto a la voz, puedes elegir entre diferentes perfiles como Narrador, Educador, Profesor, Persuasor, Explicador, Coach y Motivador. No sé por qué funciona, pero cambiar de voz a veces ayuda a mantener la información fresca o a facilitar la comprensión.
Mueva el reproductor para un acceso más fácil
Arrastra el ícono flotante para que no te moleste, pero siga accesible. En algunas máquinas, los controles pueden ser un poco rígidos o no estar perfectamente sincronizados; es extraño, pero así es cualquier función experimental. Muestra la duración total y el progreso actual, así que puedes pausar y retomar justo donde lo dejaste.
Incorporación de botones y chips de audio para la colaboración
Una de las últimas actualizaciones más interesantes es la capacidad de integrar reproducción de audio directamente en documentos compartidos, lo que supone muchas maneras de hacer la vida más sencilla para los compañeros de equipo o de clase:
- Insertar botones de audio : Ve a Insertar > Botones de audio > Escuchar esta pestaña. Puedes personalizar el tamaño, la etiqueta y el color de los botones, ideal para resaltar secciones o instrucciones importantes. Ahora, al hacer clic, se escuchará el texto seleccionado sin tener que navegar por los menús.
- Insertar chips de audio : Resalte el texto que desee, escriba @ y seleccione “Escuchar esta pestaña”.¡Listo! Ahora hay un chip interactivo que, al hacer clic, reproduce solo esa sección. Muy práctico durante las revisiones en equipo o las sesiones de edición colaborativa.
Esto agiliza mucho la colaboración, especialmente al revisar informes o guiones extensos. Se acabó el desplazamiento sin fin: simplemente haz clic, escucha y continúa. En mi experiencia, a veces presenta algunos fallos si tu conexión a internet es inestable, pero suele funcionar tras una actualización o una recarga rápida de la página.
Cómo funciona realmente el texto a voz de Gemini
Sinceramente, el TTS de Gemini es bastante impresionante. Utiliza modelos avanzados de texto a voz con numerosas opciones de voz, por lo que el audio no es monótono, sino expresivo, y puedes ajustar el ritmo y el tono. Esto ayuda a detectar errores o frases extrañas que se te escapan al leer en silencio. Especialmente en documentos extensos, escuchar puede revelar información que nunca viste.
Para desarrolladores y usuarios avanzados, el repositorio de GitHub de Gemini : Winhance y la compatibilidad con API permiten configuraciones multiplataforma, SSML (marcado de voz) e incluso indicaciones personalizadas. En resumen, es lo suficientemente flexible para todo tipo de usos creativos y empresariales, como podcasts, audiolibros o guiones de atención al cliente.
Disponibilidad del plan e idiomas admitidos
Actualmente, la reproducción de audio de Gemini es principalmente una función web en inglés. Aún no hay compatibilidad con varios idiomas, pero Google parece estar trabajando en ello. Está incluida en varios planes de Google Workspace, como AI Pro, AI Ultra, Business Standard, Business Plus y algunos planes Enterprise o Education con opciones de Gemini. Por lo tanto, si tu organización ya tiene acceso, probablemente estés listo para empezar.
Otras opciones: API y herramientas de terceros
Si buscas más control o mejores voces, existen alternativas:
- API de Gemini : Los desarrolladores pueden integrar Gemini TTS en sus aplicaciones con voces personalizadas, compatibilidad con varios idiomas y mucho más. Resulta especialmente útil si desean automatizar la creación de audio para un proyecto grande.
- Google Cloud Text-to-Speech : ofrece cientos de voces en docenas de idiomas, perfecto para proyectos a gran escala o en cualquier lugar donde necesite más diversidad de voces y estilos.
Estas opciones son bastante sólidas si estás haciendo cosas más allá de solo Docs, como crear tus propios podcasts, audiolibros o experiencias de clientes.
Resumen
¿Google por fin añade las funciones de audio de Gemini AI a Documentos al leer o revisar documentos? Sí, es un punto de inflexión para la multitarea y la accesibilidad. Aunque todavía se está implementando y tiene algunos errores, en general funciona mejor de lo esperado. Esperemos que las futuras actualizaciones incorporen más idiomas, voces y opciones de personalización, pero por ahora, es un gran avance.
Resumen
- Abra su documento de Google y asegúrese de que el texto esté presente.
- Active el reproductor de audio flotante a través de Herramientas > Audio > Escuchar esta pestaña.
- Controla la reproducción, cambia las voces y mueve el reproductor por la pantalla.
- Incorpore clips de audio en documentos compartidos para facilitar la colaboración.
- Explore la API de Gemini para integraciones personalizadas o considere Google Cloud TTS para obtener opciones de idiomas más amplias.