En corto: eSpeak NG es un programa libre y muy pequeño que lee en voz alta más de cien idiomas y acentos, entre ellos el esperanto, el catalán y el castellano. Suena a robot, pero se entiende bien incluso muy rápido, y es la voz que trae de serie el lector de pantalla NVDA.
¿Qué es eSpeak NG?
eSpeak NG es un programa de síntesis de voz: le das un texto y lo dice en voz alta, o lo guarda en un archivo de sonido. Funciona en tu ordenador, sin internet.
Por dentro es distinto de los programas de voz modernos: no lleva ni un trozo de voz humana. Hace lo que se llama síntesis por formantes: calcula las frecuencias que forman cada vocal y cada consonante y las fabrica. Por eso el programa entero, con todos los idiomas, ocupa solo unos pocos megas, y por eso suena a máquina. Su página lo dice tal cual: la voz es clara y se puede usar a mucha velocidad, pero no es tan natural como la de los programas hechos con grabaciones de personas.
¿De dónde viene y cuánto cuesta?
Es gratis y libre, con la licencia GPL 3. Tiene una historia larga: nació en 1995 como «speak», un programa de Jonathan Duddington para los ordenadores Acorn; en 2007 pasó a llamarse eSpeak, y a finales de 2015 otras personas lo continuaron con el nombre de eSpeak NG («nueva generación»). La última versión es la 1.52, del 12 de diciembre de 2024.
¿En qué idiomas habla?
Su lista dice que la versión en desarrollo habla 127 idiomas y acentos. Entre ellos están el esperanto (eo), el catalán (ca) y el castellano de España y de América Latina.
En esperanto lo hace bastante bien, según las pruebas que hicimos el 12 y el 20 de septiembre de 2026: las seis letras con sombrerito suenan como deben (ĉ, ĝ, ĥ, ĵ, ŝ y ŭ), el acento cae en la penúltima sílaba, lee los números en esperanto —1887 sale como «mil okcent okdek sep»— y entiende el sistema x, el de escribir «cx» por «ĉ». Se equivoca con el sistema h, el de escribir «ch» por «ĉ», y «WhatsApp» lo lee a la inglesa.
¿Para qué sirve?
- Para quien no ve o ve poco. El lector de pantalla NVDA, libre y para Windows, lo trae de serie. En Windows, eSpeak NG también se puede poner como voz del sistema (SAPI5), y así lo usan otros lectores de pantalla.
- Para oír cómo suena una palabra o una frase en esperanto, en un diccionario, una lista de vocabulario o un juego.
- Como pieza de otros programas. Piper, el programa de voz natural, lo usa por dentro para saber cómo se pronuncia cada palabra.
¿Cómo se prueba?
Funciona en Linux, Windows, macOS y Android. En Windows y en Android, el instalador está en la página de la última versión: espeak-ng.msi para Windows y un .apk para Android. En Ubuntu y Debian se instala con sudo apt install espeak-ng.
Desde la terminal, la ventana de texto del ordenador, se hace así:
espeak-ng -v eo "Saluton! Mi lernas Esperanton."
-v eo elige el esperanto; con -v ca habla en catalán y con -v es, en castellano. -s cambia la velocidad, en palabras por minuto, y -p el tono, de 0 a 99: -s 130 -p 35 da una lectura más lenta y más grave que la de fábrica. Y -w prueba.wav guarda el audio en un archivo en vez de decirlo.
Lo que no hace, dicho claro
- Suena a robot. Para leer un texto largo, un vídeo o un curso, cansa: para eso hay voces neuronales como la de Piper.
- En el ordenador no tiene ventana propia: por sí solo, se usa escribiendo órdenes, o a través de otro programa que lo lleve dentro, como NVDA.
En resumen
eSpeak NG es la voz de máquina de toda la vida: libre, pequeña, rápida y con más de cien idiomas, el esperanto entre ellos. No sirve para narrar, pero es la que trae NVDA y la que hace posible que otros programas, como Piper, sepan pronunciar.
Fuentes
- eSpeak NG, su página en GitHub, y la lista de idiomas, consultadas el 28 de octubre de 2026.
- La versión 1.52 y sus instaladores: la última versión en GitHub.
- NVDA trae eSpeak NG de serie: guía de NVDA, apartado de las voces.
- Piper, que usa eSpeak NG por dentro: su página en GitHub.
Leer en: