🎙️ Domina Verbio TTS desde CLI: De texto a WAV en 2 comandos 🔥¶

¿Necesitas generar locuciones para tu IVR en Asterisk sin depender de servicios externos? Verbio TTS al rescate, y lo mejor: desde la maldita terminal como Dios manda 💀⚡

🧠 ¿Qué es Verbio TTS? 🤔¶

Verbio es un motor de Text-To-Speech que viene incluido en algunos bundles de Asterisk (como los paquetes de voces en español que vimos aquí). Viene con ttsdemo, un CLI que te permite generar audio directamente desde tu shell favorita 🐚✨

🚀 El pipeline mágico: 2 comandos y listo 🪄¶

🔧 Paso 1: Generar RAW con `ttsdemo`¶

🎤 Generar audio raw desde texto

ttsdemo "aurora" "es" "<prosody rate='150'> Hola, esto es una prueba <break time='300ms'>"

Flags desglosadas 🧩:

Parámetro	🏷️ Valor	📝 Qué significa
`aurora`	Nombre de voz 🗣️	Voz femenina española (hay más voces disponibles)
`es`	Código ISO 🌐	Español (soporta `en`, `fr`, `de`, `pt`, etc.)
`3er arg`	String SSML 🏷️	Texto con etiquetas SSML para control prosódico

Esto genera el archivo ttsdemo_output.raw — audio en raw PCM sin header, crudo como la potencia bruta del CLI 💪

🧪 Paso 2: Convertir RAW → WAV con SoX¶

🔊 Convertir raw a wav con sox

sox -t raw -r 8000 -c 1 -e signed-integer -b 16 ttsdemo_output.raw MI_AUDIO.wav

Desglose de flags sox 🔍:

Flag	🏷️ Valor	📝 Explicación técnica
`-t raw`	Tipo RAW	Formato de entrada sin header 🦴
`-r 8000`	Sample rate 📊	8kHz — el estándar de oro de la telefonia VoIP ☎️
`-c 1`	Canales 🔉	Mono (1 canal), que es lo que entiende Asterisk
`-e signed-integer`	Encoding 🧮	Entero con signo (no float, no A-law, no µ-law)
`-b 16`	Bit depth 📐	16 bits por muestra — calidad CD 📀

💡 Dato freak: 8kHz/16bits/mono es el mismo formato que usa G.711 (PCM µ-law/A-law), el códec de voz más básico y universal en telefonía IP. ¡Estás generando audio nativo para Asterisk! 🤯

🧪 Más allá del ejemplo básico 🧬¶

🎛️ SSML Avanzado¶

✨ SSML con control fino

ttsdemo "aurora" "es" "<speak>
  <prosody rate='80' pitch='+2st'>
    Bienvenido a su sistema telefónico automatizado 📞
  </prosody>
  <break time='500ms'/>
  <prosody rate='120'>
    Pulse <say-as interpret-as='digits'>1</say-as> para ventas,
    pulse <say-as interpret-as='digits'>2</say-as> para soporte técnico 🛠️
  </prosody>
</speak>"

Etiquetas SSML más útiles 🏷️:

Etiqueta 🏷️	🎯 Efecto	Ejemplo
`<prosody rate='X'>`	Velocidad (50-200%, default 100)	`rate='150'` → 50% más rápido 🏃
`<prosody pitch='X'>`	Tono (±st, ±Hz)	`pitch='+2st'` → 2 semitonos arriba 🎵
`<break time='X'/>`	Pausa (ms, s)	`break time='300ms'` → silencio de 300ms 🤫
`<say-as interpret-as='digits'>`	Leer dígitos uno a uno	`123` → "uno dos tres" 🔢
`<emphasis level='strong'>`	Énfasis en la palabra	`strong` / `moderate` / `reduced` 🔥
`<phoneme alphabet='ipa' ph='...'>`	Pronunciación forzada	Para nombres raros 🧙

🎯 Integración con Asterisk 🔌¶

📞 extensions.conf — Playback en tu dialplan

[ivr-principal]
exten => s,1,Answer()
    same => n,Wait(1)
    same => n,Playback(custom/IVR/bienvenida)
    same => n,Background(custom/IVR/opciones)
    same => n,WaitExten(5)

Y en tu asterisk.voice.conf o script de generación:

🔄 Batch: generar todas las locuciones del IVR

#!/bin/bash
# 🏭 Generación masiva de locuciones para tu IVR
VOICE="aurora"
LANG="es"
OUT_DIR="/var/lib/asterisk/sounds/custom/IVR"

declare -A MESSAGES=(
    ["bienvenida"]="Bienvenido a su sistema telefónico"
    ["opciones"]="Para ventas pulse 1, para soporte pulse 2"
    ["despedida"]="Gracias por su llamada. Hasta luego"
    ["error"]="Lo sentimos, opción no válida"
)

for name in "${!MESSAGES[@]}"; do
    ttsdemo "$VOICE" "$LANG" "<prosody rate='140'>${MESSAGES[$name]}</prosody>"
    sox -t raw -r 8000 -c 1 -e signed-integer -b 16 \
        ttsdemo_output.raw "${OUT_DIR}/${name}.wav"
    echo "✅ Generado: ${name}.wav"
done

🔬 Formato RAW: El CODEC oculto 🤫¶

El archivo ttsdemo_output.raw es PCM lineal signed 16-bit little-endian a 8kHz. ¿Por qué raw? Porque Verbio escupe el audio directamente sin contenedor — puros samples en bruto 🥩.

Estructura del raw (hexdump):

00000000  f0 ff 00 00 10 00 20 00  ...sample 1...sample 2...

Cada 2 bytes = 1 sample signed 16-bit LE. Si abres el raw en Audacity: File → Import → Raw Data → Signed 16-bit PCM → Little-endian → 8000Hz → Mono 🎛️

⚡ Bonus: Más formatos de salida con SoX 🛠️¶

🔊 Convertir a otros formatos útiles

# 📼 GSM (ocupa menos, calidad aceptable para voz)
sox ttsdemo_output.raw -r 8000 -c 1 -e signed-integer -b 16 \
    output.gsm

# 📼 SLN (formato nativo de Asterisk)
sox ttsdemo_output.raw -r 8000 -c 1 -e signed-integer -b 16 \
    output.sln

# 🔊 WAV 44100Hz (calidad CD para música en espera)
sox ttsdemo_output.raw -r 44100 -c 2 -e signed-integer -b 16 \
    output.wav

# 🗜️ MP3 (para web/bienvenidas web)
sox ttsdemo_output.raw -r 44100 -c 1 -e signed-integer -b 16 \
    output.mp3

# 🎙️ U-Lay (G.711 mu-law, directo para canales TDM)
sox ttsdemo_output.raw -r 8000 -c 1 -e signed-integer -b 16 \
    output.ulaw

🐛 Troubleshooting 🩺¶

🚨 Problema	🩹 Solución
`ttsdemo: command not found`	No tienes instalado el paquete de voces Verbio 📦
`No such voice: aurora`	Prueba con otras voces: `list` o revisa la instalación 🗣️
Audio robótico / pitch incorrecto	Has puesto mal `-b` o `-e` en sox 🤖
Asterisk no reproduce el WAV	Convierte a SLN o verifica `-r 8000 -c 1` ☎️
`sox FAIL formats: can't open output`	Revisa permisos del directorio destino 🔐

🏁 Conclusión¶

En 2 comandos tienes locuciones profesionales para tu IVR sin depender de Google TTS, AWS Polly ni nada de la nube ☁️❌. Todo desde tu terminal, todo local, todo #YOLO en terminal 💀🔥

# 📋 Resumen ejecutivo
ttsdemo "aurora" "es" "Tu mensaje aquí" && \
sox -t raw -r 8000 -c 1 -e signed-integer -b 16 \
    ttsdemo_output.raw tu_audio.wav

¡A grabar locuciones se ha dicho! 🎙️🔥