Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube donde envías texto y recibes un archivo de audio. Solo necesitas hacer una solicitud POST al endpoint de la API con el texto y la voz deseada. Es ideal para integrar narración automática en plataformas digitales sin infraestructura compleja.
¿Qué voces están disponibles en la API?
Ofrecemos 8 voces preestablecidas: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. Cada una tiene un tono distintivo, desde narradoras cálidas hasta voces profundas para documentales. Todas las voces pueden hablar en cualquiera de los 23 idiomas soportados por la API.
¿Cuántos idiomas soporta la API?
La API soporta 23 idiomas, incluyendo español, inglés, francés, alemán, portugués, árabe, chino, japonés y swahili. Si no especificas el idioma, se adivina por el guion (el texto en latín por defecto se interpreta como inglés), pero recomendamos establecerlo explícitamente para textos en otros idiomas para mayor precisión.
¿Puedo usar la API para proyectos de accesibilidad?
Sí, es ideal para servicios públicos y ONGs. Puedes generar materiales de aprendizaje multilingües y audio accesible para plataformas digitales. La API simplifica la integración de narración automática, permitiendo que más personas accedan a tu contenido de manera eficiente y clara.
¿Cómo se calcula el costo de la API?
El costo es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. El saldo no expira y no hay planes mensuales ni gastos mínimos obligatorios.
¿Hay un periodo de prueba gratuito?
Sí, al registrarte con Google recibes $0.50 de crédito (aproximadamente 50.000 caracteres) válidos por 7 días. Las cuentas creadas con correo y contraseña no incluyen este crédito inicial. Puedes verificar tu saldo y uso en tu panel de cuenta.
¿Qué formatos de audio puedo solicitar?
Puedes solicitar audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos son compatibles con la mayoría de los reproductores y plataformas digitales. El formato predeterminado es mp3, pero puedes especificar cualquiera de los otros en tu solicitud.
¿La API funciona con el SDK de OpenAI?
Sí, la API sigue la misma forma de solicitud que el endpoint de speech de OpenAI. Puedes usar los SDK oficiales de OpenAI cambiando la base_url a https://api.playh99.com/v1 y utilizando tu clave de API para autenticarte correctamente.
¿Se almacena el texto que envío?
No, el texto de entrada se utiliza únicamente para producir el audio y no se usa para entrenamiento. El audio generado se devuelve en la respuesta y no se almacena. Solo conservamos metadatos de la solicitud (hora, caracteres, estado) para facturación.
¿Qué pasa si la síntesis falla?
Si la síntesis falla, la carga se devuelve íntegramente. No se te cobra por las solicitudes que no se completaron con éxito. Esto asegura que solo pagues por el audio generado correctamente, sin costos adicionales por errores en el proceso.
¿Hay límite de caracteres por solicitud?
Sí, cada solicitud puede contener hasta 4096 caracteres. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Esto permite manejar documentos extensos manteniendo la calidad y la estructura del audio generado.
¿Cómo se paga con USDT?
El pago se realiza mediante USDT en la red TRON (TRC-20). El monto mínimo es de $5 y el crédito se acredita automáticamente en minutos tras la transferencia. No aceptamos tarjetas, PayPal ni suscripciones; el proceso es directo y transparente.
¿Se puede clonar una voz personalizada?
No, no ofrecemos clonación de voz personalizada ni subida de voces propias. Las voces son preestablecidas y basadas en grabaciones con licencia. Puedes elegir entre las 8 opciones disponibles que cubren diversos tonos y estilos.
¿Hay garantía de disponibilidad (SLA)?
No, no ofrecemos garantía de disponibilidad ni SLA. La API puede experimentar variaciones en la velocidad de generación debido a la cola de procesamiento. No hay contratos empresariales ni certificaciones específicas.
Primera solicitud
curl
curl https://api.playh99.com/v1/audio/speech \
-H "Authorization: Bearer $TTS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
--output hello.mp3Introducción a la API de texto a voz
VozParaTodos ofrece una API RESTful diseñada para generar audio a partir de texto, con una estructura de petición idéntica al endpoint de OpenAI. Solo necesitas ajustar el base_url a https://api.playh99.com/v1 y usar tu clave API, lo que permite reutilizar SDKs oficiales existentes sin aprender una sintaxis nueva.
Esta API es ideal para equipos de producto en servicios públicos y ONGs que buscan integrar narración automática en sus plataformas digitales. Al eliminar la necesidad de infraestructura compleja, facilitas la entrega de contenido accesible y multilingüe de forma rápida y escalable.
API RESTful compatible con OpenAI
Nuestra interfaz sigue el formato de petición estándar de OpenAI (POST /v1/audio/speech), lo que simplifica la integración técnica. Envías texto en formato JSON y recibes el archivo de audio directamente, manteniendo la familiaridad con las herramientas que tu equipo ya conoce.
- Endpoint:
POST https://api.playh99.com/v1/audio/speech - Compatible con SDKs oficiales de OpenAI cambiando el
base_url - Formato de cuerpo JSON estándar para fácil adopción
Generación rápida de audio
La generación de audio es eficiente y predecible, procesando aproximadamente 25 caracteres de texto por segundo, lo que equivale a una velocidad similar al tiempo real para textos largos. Las frases cortas pueden tardar unos pocos segundos en completarse, manteniendo un flujo de trabajo ágil para tus aplicaciones.
Integración sencilla para equipos de producto
La integración está diseñada para ser directa y sin fricciones. Al usar un formato de petición conocido, tus desarrolladores pueden añadir capacidades de texto a voz a sus proyectos existentes con cambios mínimos en el código. Esto reduce el tiempo de desarrollo y permite enfocarse en la accesibilidad del contenido.
Voces y personalización
Ofrece ocho voces preestablecidas diseñadas para cubrir distintas necesidades narrativas, desde la claridad informativa hasta el tono emocional. Cada voz está basada en grabaciones licenciadas de LibriTTS-R y LibriVox, garantizando una calidad consistente sin necesidad de personalización compleja.
8 voces preestablecidas diversas
Las voces se clasifican por tono y uso ideal, permitiendo seleccionar la más adecuada para cada tipo de contenido, ya sea una noticia neutral o una historia envolvente.
Voces femeninas: Aria, Nova, Luna, Sage
Aria ofrece un tono cálido y claro, ideal para narradores. Nova es brillante y enérgica, perfecta para contenido dinámico. Luna aporta una suavidad narrativa, mientras que Sage se destaca por su calma instructiva.
- Aria: Narradora clara y cálida.
- Nova: Brillante y enérgica.
- Luna: Suave y narrativa.
- Sage: Calma e instructiva.
Voces masculinas: Felix, Milo, Atlas, Orion
Felix transmite energía para promociones, mientras que Milo mantiene una conversación amigable. Atlas es neutral y apto para noticias, y Orion aporta una profundidad documental a las grabaciones.
- Felix: Energético y promocional.
- Milo: Amigable y conversacional.
- Atlas: Neutral y periodístico.
- Orion: Profundo y documental.
Soporte multilingüe
VozParaTodos ofrece soporte nativo para 23 idiomas, incluyendo español, inglés, francés, alemán, portugués, italiano, japonés, coreano, chino, árabe y ruso. Esta capacidad permite a los equipos de servicios públicos y ONGs generar contenido accesible para audiencias globales sin necesidad de contratar múltiples proveedores especializados.
23 idiomas disponibles
La API soporta los siguientes idiomas: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish. Si un idioma no está en esta lista, como vietnamita o tailandés, no será procesado.
Detección automática de idioma
Si no especificas el campo language, el sistema intenta adivinarlo basándose en los caracteres del texto. Por ejemplo, el texto en latín por defecto se interpreta como inglés. Para textos en español o francés con alfabeto latino, recomendamos establecer explícitamente el código ISO para evitar errores de pronunciación.
Voces que hablan todos los idiomas soportados
Cualquiera de las 8 voces preestablecidas puede hablar cualquiera de los 23 idiomas soportados. No necesitas asignar una voz específica por idioma; puedes usar Aria, Felix o Nova para generar audio en japonés, alemán o español con la misma calidad consistente.
Casos de uso en servicios públicos
La API de texto a voz permite que los equipos de producto en servicios públicos integren narración automática directamente en sus plataformas digitales y aplicaciones móviles. Al convertir textos estáticos en audio, facilitan el acceso a la información para usuarios que requieren alternativas visuales, sin necesidad de desarrollar infraestructura compleja.
Accesibilidad web y apps
Integre lectura automática en portales gubernamentales y aplicaciones de servicios. Al enviar texto mediante la API, los usuarios con discapacidad visual o dificultades de lectura pueden consumir contenido digital de manera fluida, cumpliendo con estándares de accesibilidad sin depender de archivos de audio pregrabados estáticos.
- Generación de audio bajo demanda
- Generación bajo demanda para contenido actualizado
Material educativo para aprendizaje
Produce audios educativos multilingües para instituciones de enseñanza pública. Las 23 voces disponibles permiten crear materiales de aprendizaje inclusivos, adaptando la voz a diferentes contextos pedagógicos sin necesidad de contratar estudios de grabación profesionales para cada nuevo contenido.
- Contenido auditivo escalable para aulas y plataformas
- Soporte para 23 idiomas con una sola integración
- Formatos variados (MP3, WAV, Opus) para distintos dispositivos
Notificaciones y alertas automatizadas
Automatice la generación de avisos en sistemas de gestión pública. Al recibir una actualización crítica, el sistema puede generar un archivo de audio instantáneo para difundir la información mediante canales de comunicación masiva, garantizando que los mensajes lleguen de forma clara y rápida a todos los ciudadanos.
- Integración con sistemas de alerta existentes
- Generación rápida de audio para noticias urgentes
- Reducción de tiempos de difusión de información
Casos de uso en ONGs
Las ONGs pueden generar audio accesible para personas con discapacidad visual a partir de documentos y noticias. La API permite convertir texto plano en archivos de audio claros con voces como Luna o Aria, facilitando la inclusión sin necesidad de herramientas complejas.
Contenido para personas con discapacidad visual
Transformen documentos y noticias en audio accesible. Con voces como Luna o Aria, integren narración clara en sus plataformas sin infraestructura compleja.
- Conversión de texto plano a audio accesible
- Voces optimizadas para narración clara
Distribución de informes en múltiples idiomas
Generen audio de informes en 23 idiomas. Una sola solicitud crea contenido multilingüe, ideal para distribución global sin traducción manual de audio.
- Soporte para 23 idiomas
- Generación automática de audio multilingüe
Campañas de concienciación multilingües
Amplifiquen sus mensajes en múltiples mercados. Use las 8 voces para crear campañas sonoras distintas, manteniendo la coherencia de marca con tecnología simple.
- 8 voces distintas para diferentes tonos
- Integración sencilla para equipos de producto

Formatos de audio disponibles
El endpoint de la API acepta cinco formatos de salida para adaptarse a tus necesidades de infraestructura y reproducibilidad. Cada formato se selecciona mediante el campo response_format en la solicitud JSON, permitiendo equilibrar el tamaño del archivo con la calidad de audio requerida para cada caso de uso.
MP3 para compatibilidad universal
El formato MP3 es la opción predeterminada y más ampliamente compatible con reproductores web, dispositivos móviles y lectores de pantalla. Ideal para integrar narración automática en aplicaciones web y móviles sin preocupaciones adicionales de codificación, garantizando que el contenido accesible se reproduzca correctamente en la mayoría de los entornos.
- Compresión eficiente que reduce el ancho de banda
- Compatibilidad nativa con la mayoría de los navegadores
- Formato estándar para contenido web accesible
WAV para alta calidad
WAV ofrece audio sin compresión, preserving la fidelidad original de la voz sintetizada. Este formato es ideal para archivar materiales educativos o para procesamiento posterior en sistemas que requieren datos de audio brutos sin pérdida de calidad, aunque ocupa más espacio de almacenamiento.
- Calidad de audio sin pérdidas
- Ideal para archivos de audio maestro
- Menor eficiencia de almacenamiento que MP3
Opus, FLAC y PCM para necesidades específicas
Opus y FLAC proporcionan compresión con pérdida o sin pérdida respectivamente, optimizados para eficiencia y calidad. PCM ofrece datos de audio sin comprimir en formato bruto, útil para integraciones técnicas directas. Estas opciones permiten ajustar el balance entre tamaño de archivo y requisitos de procesamiento según la infraestructura del equipo.
- Opus: formato eficiente para web
- FLAC: compresión sin pérdida para archivado
- PCM: formato de audio crudo sin compresión
Límites y rendimiento
La API permite enviar hasta 4096 caracteres por solicitud. Para textos más extensos, los equipos deben dividirlos en partes y unir los archivos de audio resultantes.
Las solicitudes se procesan secuencialmente. Bajo carga, una solicitud puede esperar en cola antes de iniciarse, lo que afecta el tiempo de respuesta total.
Límite de 4096 caracteres por solicitud
Cada llamada POST incluye un campo input con un máximo de 4096 caracteres. Si tu texto supera este límite, debes dividirlo manualmente en fragmentos y concatenar los archivos de audio generados para obtener el resultado final.
Procesamiento secuencial bajo carga
El motor de síntesis procesa las peticiones una tras otra. Si recibes muchas solicitudes simultáneas, las posteriores pueden entrar en cola, aumentando el tiempo total de espera hasta que comience la generación.
El límite general es de 60 solicitudes por minuto por clave API (10 por minuto antes del primer recargo). Planifica tus lotes para evitar saturación.
Velocidad de generación similar al tiempo real
La generación tarda aproximadamente lo mismo que la duración del audio resultante, con una tasa media de 25 caracteres por segundo de audio generado. Las frases cortas pueden tardar unos pocos segundos adicionales en completarse.
Para proyectos que requieren baja latencia, considera la velocidad de generación y el posible retraso por la cola de procesamiento.
Precios transparentes
Nuestro modelo de precios es directo y predecible, diseñado para que los equipos de producto en servicios públicos y ONGs puedan presupuestar sin sorpresas. No hay planes mensuales ni cargos fijos; pagas únicamente por lo que usas, lo que facilita la integración en presupuestos flexibles o proyectos específicos.
$10 por 1 millón de caracteres
El costo base es de $10 por cada millón de caracteres procesados. Esto equivale a $0.01 por cada 1,000 caracteres, incluyendo espacios y puntuación. Es una tasa uniforme para todos los modelos y voces disponibles.
Cobro por caracteres contados
La facturación se basa estrictamente en la cantidad de caracteres enviados en el cuerpo de la solicitud. Si necesitas generar textos largos, simplemente divídelos en fragmentos de hasta 4096 caracteres y combina los archivos de audio resultantes.
Solicitudes fallidas sin cargo
Si la síntesis falla por cualquier motivo, no se te cobra. El importe se devuelve automáticamente a tu saldo, asegurando que solo pagues por audio generado con éxito.
Cómo empezar
Crea tu cuenta en VozParaTodos accediendo a /get-api-key/ con tu cuenta de Google o mediante email y contraseña. Este paso inicial te permite acceder a la plataforma sin necesidad de infraestructura compleja.
Registro con Google o email
Los usuarios registrados con Google reciben automáticamente $0.50 de crédito (aproximadamente 50.000 caracteres) con validez de 7 días. Quienes usen email y contraseña comienzan sin crédito de prueba.
Obtención de clave API
Tu panel muestra la clave activa, el saldo y un ejemplo listo para usar. Puedes emitir una nueva clave en cualquier momento; la anterior deja de funcionar al instante.
- Autenticación: Bearer tts-...
Ejemplo de solicitud cURL
Envía texto al endpoint POST para recibir audio. Usa la base https://api.playh99.com/v1. Ejemplo: curl -X POST https://api.playh99.com/v1/audio/speech -H "Authorization: Bearer tts-..." -d '{"model": "tts-1", "input": "Hola", "voice": "nova", "response_format": "mp3"}'.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Este enfoque elimina la necesidad de aprender protocolos propietarios, permitiendo a los equipos de producto centrarse en la lógica de negocio.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
Fuentes y lecturas adicionales
- Wikipedia
- curl documentation
- OpenAI API reference: create speech
- FFmpeg documentation
- Creative Commons Attribution 4.0
- TRON developer hub: TRC-20
- W3C WAI: making audio and video accessible
- Node.js documentation
- LibriTTS-R paper (arXiv 2305.18802)
- LibriVox public-domain audiobooks
- Python documentation
- Tether (USDT)
