Integración de API TTS para Servicios Públicos: Precios y Uso

Por Equipo editorial de VozParaTodos · Actualizado 2026-11-18

Esta guía explica cómo integrar la API de texto a voz de VozParaTodos en plataformas de servicios públicos y ONGs. Aprenderás a convertir contenido textual en audio accesible, optimizando la experiencia de usuarios con discapacidad visual o dificultades de lectura. Cubrimos desde la configuración técnica hasta la gestión de costos, con ejemplos prácticos para equipos de producto.

Descubre cómo seleccionar voces apropiadas, manejar textos largos y soportar múltiples idiomas sin infraestructura compleja. Ideal para equipos que buscan una solución directa, sin contratos ni certificaciones adicionales, enfocada en la simplicidad y la accesibilidad.

Integración de API TTS para Servicios Públicos: Precios y Uso

Preguntas frecuentes

¿Qué voz es mejor para noticias?

Atlas es la voz neutral, ideal para noticias. Es una de las ocho voces disponibles en la API, ideal para equipos de producto que necesitan claridad y profesionalismo en la narración de información pública sin sesgos emocionales.

¿Cómo se manejan los textos largos?

Debes dividir el texto en partes de hasta 4096 caracteres por solicitud. Luego, envía cada parte a la API y une los archivos de audio resultantes. Esto permite generar narraciones extensas manteniendo la integridad de cada segmento.

¿Se puede cambiar la velocidad de voz?

Sí, el parámetro speed permite ajustar la velocidad entre 0.25 y 4.0. Esto es útil para adaptar la duración de las audios educativos o informativos a las necesidades específicas de accesibilidad de los usuarios finales.

¿Qué formato de audio es mejor para la web?

MP3 es la opción más compatible para la web. También puedes elegir WAV, OPUS, FLAC o PCM según tus necesidades de calidad o compresión. El formato se especifica en el campo response_format de la solicitud JSON.

¿Cómo se detecta el idioma automáticamente?

Si no especificas el campo language, el sistema adivina el idioma basado en el script. El texto en latín predeterminado es inglés. Para textos en otros idiomas con caracteres latinos, debes establecer language explícitamente para evitar errores.

¿Qué pasa si el texto tiene caracteres especiales?

Los caracteres especiales cuentan como caracteres en el límite de 4096. El sistema los procesa dentro del campo input. No hay restricciones específicas mencionadas para caracteres especiales, siempre que el texto total no exceda el límite por solicitud.

¿Se puede usar en WordPress?

No existe un plugin oficial de WordPress para esta API. Puedes integrarlo mediante llamadas HTTP directas o usando el SDK de OpenAI modificando la base_url. Requiere desarrollo personalizado para conectar la API con tu sitio WordPress.

¿Cuánto tiempo tarda en generarse el audio?

La velocidad es aproximadamente de tiempo real, unos 25 caracteres por segundo. Las frases cortas tardan unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga puede haber esperas adicionales antes de la generación.

¿Es necesario un desarrollador para la integración?

La integración requiere enviar solicitudes POST JSON a la API. Aunque puedes usar herramientas como cURL, la modificación de base_url en SDKs o la gestión de claves y límites de caracteres suele requerir conocimientos técnicos básicos de desarrollo.

¿Se puede usar sin saber programar?

Es posible usar la API sin programar si utilizas herramientas de integración no-code que soporten HTTP JSON. Sin embargo, la naturaleza técnica de la API (parámetros como speed, voice y response_format) hace que la configuración sea más sencilla con un desarrollador.

¿Qué es la red TRON?

TRON es la blockchain donde se aceptan pagos en USDT (TRC-20). Es el único método de recarga disponible. Las transferencias se acreditan automáticamente en minutos, sin necesidad de tarjetas, PayPal ni suscripciones mensuales para los usuarios.

¿Hay límite de uso diario?

No hay límite diario, solo límites por minuto: 60 solicitudes por minuto por clave (10 antes del primer recargo). No hay planes mensuales ni gastos mínimos. El saldo no expira y puedes recargar cuando necesites.

¿Se puede usar para audiolibros?

Sí, es ideal para audiolibros gracias a voces como Luna (historias) o Aria (narradora). Puedes usar la API para generar capítulos largos dividiendo el texto. Las voces están basadas en grabaciones licenciadas de LibriTTS-R (CC BY 4.0) y lecturas de LibriVox.

¿Qué es una marca de agua invisible?

Cada archivo de audio generado lleva una marca de agua inaudible que lo identifica como voz sintética.

Evaluación de necesidades de accesibilidad

Ilustración de onda de sonido para: Evaluación de necesidades de accesibilidad

Antes de integrar la API de texto a voz, es fundamental mapear el contenido digital actual. Esta auditoría permite identificar qué textos necesitan audio para mejorar la accesibilidad, especialmente en servicios públicos donde la claridad es prioritaria para usuarios con discapacidad visual o cognitiva.

El objetivo es simplificar la integración de la API sin añadir complejidad técnica innecesaria. Un análisis previo asegura que los recursos se asignen a las secciones con mayor impacto en la experiencia del usuario final.

Auditoría de contenido textual

Revisa los sitios web y plataformas existentes para catalogar el volumen de texto estático. Identifica secciones densas que podrían beneficiarse de una versión auditiva para reducir la carga cognitiva.

Verifica si el contenido actual cumple con los estándares de legibilidad básicos. Esto facilita la posterior generación de audio sin necesidad de ediciones complejas del texto fuente.

  • Listar todas las páginas con contenido textual extenso
  • Detectar secciones con jerga técnica o administrativa
  • Evaluar la longitud media de los párrafos actuales

Identificación de textos clave

Selecciona los textos que los usuarios consultan con mayor frecuencia. En servicios públicos, las guías de trámites y los avisos de emergencia son candidatos ideales para la síntesis de voz.

Prioriza contenido que requiere comprensión inmediata y precisa. La API maneja hasta 4096 caracteres por solicitud, por lo que los textos deben estar bien estructurados para evitar cortes abruptos.

  • Guías de paso a paso para trámites
  • Notificaciones de cambios en servicios básicos
  • Informes de impacto social y anualidades

Priorización de contenido

Clasifica los textos identificados por su relevancia para los usuarios finales. Enfócate primero en el contenido que resuelve dudas frecuentes o facilita el acceso a servicios esenciales.

Considera la frecuencia de actualización. El contenido estático o poco cambiante es más eficiente para generar audio una sola vez, optimizando el consumo de caracteres y costos.

  • Alta prioridad: Trámites frecuentes y urgentes
  • Media prioridad: Información institucional general
  • Baja prioridad: Contenido histórico o archivado

Selección de voces adecuadas

Ilustración de onda de sonido para: Selección de voces adecuadas

La elección de la voz correcta es fundamental para que el contenido accesible sea comprensible y agradable. La API ofrece ocho voces predefinidas, cada una con un tono distintivo, para que elijas la que mejor se adapte al tipo de mensaje que estás transmitiendo.

Aria para narración clara

Aria es una voz femenina cálida y clara, ideal para narraciones directas. Su claridad asegura que la información crítica sea recibida sin ambigüedades, lo que la convierte en la opción preferida para guías de usuario o instrucciones paso a paso en plataformas digitales.

Luna para historias

Luna ofrece un tono suave, perfecto para contar historias o contenido más narrativo. Su estilo facilita la conexión emocional con el usuario, haciendo que los informes de impacto o las actualizaciones comunitarias suenen más cercanos y menos técnicos.

Atlas para noticias

Atlas es una voz masculina neutral, diseñada para sonar profesional y objetiva. Es la elección estándar para boletines de noticias o comunicados oficiales donde la neutralidad y la claridad son más importantes que la expresividad emocional.

Integración técnica básica

Ilustración de onda de sonido para: Integración técnica básica

La integración técnica en VozParaTodos es directa, aprovechando la compatibilidad con el ecosistema de desarrollo estándar. Comenzamos obteniendo la clave API desde la consola y configurando el SDK existente con la URL base de la API. Este enfoque elimina la necesidad de aprender protocolos propietarios, permitiendo a los equipos de producto centrarse en la lógica de negocio.

La primera solicitud de prueba valida la conectividad y la calidad del audio generado. Al enviar un texto de ejemplo, el sistema devuelve un archivo de audio listo para ser integrado en la interfaz de usuario. Este paso confirma que la autenticación y la configuración del modelo funcionan correctamente antes de escalar el uso.

Obtención de clave API

Regístrate en la plataforma y accede a tu panel de control. Allí encontrarás tu clave API única, que inicia con el prefijo tts-. Esta credencial se envía en el encabezado Authorization: Bearer de cada solicitud. Puedes emitir una nueva clave en cualquier momento; la anterior dejará de funcionar inmediatamente.

Recuerda que cada cuenta tiene una sola clave activa. Guarda esta información en tu gestor de variables de entorno para evitar exposiciones accidentales en el código fuente.

  • Accede a la página de obtención de clave API.
  • Genera tu credencial única con prefijo tts-.
  • Envíala como cabecera Authorization: Bearer.

Configuración del SDK

Utiliza los SDK oficiales de OpenAI o HTTP plano. Solo necesitas ajustar la base_url a https://api.playh99.com/v1. Esto permite reutilizar la lógica de cliente que ya conozcas.

Configura las credenciales y el punto final. No necesitas descargar bibliotecas adicionales ni instalar módulos específicos de VozParaTodos. La estructura de las solicitudes es idéntica a la estándar.

  • Ajusta la base_url a https://api.playh99.com/v1.
  • Usa SDKs compatibles con OpenAI.
  • Configura la autenticación con tu clave API.

Primera solicitud de prueba

Envía una solicitud POST a /v1/audio/speech con un texto breve. Especifica el modelo, la voz y el formato deseado. El sistema procesará la solicitud y devolverá el archivo de audio generado.

Verifica que la respuesta contenga el audio sin errores. Esta prueba confirma que tu integración está lista para manejar volúmenes mayores y textos más extivos en producción.

  • Usa el endpoint POST /v1/audio/speech.
  • Envía un texto de ejemplo corto.
  • Verifica la recepción del archivo de audio.

Manejo de textos largos

Ilustración de onda de sonido para: Manejo de textos largos

El límite de la API es estrictamente de 4096 caracteres por solicitud. Para textos extensos como guías de usuario completas, es necesario dividir el contenido en fragmentos que respeten este tope antes de enviarlos.

Cada fragmento se procesa de forma independiente. La generación ocurre secuencialmente, por lo que textos muy largos pueden experimentar retrasos si hay cola de procesamiento, aunque la velocidad promedio se aproxima al tiempo real.

División en fragmentos de 4096 caracteres

Envía el texto dividido en bloques de máximo 4096 caracteres. El sistema cuenta espacios y puntuación como caracteres válidos. Si excedes este límite, la solicitud fallará.

No hay límite global de caracteres, solo por petición. Puedes dividir un informe de impacto en múltiples llamadas consecutivas para obtener el audio completo.

  • Máximo 4096 caracteres por POST
  • Espacios y signos cuentan como caracteres
  • Procesamiento secuencial bajo carga

Unión de archivos de audio

Recibe cada fragmento como un archivo de audio separado. Tu integración debe concatenar estos archivos en el orden correcto para reproducir el texto completo sin saltos abruptos.

La unión es lógica; la API no une los fragmentos por ti. Usa el formato de salida que prefieras (mp3, wav, opus, flac o pcm) para la concatenación.

Gestión de pausas

Al unir fragmentos generados por separado, pueden aparecer pausas artificiales entre oraciones. Considera añadir lógica de post-procesamiento para suavizar la transición entre los bloques de audio.

Soporte multilingüe

Ilustración de onda de sonido para: Soporte multilingüe

La API detecta automáticamente el idioma basándose en el guion del texto enviado. Si el texto contiene caracteres latinos y no se especifica otro, el sistema asume inglés por defecto. Para textos en otros idiomas con escritura latina, es crucial definir el campo language para evitar errores de pronunciación.

Detección automática de idioma

El sistema analiza los caracteres para inferir el idioma principal. Esta función simplifica la integración para textos monolingües comunes, pero puede fallar con mezclas de idiomas o acentos poco comunes sin indicación explícita.

Forzar idioma específico

Incluye el parámetro language con el código ISO (ej. es, fr, de) para garantizar la pronunciación correcta. Esto es esencial cuando el texto está en español, japonés o árabe, ya que la detección automática podría no reconocerlos correctamente si usan caracteres latinos por defecto.

  • Códigos ISO válidos para los 23 idiomas soportados (ej. es, fr, de).
  • Previene errores de pronunciación en textos multilingües.

Selección de voz por idioma

Cualquiera de las 8 voces preestablecidas puede hablar cualquier idioma soportado. No hay voces específicas por idioma, lo que ofrece flexibilidad para elegir el tono (ej. aria para narración clara o atlas para noticias) independientemente del lenguaje del texto.

Optimización de costes

Ilustración de onda de sonido para: Optimización de costes

Controlar los costos en tu API de texto a voz es directo y transparente. Cada carácter, incluidos los espacios y la puntuación, se cuenta exactamente. Puedes monitorear tu consumo en tiempo real desde tu panel de cuenta, donde verás el saldo disponible, los créditos restantes y el historial de uso detallado.

Esta visibilidad te permite ajustar la longitud de tus audios o la frecuencia de generación sin sorpresas. Sabes exactamente cuánto cuesta cada minuto de audio antes de que se genere, lo que facilita la planificación para equipos de producto con presupuestos fijos.

Monitoreo de caracteres consumidos

El panel muestra el consumo exacto en tiempo real. Cada solicitud cuenta los caracteres del texto enviado, incluyendo espacios y signos de puntuación. Esto te permite auditar el uso mensual sin estimaciones.

Puedes ver cuántos caracteres quedan en tu saldo actual y correlacionarlos con el número de solicitudes realizadas. El sistema devuelve el estado de cada solicitud, indicando si se cobró o no por fallos.

  • Visualización en tiempo real del saldo y caracteres consumidos.
  • Registro detallado de solicitudes exitosas y fallidas para auditoría.

Uso de la prueba gratuita

Al registrarte con Google, recibes $0.50 de crédito válido por 7 días. Esto equivale a aproximadamente 50.000 caracteres, suficiente para probar la integración completa con textos reales.

Si usas correo y contraseña, no tienes crédito inicial. La prueba gratuita es ideal para equipos que quieren validar la calidad de las voces antes de comprometerse financieramente.

  • Crédito inicial de $0.50 con autenticación Google.
  • Válido por 7 días desde la creación de la cuenta.

Top-up con USDT

Las recargas se realizan únicamente con USDT en la red TRON (TRC-20). El monto mínimo es de $5. Una vez enviada la transacción, el crédito se acredita automáticamente en minutos.

No hay suscripciones mensuales ni facturación con IVA. El saldo no expira. Puedes emitir una nueva clave API en cualquier momento si la anterior se compromete, sin perder el saldo.

  • Recarga mínima de $5 en USDT (TRC-20).
  • Crédito automático en minutos; saldo sin fecha de expiración.

Mejoras de UX con audio

Ilustración de onda de sonido para: Mejoras de UX con audio

El audio generado por la API es un recurso estático que se entrega tras completar la solicitud. Para mejorar la experiencia del usuario en plataformas de servicios públicos, es fundamental que la interfaz comunique claramente el estado de la generación y permita un control básico sobre la reproducción sin asumir capacidades de streaming en tiempo real.

Botones de reproducción claros

Utiliza iconos de play reconocibles y etiquetas ARIA adecuadas para que las personas con discapacidad visual puedan identificar fácilmente dónde iniciar o detener la narración. Asegúrate de que el botón de reproducción esté asociado directamente con el elemento de audio generado por la API.

Indicadores de carga

Muestra un indicador de progreso mientras se solicita el audio. Dado que las solicitudes se procesan en cola, los textos largos pueden tardar varios segundos. Un spinner o barra de progreso evita que el usuario interprete la espera como un error de la aplicación.

Controles de velocidad

Permite ajustar la velocidad entre 0.25 y 4.0.

Ofrece este control para que los usuarios puedan adaptar la velocidad de la narración a su ritmo de lectura preferido, mejorando la accesibilidad cognitiva sin necesidad de volver a generar el archivo.

Mejoras de UX con audio

Casos de uso específicos

Ilustración de onda de sonido para: Casos de uso específicos

Los boletines de noticias ganan accesibilidad instantánea al convertir avisos oficiales en audio claro. Con Aria o Felix, los usuarios reciben actualizaciones de servicios públicos sin necesidad de leer pantallas complejas, respetando el límite de 4096 caracteres por solicitud para mantener la coherencia narrativa.

Las guías de usuario se vuelven más inclusivas al ofrecer instrucciones paso a paso en formatos de audio. Esto reduce la barrera técnica para personas con dificultades de lectura, permitiendo que la información crítica sobre trámites o programas sociales sea accesible desde cualquier dispositivo móvil sin descargas adicionales.

Boletines de noticias

Al convertir avisos oficiales en audio claro con Aria o Felix, los usuarios reciben actualizaciones sin leer pantallas complejas. El límite de 4096 caracteres por solicitud garantiza que cada fragmento sea gestionable y coherente.

Esta integración permite que las plataformas digitales de servicios públicos entreguen información crítica de manera inmediata, asegurando que las noticias importantes lleguen a todos los ciudadanos, independientemente de su capacidad visual o lectora.

  • Actualizaciones en tiempo real para usuarios móviles
  • Claridad narrativa con voces como Aria o Felix
  • Gestión eficiente del límite de caracteres

Guías de usuario

Las instrucciones paso a paso en formato audio reducen la barrera técnica. Esto es crucial para personas con dificultades de lectura que necesitan acceder a trámites o programas sociales de forma autónoma.

La simplicidad de la API permite integrar estas guias directamente en las aplicaciones existentes sin necesidad de infraestructura compleja, facilitando la actualización constante de los contenidos según las nuevas normativas.

  • Instrucciones claras y accesibles
  • Integración sencilla en aplicaciones móviles
  • Actualización constante de contenidos

Informes de impacto

Los informes de impacto ganan relevancia al convertirse en narraciones accesibles. Con Atlas o Orion, las estadísticas y logros de las ONGs se presentan de manera profesional y envolvente, facilitando la comprensión de datos complejos.

Este enfoque no solo mejora la experiencia del usuario, sino que también fortalece la transparencia y la comunicación con las partes interesadas, demostrando el valor social de las iniciativas realizadas.

  • Presentación profesional de datos complejos
  • Transparencia en la comunicación social
  • Narrativa envolvente con voces como Atlas

Validación con usuarios

Ilustración de onda de sonido para: Validación con usuarios

La validación con usuarios garantiza que el audio generado cumpla realmente con los estándares de accesibilidad para personas con discapacidad visual o discapacidades cognitivas. No basta con que la voz sea clara; es esencial verificar que la entonación y el ritmo faciliten la comprensión en contextos reales.

Este proceso permite ajustar el contenido antes del despliegue masivo, asegurando que la experiencia de usuario sea fluida y efectiva.

Pruebas con personas con discapacidad

Convierta secciones clave de sus guías de usuario en audio y compártalas con usuarios reales que dependan de lectores de pantalla. Observe cómo interpretan las instrucciones y si la voz sintética interfiere con su comprensión.

Utilice los límites de caracteres para probar fragmentos de hasta 4096 caracteres, asegurando que la transición entre segmentos no sea abrupta.

Feedback sobre calidad de voz

Recopile opiniones específicas sobre la claridad de las voces como Aria o Atlas. Determine si el tono narrativo resulta natural o si necesita ajustes en la velocidad (rango 0.25–4.0) para mejorar la legibilidad auditiva.

Verifique que la detección automática de idioma funcione correctamente o fuerce el código ISO si el texto contiene mezclas lingüísticas.

Iteración del contenido

Refine los textos basándose en las sugerencias recibidas. Si una frase suena confusa en audio, reescriba el texto fuente para simplificar la sintaxis.

Actualice los materiales de aprendizaje iterativamente hasta que la tasa de comprensión sea óptima para su audiencia objetivo.

Mantenimiento y actualizaciones

Ilustración de onda de sonido para: Mantenimiento y actualizaciones

Mantener la calidad del audio requiere actualizar los textos conforme cambian los servicios públicos. Cada modificación en el contenido textual debe regenerarse para asegurar que el audio refleje la información más reciente, manteniendo la coherencia narrativa en toda la plataforma.

Gestionar las claves API es sencillo pero crítico. Puedes emitir una nueva clave en cualquier momento desde tu panel; la anterior dejará de funcionar inmediatamente, lo que garantiza que los accesos no autorizados queden invalidados al instante sin necesidad de esperar renovaciones periódicas.

Actualización de textos

Revisa periódicamente los textos clave para servicios y ONGs. Al modificar el contenido, recuerda que cada cambio genera nuevos caracteres consumidos según la tarifa de $0.01 por 1.000 caracteres. Asegúrate de que el texto final coincida exactamente con lo que se sintetizará.

Gestión de claves API

Regenera la clave desde /get-api-key/ si hay sospecha de compromiso. La transición es inmediata, sin periodos de gracia donde ambas claves sean válidas. Esto simplifica la seguridad en equipos de producto que comparten credenciales.

Monitorización de límites

El límite de 60 solicitudes por minuto se aplica por clave. Si tu integración supera este umso, las peticiones se encolan o pueden fallar. Monitorea el panel para ajustar la tasa de llamadas y evitar interrupciones en la generación de audio para tus usuarios.

Comparativa con otras soluciones

Ilustración de onda de sonido para: Comparativa con otras soluciones

Comparar soluciones ayuda a entender dónde encaja nuestra API en el flujo de trabajo de tu equipo de producto. La elección depende de la escala, el presupuesto y la necesidad de multilingüismo nativo.

A diferencia de otros servicios, no ofrecemos SDK propios ni streaming, pero garantizamos una integración directa vía HTTP compatible con SDKs estándar, ideal para equipos que priorizan la simplicidad operativa.

Vs. Grabación humana

La grabación humana ofrece matices únicos pero requiere logística: estudios, locutores y edición. Nuestra API genera audio en segundos con 8 voces preestablecidas, eliminando la necesidad de coordinar agendas para actualizaciones de contenido.

Mientras que una grabación humana es un activo estático, la API permite regenerar el audio instantáneamente si cambia el texto, ideal para boletines o guías que evolucionan frecuentemente.

  • Coste fijo vs. coste por carácter
  • Latencia de días vs. segundos
  • Actualización manual vs. automática

Vs. Otras APIs TTS

Muchas APIs cobran por minuto de audio o por niveles de suscripción. Aquí, el precio es lineal: $10 por cada millón de caracteres, sin planes mensuales ni cargos por inactividad.

A diferencia de otras soluciones que limitan los idiomas por voz, nuestras 8 voces pueden hablar los 23 idiomas soportados, simplificando la gestión técnica para equipos de ONGs con audiencias globales.

  • Precio lineal por carácter
  • Voces multiidioma nativas
  • Sin suscripciones obligatorias

Ventajas de simplicidad

No necesitas gestionar infraestructura compleja ni aprender sintaxis SSML avanzada. Solo envías texto y recibes audio, con una interfaz RESTful que se integra fácilmente en las plataformas digitales existentes.

La transparencia en el uso de caracteres y la facilidad para recargar saldo con USDT reducen la fricción administrativa, permitiendo al equipo enfocarse en el contenido y la accesibilidad.

Próximos pasos

Ilustración de onda de sonido para: Próximos pasos

Comienza accediendo a la página de registro con tu cuenta de Google o correo electrónico. Esto genera tu clave API única y te da acceso inmediato al panel de control con el saldo de prueba inicial.

Configura tu entorno cambiando la URL base del SDK oficial a https://api.playh99.com/v1. Realiza una primera solicitud de prueba con un texto breve para verificar que la integración funciona correctamente antes de avanzar.

Registro en la plataforma

Accede a la página de registro y crea tu cuenta usando Google o correo electrónico. Este paso genera tu clave API única y te otorga acceso inmediato al panel de control, donde puedes ver tu saldo y la prueba gratuita de 7 días.

La clave se emite al instante. Si necesitas renovarla, puedes generar una nueva en cualquier momento, lo que invalida la anterior de forma inmediata.

Configuración inicial

Para la integración, modifica la URL base del SDK oficial (como el de OpenAI) a https://api.playh99.com/v1. Esto permite reutilizar la lógica de cliente que ya conoces, simplificando la implementación técnica en tus proyectos.

Envía una solicitud de prueba con un texto corto para verificar que la autenticación y la generación de audio funcionan como se espera en tu entorno local o de desarrollo.

Despliegue en producción

Una vez validada la integración, despliega la solución en tu plataforma de servicios públicos u ONG. Asegúrate de gestionar los límites de velocidad (60 solicitudes por minuto) y de implementar la división de textos largos para garantizar una experiencia fluida para los usuarios finales.

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.

Avatar de la voz aria
ariafemenino
Avatar de la voz nova
novafemenino
Avatar de la voz luna
lunafemenino
Avatar de la voz sage
sagefemenino
Avatar de la voz felix
felixmasculino
Avatar de la voz milo
milomasculino
Avatar de la voz atlas
atlasmasculino
Avatar de la voz orion
orionmasculino

23 idiomas

Cualquier voz puede hablar cualquiera de estos idiomas.

Fuentes y lecturas adicionales

  1. Wikipedia
  2. LibriTTS-R paper (arXiv 2305.18802)
  3. openai-node on GitHub
  4. ISO 639 language codes
  5. LibriTTS-R corpus (OpenSLR 141)
  6. curl documentation
  7. FFmpeg documentation
  8. Node.js documentation
  9. IETF RFC 7845: Ogg Opus
  10. MDN: Web Speech API
  11. OpenAI API reference: create speech
  12. Creative Commons Attribution 4.0

Más en este sitio