¿Cómo funciona la API de texto a voz para generar audio?

Por Equipo editorial VozCulta · Actualizado 2026-11-19

Esta guía explica el funcionamiento de la API de VozCulta, diseñada para que agencias gubernamentales y organizaciones sin fines de lucro conviertan textos extensos en archivos de audio de forma programática. Aprenderá a utilizar el endpoint principal, gestionar la autenticación con clave y obtener resultados en segundos, sin necesidad de infraestructura compleja.

Ideal para técnicos y gestores de accesibilidad, este documento detalla el flujo de trabajo paso a paso: desde la preparación de la solicitud JSON hasta la recepción del archivo de audio. Descubrirá cómo integrar la síntesis de voz en sus sitios web o sistemas internos, optimizando la distribución de normativas y contenido educativo con un enfoque práctico y sin supuestos innecesarios.

¿Cómo funciona la API de texto a voz para generar audio?

Preguntas frecuentes

¿Es lo mismo que un lector de pantalla?

No. Un lector de pantalla lee la interfaz del sistema operativo. Esta API genera archivos de audio (mp3, wav, etc.) a partir de texto mediante una solicitud HTTP. El audio resultante puede reproducirse en cualquier reproductor, pero la API no interactúa directamente con la interfaz de usuario de tu dispositivo.

¿Puede la API leer documentos Word?

La API recibe texto plano, no archivos .docx. Debes extraer el contenido de texto de tu documento Word y enviarlo como el campo input en la solicitud JSON. Si el texto excede los 4096 caracteres, debes dividirlo en partes y unir los archivos de audio resultantes.

¿Qué calidad de audio tiene?

Ofrece dos modelos: tts-1 y tts-1-hd, que utilizan el mismo motor y precio. El audio se genera en formatos como mp3, wav, opus, flac o pcm. Cada archivo contiene una marca de agua inaudible que lo identifica como habla sintética, basada en grabaciones con licencia.

¿Se puede pausar o reanudar la lectura?

La API genera el archivo de audio completo y lo devuelve en la respuesta. No ofrece streaming ni control de reproducción en tiempo real. Para pausar o reanudar, debes gestionar el archivo de audio resultante con el reproductor de audio o el software de tu aplicación cliente.

¿Es necesario programar para usarla?

No es estrictamente necesario, pero es el método principal. Puedes usar la CLI curl o cualquier herramienta que envíe solicitudes HTTP POST al endpoint. También funciona con los SDKs oficiales de OpenAI cambiando la base_url. No requiere programación compleja, solo enviar el texto y recibir el audio.

¿Funciona en dispositivos móviles?

La API es un servicio en la nube, accesible desde cualquier dispositivo con conexión a internet y capacidad de ejecutar solicitudes HTTP. No hay un SDK móvil dedicado, pero los archivos de audio generados (mp3, wav, etc.) son compatibles con cualquier reproductor en dispositivos móviles.

¿Cuántos idiomas soporta la API?

Soporta 23 idiomas: árabe, chino, danés, neerlandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco y turco. Cualquier voz puede hablar cualquier idioma de esta lista. Si no se especifica, se detecta por el guion.

¿Es adecuada para niños?

Sí. Las voces como nova (brillante y animada) o luna (suave) son adecuadas para contenido infantil. La API no filtra contenido por edad, sino que genera audio basado en el texto proporcionado. Puedes elegir la voz que mejor se adapte al tono deseado para la audiencia infantil.

¿Se puede usar en presentaciones?

Sí. Puedes generar archivos de audio (mp3, wav) para cada diapositiva o sección y reproducirlos durante tu presentación. Dado que no hay streaming, debes generar el audio con anticipación o en tiempo real si la latencia lo permite, y luego reproducirlo mediante un reproductor de audio estándar.

¿Qué sucede si el texto es muy técnico?

La API lee el texto tal como se envía. No tiene un diccionario de pronunciación personalizado ni SSML para ajustar términos técnicos. Si la pronunciación no es precisa, puedes probar con diferentes voces o ajustar el texto de entrada (por ejemplo, escribiendo la fonética) para mejorar el resultado.

¿Tiene latencia alta?

La velocidad es aproximadamente en tiempo real (25 caracteres por segundo). Las frases cortas toman unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga puede haber espera. No hay garantía de tiempo de respuesta, pero el procesamiento es secuencial y predecible en volumen.

¿Puede leer listas de números?

Sí, lee cualquier texto plano, incluyendo listas de números. La voz interpretará los números según las reglas estándar del idioma seleccionado. Si necesitas un formato específico (como 'cero coma cinco'), debes escribirlo explícitamente en el campo input para asegurar la pronunciación deseada.

¿Es libre de derechos de autor?

Las voces están basadas en grabaciones con licencia CC BY 4.0 de LibriVox. El audio generado no se almacena y se devuelve directamente en la respuesta. El audio es sintético y tiene una marca de agua inaudible.

¿Se puede integrar con WordPress?

No hay un plugin oficial de WordPress. Sin embargo, puedes integrar la API manualmente mediante código personalizado en tu tema o plugins, usando las solicitudes HTTP estándar. También puedes usar los SDKs de OpenAI modificando la URL base para generar audio y insertarlo en tus entradas o páginas.

¿Qué pasa si el servidor se desconecta?

Si la solicitud falla, el cargo se devuelve íntegramente. No hay garantía de disponibilidad (SLA) ni contrato empresarial. Si la conexión se interrumpe durante la generación, deberás reenviar la solicitud. Los metadatos de la solicitud se conservan para facturación, pero el audio no se almacena en el servidor.

¿Se puede usar para libros electrónicos?

Sí. Es ideal para digitalizar documentos largos. Debes dividir el texto en partes de hasta 4096 caracteres, generar el audio para cada parte y unirlos. Esto permite crear audiolibros programáticos sin complicaciones de infraestructura, ideal para organizaciones sin fines de lucro y servicios gubernamentales.

Definición básica

Ilustración de onda de sonido para: Definición básica

VozCulta es un servicio en la nube que transforma texto escrito en archivos de audio sintetizado. Su API permite que sistemas gubernamentales y organizaciones sin fines de lucro conviertan documentos largos en voz de forma programática, eliminando la necesidad de infraestructura compleja.

La interfaz de programación de aplicaciones (API) facilita la integración mediante solicitudes HTTP estándar. Los usuarios envían texto mediante solicitudes HTTP y reciben archivos de audio, optimizando la accesibilidad digital.

Servicio de conversión de texto a audio

El servicio procesa texto y genera audio sintético mediante modelos de voz licenciados. Cada solicitud recibe un archivo de audio que puede reproducirse inmediatamente, manteniendo la naturalidad del habla en los idiomas soportados.

Interfaz de programación de aplicaciones

La API opera mediante endpoints REST estándar, compatibles con SDKs oficiales como los de OpenAI. Esto simplifica la integración para desarrolladores que necesitan automatizar la generación de audio dentro de flujos de trabajo existentes.

  • Endpoint principal: POST /v1/audio/speech
  • Autenticación mediante clave Bearer
  • Formato de solicitud JSON estandarizado

Generación de archivos de voz

Cada respuesta contiene un archivo de audio en formatos como mp3, wav u opus. El sistema maneja textos largos dividiéndolos en partes de hasta 4096 caracteres, asegurando una generación continua y coherente.

Diferencia con software de escritorio

Ilustración de onda de sonido para: Diferencia con software de escritorio

La API de texto a voz de VozCulta opera en la nube, eliminando la necesidad de instalar software en servidores locales o equipos individuales. Esta arquitectura permite que las agencias gubernamentales y ONGs accedan a la síntesis de voz desde cualquier lugar con conexión a internet, centralizando el procesamiento sin depender de hardware específico.

Al no requerir licencias por dispositivo ni actualizaciones manuales de versiones, la infraestructura se mantiene automáticamente. Los usuarios interactúan directamente con el endpoint mediante solicitudes HTTP, simplificando la gestión técnica y reduciendo la carga operativa de los equipos de TI en organizaciones públicas y sin fines de lucro.

Acceso basado en la nube

El servicio se ejecuta en servidores remotos, lo que garantiza que la capacidad de procesamiento no dependa de la máquina local del usuario. Esto es crucial para organizaciones que necesitan generar audio de manera consistente sin preocuparse por la compatibilidad de sistemas operativos o versiones de software.

Integración en sitios web

Al ser una API RESTful, la integración en sitios web gubernamentales o plataformas de ONGs es directa. Mediante una simple solicitud POST con la clave API, el sistema devuelve el archivo de audio, facilitando la incorporación de contenido audible en portales de servicios públicos o aplicaciones web sin interfaces complejas.

Escalabilidad automática

La nube maneja la cola de solicitudes. A diferencia del software de escritorio con límites fijos, este enfoque permite procesar múltiples conversiones simultáneas sin que el usuario deba gestionar recursos de hardware adicionales manualmente, adaptándose a picos de demanda en la publicación de documentos oficiales.

Componentes técnicos

Ilustración de onda de sonido para: Componentes técnicos

La API de VozCulta convierte texto en audio mediante modelos sintéticos basados en grabaciones con licencia y dominio público. No requiere instalación de software, solo conexión a internet para acceder a los motores de síntesis.

Los modelos ofrecen ocho voces predefinidas con tonos distintos, capaces de hablar en 23 idiomas distintos.

Modelos de voz sintética

Selecciona entre ocho presets como Aria, Nova o Atlas. Cada voz está optimizada para diferentes contextos, desde lectura de normativas hasta boletines informativos, manteniendo una calidad auditiva constante y natural.

Enlaces de API REST

La integración se realiza mediante peticiones HTTP POST al endpoint /v1/audio/speech. Se envía texto en formato JSON y se recibe un archivo de audio directamente en la respuesta, listo para reproducirse o almacenarse.

El formato de la solicitud es compatible con el SDK oficial de OpenAI, facilitando la migración si ya utilizas sus librerías en tus sistemas gubernamentales o de ONGs.

Autenticación con clave

Cada cuenta cuenta con una clave API única que debe enviarse en el encabezado Authorization. Esta clave permite acceder a todos los modelos y formatos disponibles para tu organización.

La clave se gestiona desde el panel de control, donde puedes revocar la actual y generar una nueva si es necesario, asegurando el acceso a los recursos de síntesis.

Uso en accesibilidad

Ilustración de onda de sonido para: Uso en accesibilidad

La API permite convertir textos normativos o informativos en archivos de audio accesibles, facilitando la lectura a personas con discapacidad visual o dificultades de lectura. Este proceso elimina barreras de navegación en sitios gubernamentales y organizaciones sin fines de lucro.

Lectura para personas con discapacidad visual

La generación programática de audio permite ofrecer contenido en formatos estándar (mp3, wav) sin requerir lectores de pantalla adicionales complejos. Los usuarios pueden consumir documentos largos de manera eficiente, aprovechando la capacidad de dividir textos extensos en partes manejables.

  • Soporte para 23 idiomas, incluyendo español, inglés y francés.
  • Voces naturales que facilitan la comprensión auditiva prolongada.

Complemento de sitios gubernamentales

La integración vía API REST permite incrustar reproductores de audio directamente en portales de transparencia o boletines oficiales. Esto asegura que la información pública sea accesible desde cualquier dispositivo con conexión a internet, sin depender de aplicaciones específicas.

Mejora de la experiencia de usuario

La accesibilidad mejorada beneficia a personas con discapacidad y usuarios en movilidad. Al permitir el consumo de contenido auditivo, se reduce la fatiga visual y se agiliza la obtención de información clave.

Ventajas para ONGs

Ilustración de onda de sonido para: Ventajas para ONGs

La API de VozCulta ofrece una tarifa variable por uso. Con una tarifa de $0.01 por cada 1.000 caracteres, las organizaciones pueden convertir grandes volúmenes de texto a audio sin necesidad de contratar estudios completos o contratar voces adicionales para proyectos puntuales.

Al generar contenido solo cuando es necesario, las ONGs optimizan su presupuesto operativo. La facturación variable asegura que se pague exactamente por el uso, evitando costos de licencias mensuales o suscripciones fijas que no se utilizan plenamente.

Reducción de costos de producción

La API de VozCulta elimina los altos costos fijos de producción de audio. Con una tarifa de $0.01 por cada 1.000 caracteres, las organizaciones pueden convertir grandes volúmenes de texto a audio sin necesidad de contratar estudios completos o contratar voces adicionales para proyectos puntuales.

  • Tarifa fija por caracteres generados.
  • Sin costos de infraestructura de estudio.
  • Cobro por uso efectivo.

Generación bajo demanda

Al generar contenido solo cuando es necesario, las ONGs optimizan su presupuesto operativo. La facturación variable asegura que se pague exactamente por el uso, evitando costos de licencias mensuales o suscripciones fijas que no se utilizan plenamente.

Actualización inmediata de contenido

Cuando cambian las normativas o los boletines informativos, la API permite regenerar el audio al instante. No hay que esperar a que un locutor tenga disponibilidad ni a que se complete un ciclo de grabación manual; el nuevo texto se convierte en audio en minutos.

Limitaciones técnicas

Ilustración de onda de sonido para: Limitaciones técnicas

La API ofrece una interfaz REST directa para la generación de audio, lo que simplifica la integración pero implica ciertas limitaciones técnicas que los equipos de TI deben considerar al diseñar la arquitectura.

Estas restricciones no afectan la funcionalidad básica de conversión de texto a voz, pero definen cómo se debe estructurar el flujo de datos para optimizar el rendimiento en entornos gubernamentales y ONGs.

Sin soporte para SSML

No se incluye soporte para el Lenguaje de Marcado de Voz Sintética (SSML), por lo que no es posible controlar el ritmo, la entonación o las pausas mediante etiquetas XML avanzadas.

Sin clonación de voz personalizada

La plataforma utiliza ocho voces predefinidas basadas en grabaciones licenciadas y no ofrece la capacidad de clonar voces específicas del cliente ni de crear perfiles de voz personalizados mediante entrenamiento adicional.

Sin transmisión en tiempo real

El audio se genera en lotes completos y se devuelve como un archivo descargable tras la solicitud; no hay transmisión de flujo de audio en tiempo real ni WebSocket para audio parcial mientras se sintetiza.

Comparación con soluciones tradicionales

Ilustración de onda de sonido para: Comparación con soluciones tradicionales

La API de VozCulta transforma textos largos en audio mediante un procesamiento secuencial en la nube, con una velocidad típica de aproximadamente 25 caracteres por segundo. Este enfoque elimina la necesidad de hardware local, permitiendo escalar sin gestionar servidores.

A diferencia de las soluciones tradicionales que requieren licencias perpetuas o suscripciones mensuales, VozCulta opera bajo un modelo de costos variables. Solo se paga por los caracteres procesados, con una tarifa de $0.01 por cada 1.000 caracteres, lo que optimiza el presupuesto para agencias y ONGs.

Velocidad vs. calidad

El procesamiento es secuencial, con una velocidad típica de aproximadamente 25 caracteres por segundo. Las solicitudes se procesan una tras otra, por lo que bajo carga puede haber una cola breve. No obstante, para textos largos, la generación se aproxima al tiempo real, garantizando una entrega eficiente sin latencia excesiva.

La calidad del audio es consistente, utilizando voces preestablecidas con acentos naturales en 23 idiomas. No se ofrecen variaciones emocionales ni personalización profunda, pero la claridad es suficiente para la comprensión de documentos oficiales y educativos.

  • Procesamiento secuencial en la nube
  • Velocidad de ~25 caracteres/segundo
  • Audio claro y natural en 23 idiomas

Costos fijos vs. variables

Las soluciones tradicionales implican costos fijos altos por licencias de software o infraestructura dedicada, independientemente del uso. VozCulta elimina estos gastos iniciales grandes: no hay suscripciones mensuales ni costos de mantenimiento de servidores. El costo es puramente variable: $10 por cada millón de caracteres procesados.

Este modelo es ideal para organizaciones con picos de demanda, como campañas de accesibilidad o digitalización de normativas. No hay penalizaciones por volumen bajo ni sobrecostos por uso alto, solo se factura lo consumido. El saldo no caduca y las recargas mínimas son de $5 mediante USDT en la red TRON.

  • Solo pagas por caracteres usados
  • Sin licencias ni suscripciones fijas
  • Recargas mínimas de $5 USD

Mantenimiento de software vs. API

Con software instalado, las agencias deben gestionar actualizaciones, compatibilidad de sistemas operativos y posibles interrupciones durante las actualizaciones. Con VozCulta, la infraestructura es responsabilidad del proveedor. No hay servidores locales que requieren monitoreo ni parches de seguridad en el lado del cliente.

La integración es mediante una simple llamada HTTP. No se requiere un SDK propio ni conocimientos complejos de DevOps. Si surge un problema, el soporte es por correo electrónico, sin tiempos de espera garantizados ni SLAs. Esto reduce la carga operativa del equipo técnico de la organización.

  • Sin servidores locales que mantener
  • Actualizaciones automáticas en la nube
  • Soporte por correo electrónico
Comparación con soluciones tradicionales

Implementación técnica

Ilustración de onda de sonido para: Implementación técnica

La integración requiere enviar una solicitud POST al endpoint /v1/audio/speech con autenticación Bearer. Es posible usar el SDK de OpenAI modificando la URL base o realizar llamadas HTTP directas. Cada petición incluye el texto a convertir, el modelo seleccionado y el formato de salida deseado.

Es fundamental dividir textos extensos en fragmentos de 4096 caracteres y unir los archivos resultantes. Este enfoque evita límites de carga y garantiza la generación completa del audio para documentos normativos o educativos.

Para validar la calidad, verifique que el audio generado coincida con el texto original en longitud y tono. Considere el uso de diferentes voces y velocidades (0.25–4.0) para adaptar el contenido a la audiencia final.

Monitoree el uso mediante el panel de cuenta para controlar el consumo de caracteres y la disponibilidad del saldo. La API devuelve metadatos de facturación que ayudan a prever costos y gestionar la escalabilidad del servicio.

Requisitos de integración

La implementación se basa en llamadas HTTP POST a /v1/audio/speech. Se requiere autenticación con una clave Bearer única. El cuerpo de la solicitud debe incluir el campo input con el texto (máximo 4096 caracteres) y el modelo (tts-1 o tts-1-hd).

Para textos largos, divida el contenido en fragmentos y una el audio generado. Utilice la URL base https://api.voltrush.info/v1 si emplea el SDK de OpenAI.

  • Endpoint: POST https://api.voltrush.info/v1/audio/speech
  • Autenticación: Authorization: Bearer tts-...
  • Formatos soportados: mp3, wav, opus, flac, pcm

Pruebas de calidad de audio

Verifique la precisión de la síntesis comparando el texto de entrada con el audio generado. Ajuste la velocidad entre 0.25 y 4.0 según la complejidad del contenido.

Se recomienda probar múltiples voces para determinar la más adecuada para cada tipo de documento institucional o educativo.

Monitoreo de uso

Acceda a /get-api-key/ para revisar el saldo, los caracteres consumidos y el historial de uso. La facturación es por carácter utilizado, con carga automática al agregar fondos mediante USDT.

Los metadatos de las solicitudes se conservan únicamente para fines de facturación y no incluyen el audio generado.

  • Costo: $0.01 por 1.000 caracteres
  • Límite: 60 solicitudes por minuto
  • Formato de facturación: USDT (TRC-20)

Casos de uso específicos

Ilustración de onda de sonido para: Casos de uso específicos

La API de VozCulta permite convertir documentos extensos en audio de manera programática, ideal para normativas legales y boletines informativos. Al dividir textos largos en fragmentos de hasta 4096 caracteres, se garantiza una integración fluida en plataformas gubernamentales sin complicaciones de infraestructura.

Lectura de normativas legales

Las agencias pueden automatizar la lectura de regulaciones actualizadas, enviando el texto mediante la endpoint de síntesis y recibiendo archivos de audio en segundos. Esto facilita el acceso a la información normativa sin necesidad de lectores humanos para cada actualización.

  • Procesamiento de textos largos mediante división automática de fragmentos
  • Soporte para múltiples idiomas, incluyendo español y portugués
  • Costo fijo de $0.01 por cada 1,000 caracteres procesados

Audio para boletines informativos

Las organizaciones pueden generar audio bajo demanda para sus boletines, eliminando la necesidad de estudios de grabación fijos. Cada solicitud genera un archivo único que puede integrarse directamente en sitios web o aplicaciones móviles para lectores.

  • Generación rápida con modelos de voz claros y naturales
  • Formatos compatibles como MP3, WAV y OPUS
  • Sin costos de mantenimiento de equipos de grabación

Contenido educativo en audio

El contenido educativo puede convertirse en audio para mejorar la accesibilidad, especialmente para personas con discapacidad visual o dificultades de lectura. La API permite usar voces específicas para mantener un tono instruccional o narrativo adecuado al contexto.

  • Voces como 'sage' para contenido instruccional
  • Velocidad ajustable entre 0.25 y 4.0 para adaptarse a diferentes necesidades
  • Integración sencilla mediante SDKs de OpenAI o HTTP directo

Seguridad de datos

Ilustración de onda de sonido para: Seguridad de datos

La API procesa el texto únicamente para generar el audio, sin almacenar el contenido original ni reutilizarlo para entrenamiento de modelos. El archivo de audio resultante se devuelve en la respuesta y no se conserva en nuestros servidores, lo que minimiza el riesgo de exposición de datos sensibles.

Esta arquitectura garantiza que la información utilizada para la síntesis permanezca efímera, ideal para documentos gubernamentales o boletines de ONGs que requieren confidencialidad inmediata tras la generación.

No almacenamiento de audio generado

Una vez que el archivo de audio se entrega al cliente mediante la respuesta de la API, no se guarda ninguna copia en nuestros sistemas de almacenamiento persistente. Esto elimina la necesidad de gestionar ciclos de vida de datos o realizar eliminaciones masivas posteriores.

A diferencia de otras plataformas que archivan las voces generadas para análisis o mejoras, aquí el audio es transitorio. Esta característica es crucial para instituciones que manejan información sensible y necesitan asegurar que no queden rastros de las emisiones de audio una vez finalizada la transacción.

  • Audio devuelto en la respuesta y descartado
  • Sin retención a largo plazo
  • Ideal para datos temporales o sensibles

Uso de texto solo para síntesis

El texto que envías a la API se utiliza exclusivamente como entrada para la generación del archivo de audio. No se incorpora a los conjuntos de datos para entrenar o mejorar los modelos de voz de forma anónima o agregada.

Esto asegura que la información contenida en tus normativas, documentos legales o comunicados internos permanezca bajo tu control total, sin ser utilizada para fines de desarrollo del modelo por parte del proveedor.

  • Uso exclusivo para generación inmediata
  • Sin uso para entrenamiento de modelos
  • Control total sobre la información

Protección de la clave API

La autenticación se realiza mediante una clave Bearer única. Si es necesario, puedes emitir una nueva clave en cualquier momento desde tu panel, lo que invalida inmediatamente la anterior, asegurando que cualquier uso no autorizado quede bloqueado al instante.

Mantener tu clave en entornos seguros y revisar el uso en el panel de control permite detectar anomalías rápidamente, garantizando que solo tu aplicación acceda a los servicios de síntesis.

  • Clave única por cuenta
  • Invalidación inmediata al renovar
  • Control de acceso simple

Futuro de la tecnología

Ilustración de onda de sonido para: Futuro de la tecnología

La tecnología de síntesis de voz evoluciona constantemente. Aunque nuestro motor actual ofrece voces claras y útiles para documentos oficiales, la investigación continúa mejorando la prosodia y las pausas naturales entre oraciones, acercando el resultado al habla humana.

Mejoras en la naturalidad

El motor de síntesis continúa refinando la prosodia, logrando pausas más naturales entre oraciones y una entonación más cercana al habla humana.

Expansión de idiomas

Actualmente, la API soporta 23 idiomas, incluyendo español, inglés, francés y alemán. La expansión a más lenguas permite que más organismos gubernamentales y ONGs digitalicen su contenido para audiencias diversas sin necesidad de múltiples proveedores.

Integración con plataformas web

La API está diseñada para integrarse fácilmente en sitios web existentes. Al usar el formato estándar compatible con SDKs conocidos, las plataformas web pueden añadir audio generado programáticamente sin complicaciones de infraestructura, manteniendo la accesibilidad actualizada.

Recursos adicionales

Ilustración de onda de sonido para: Recursos adicionales

Acceda a la guía completa de integración en /docs/, que detalla los parámetros de solicitud, los formatos de audio disponibles y los códigos de estado de respuesta para una implementación precisa.

Utilice los ejemplos de código en /get-api-key/ para generar su primera clave y realizar pruebas inmediatas con la terminal, verificando el saldo y los caracteres disponibles sin configuraciones complejas.

Documentación oficial

La documentación técnica detalla la estructura JSON de las peticiones POST y GET, especificando los modelos tts-1 y tts-1-hd, las ocho voces disponibles y los formatos de salida como mp3 o wav.

  • Endpoint: https://api.voltrush.info/v1
  • Guía de autenticación con clave Bearer

Ejemplos de código

Cuenten con ejemplos listos para usar en curl y Python que ilustran la llamada básica a /v1/audio/speech, facilitando la integración rápida en sus flujos de trabajo de digitalización.

  • Ejemplo básico de curl

Soporte por correo

Para consultas específicas sobre integración o facturación, nuestro equipo de soporte técnico está disponible exclusivamente por correo electrónico, garantizando respuestas detalladas a sus incidencias técnicas.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. El panel de control muestra el balance actual y los caracteres consumidos.

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. ISO 639 language codes
  3. openai-python on GitHub
  4. Python documentation
  5. LibriTTS-R corpus (OpenSLR 141)
  6. W3C WAI: making audio and video accessible
  7. OpenAI API reference: create speech
  8. Node.js documentation
  9. Creative Commons Attribution 4.0
  10. FFmpeg documentation
  11. TRON developer hub: TRC-20
  12. LibriVox public-domain audiobooks

Más en este sitio