Documentación completa de la API de texto a voz

Por equipo editorial de LectorFácil · Actualizado 2026-11-19

Esta guía explica cómo usar la API de texto a voz de LectorFácil para convertir artículos, libros o documentos en audio claro. Está diseñada para usuarios sin conocimientos técnicos que buscan mejorar la accesibilidad en personas con dislexia o trastornos del aprendizaje. Aquí encontrarás toda la información sobre precios, voces disponibles, formatos de audio y límites técnicos, con ejemplos prácticos para integrar el servicio en tus flujos de trabajo sin complicaciones.

La API permite enviar texto y recibir archivos de audio mediante una solicitud simple, compatible con las SDKs de OpenAI cambiando la URL base. Podrás ajustar la velocidad de lectura, elegir entre ocho voces predefinidas y seleccionar el idioma adecuado para una mejor comprensión. Además, aprenderás cómo gestionar tu cuenta, entender los costes por caracteres y conocer las limitaciones técnicas, como la ausencia de streaming en tiempo real o SSML, para tomar decisiones informadas sobre su uso.

Documentación completa de la API de texto a voz

Preguntas frecuentes

¿Qué es una API de texto a voz?

Es un servicio en la nube que convierte texto en archivos de audio mediante una solicitud POST. Envías el texto y recibes el archivo de audio generado. Utiliza el endpoint /v1/audio/speech con un formato JSON compatible con SDKs estándar, permitiendo integrar la voz sintetizada en tus aplicaciones o flujos de trabajo digitales de manera sencilla.

¿Qué voces son mejores para dislexia?

Todas las voces son claras y legibles. Para dislexia, se recomiendan voces como Aria, Luna o Sage por su claridad narrativa, o Milo por su tono conversacional. La clave está en ajustar la velocidad (0.25–4.0) a un ritmo cómodo para la lectura auditiva, ya que la voz en sí no varía en complejidad fonética.

¿Cómo cambio la velocidad de la voz?

Puedes ajustar la velocidad incluyendo el parámetro 'speed' en tu solicitud JSON. El valor debe estar entre 0.25 y 4.0. Un valor de 1.0 es la velocidad normal. Esto permite adaptar la velocidad de reproducción a la capacidad de comprensión auditiva del usuario, facilitando la lectura para personas con dislexia.

¿Cuántos idiomas puedo usar?

El servicio soporta 23 idiomas, incluyendo español, inglés, francés, alemán, portugués, italiano, ruso, chino, japonés y árabe. Cualquier voz puede hablar cualquiera de estos idiomas. Si no especificas el código ISO del idioma, el sistema lo adivina, pero para textos en latinoso no inglés, es recomendable establecerlo manualmente.

¿Qué formato de audio es mejor?

Puedes elegir entre mp3, wav, opus, flac o pcm. MP3 es ideal para web y movilidad por su compresión. WAV y FLAC ofrecen alta calidad sin pérdida. PCM es sin comprimir. La elección depende de tu necesidad de almacenamiento y compatibilidad, pero todos los formatos son generados por el mismo motor de síntesis.

¿Puedo usar la API sin programar?

Sí, aunque es una API, puedes usarla sin código mediante herramientas como Postman o interfaces web que ejecuten solicitudes HTTP. También puedes usar el ejemplo curl proporcionado en tu panel. No necesitas conocimientos técnicos profundos para enviar texto y recibir audio, solo necesitas tu clave API y una herramienta para enviar la solicitud.

¿Cuánto cuesta el uso mensual?

No hay costo mensual fijo. Pagas $10 por cada millón de caracteres procesados. El saldo no expira y no hay planes de suscripción. Puedes empezar con una prueba gratuita de $0.50 si te registras con Google. Los fallos en la síntesis no se cobran, asegurando que solo pagues por audio generado con éxito.

¿Se guarda mi texto después de la generación?

No. El texto de entrada se utiliza únicamente para producir el audio y no se almacena para entrenamiento. El audio generado se devuelve en la respuesta y no se guarda en nuestros servidores. Solo conservamos metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación y registro de uso.

¿Qué pasa si el texto es muy largo?

Debes dividir el texto en partes de hasta 4096 caracteres por solicitud. Luego, puedes unir los archivos de audio resultantes. El sistema no procesa textos infinitos en una sola llamada. Esta división manual o programada asegura que cada solicitud cumpla con el límite de caracteres definido por la API para una generación estable.

¿Hay límite de solicitudes por minuto?

Sí, el límite es de 60 solicitudes por minuto por clave API. Antes de tu primera recarga, el límite es de 10 solicitudes por minuto. Si excedes este límite, las solicitudes pueden tardar más o fallar. Esto asegura un servicio estable para todos los usuarios, especialmente durante picos de demanda en la generación de audio.

¿Qué es USDT y cómo se usa para pagar?

USDT es una criptomoneda en la red TRON (TRC-20). Es el único método de recarga aceptado. Envías al menos $5 USDT a nuestra dirección y el saldo se acredita automáticamente en minutos. No aceptamos tarjetas, PayPal ni facturas. El proceso es directo y permite recargar tu cuenta sin intermediarios bancarios tradicionales.

¿La API es compatible con lectores de pantalla?

La API devuelve archivos de audio, que son compatibles con cualquier reproductor. Sin embargo, la API en sí es un servicio de backend. La compatibilidad con lectores de pantalla depende de cómo integres la API en tu aplicación o sitio web final.

¿Se puede usar el audio en dispositivos móviles?

Sí, los archivos de audio generados (mp3, wav, etc.) son estándar y funcionan en cualquier dispositivo móvil que soporte reproducción de audio. Puedes descargarlos o reproducirlos directamente en navegadores móviles o aplicaciones que permitan la reproducción de archivos de audio estándar, sin necesidad de una aplicación móvil específica de LectorFácil.

¿Qué voces tienen acento neutro?

Atlas es descrito como neutral y adecuado para noticias. También Milo es conversacional y claro. La neutralidad depende del contexto. Todas las voces pueden hablar cualquier idioma soportado. Si buscas un tono informativo y claro sin acentos marcados, Atlas es la opción recomendada para contenido informativo o educativo en español.

¿El audio generado tiene marcas de agua?

Sí, cada archivo de audio generado lleva una marca de agua inaudible que indica que es voz sintética. Esto es invisible para el oyente pero permite identificar el origen del audio como generado por IA. Es una característica técnica del motor de síntesis para marcar la naturaleza artificial del contenido auditivo.

¿Puedo revocar mi clave API?

Sí, puedes emitir una nueva clave API en cualquier momento desde tu panel. Al generar una nueva, la clave anterior deja de funcionar inmediatamente. Esto te permite revocar el acceso si la clave se compromete o si quieres cambiarla por seguridad. Solo tienes una clave activa por cuenta en un momento dado.

¿Qué es el límite de 4096 caracteres?

Es el máximo de caracteres que puedes enviar en una sola solicitud de la API. Si tu texto es más largo, debes dividirlo en fragmentos de 4096 caracteres o menos. Cada fragmento generará un archivo de audio separado. Deberás unir estos archivos manualmente o mediante código para obtener el audio completo del texto original.

¿La API funciona con textos en negrita?

La API no soporta SSML ni etiquetas de formato como negrita o cursiva. Envías texto plano. El motor de voz no interpreta marcadores de énfasis visuales como negrita. Solo puedes ajustar la velocidad y el tono mediante la selección de la voz y el parámetro de velocidad. El texto se lee tal como se envía.

¿Se puede ajustar el volumen del audio generado?

La API no ajusta el volumen automáticamente. Genera audio a un volumen estándar. Puedes ajustar el volumen en el reproductor de tu aplicación o dispositivo después de descargar o reproducir el archivo. La API controla la velocidad y el tono, pero no el nivel de ganancia o volumen de salida del archivo final.

¿Qué hace el equipo editorial de LectorFácil?

LectorFácil es una API de texto a voz, no una editorial tradicional. No hay un equipo de redactores que cree contenido externo ni guías de usuario. Toda la documentación, los ejemplos y las preguntas frecuentes están generados automáticamente o son parte de la interfaz de la API. El producto se centra en la conversión de texto a audio para accesibilidad, sin intervención editorial humana en la creación de material informativo.

Introducción a la API de texto a voz

Ilustración de onda de sonido para: Introducción a la API de texto a voz

LectorFácil es una API de texto a voz en la nube que convierte texto en archivos de audio mediante una única llamada POST. Utiliza el mismo formato de solicitud que la API de OpenAI, lo que permite una integración sencilla sin necesidad de conocimientos técnicos avanzados.

Su diseño prioriza la accesibilidad, permitiendo la conversión de artículos, libros o documentos en audio claro y comprensible. El servicio está optimizado para facilitar el acceso a la información en personas con dislexia y otros trastornos del aprendizaje.

Definición de la API

La interfaz es un endpoint REST que acepta texto y devuelve audio. Solo requiere una clave API y sigue el formato JSON estándar, lo que simplifica su uso en cualquier entorno digital sin necesidad de aplicaciones adicionales.

Objetivo de accesibilidad

El objetivo principal es democratizar el acceso a la lectura escrita. Al transformar texto en audio, se elimina la barrera de la decodificación visual, permitiendo concentrarse en el contenido y la comprensión del mensaje.

Público objetivo

Está diseñado para usuarios sin conocimientos técnicos que buscan soluciones inmediatas. También es útil para educadores y creadores de contenido que necesitan convertir documentos largos en formatos auditivos de manera rápida y estandarizada.

Voces disponibles y sus características

Ilustración de onda de sonido para: Voces disponibles y sus características

LectorFácil ofrece ocho voces predefinidas, basadas en grabaciones con licencia y audiolibros de dominio público, diseñadas para proporcionar claridad auditiva. Cada voz tiene un carácter distinto que facilita la comprensión, especialmente para lectores con dislexia o trastornos del aprendizaje.

Las voces se seleccionan mediante el campo voice en la solicitud API. Todas son capaces de hablar los 23 idiomas soportados.

Descripción de las 8 voces

Las voces están categorizadas por género y tono para adaptarse a diferentes tipos de contenido. No se requiere clonación personalizada ni entrenamiento previo; basta con seleccionar la preset que mejor se ajuste a la naturaleza del texto.

  • Aria: Narradora clara y cálida.
  • Nova: Brillante y con energía positiva.
  • Luna: Suave, ideal para cuentos.
  • Sage: Calmada, excelente para instrucciones.
  • Felix: Enérgico, bueno para promociones.
  • Milo: Amigable y conversacional.
  • Atlas: Neutral, estilo noticioso.
  • Orion: Profundo, estilo documental.

Voces femeninas: Aria, Nova, Luna, Sage

Las voces femeninas ofrecen matices variados. Aria y Nova son claras y enérgicas, mientras que Luna y Sage son suaves y narrativas.

Voces masculinas: Felix, Milo, Atlas, Orion

Las voces masculinas cubren desde el tono neutro de noticias hasta la profundidad documental. Atlas es neutral y estilo noticioso, mientras que Felix es enérgico y Milo es conversacional.

Comparativa de voces para claridad

Ilustración de onda de sonido para: Comparativa de voces para claridad

La claridad en la síntesis de voz es fundamental para lectores con dislexia, ya que la entonación y el ritmo influyen directamente en la comprensión del texto. Esta sección compara tres pares de voces para ayudarle a elegir la que mejor se adapte a sus necesidades de lectura.

Aria vs Nova: tono y ritmo

Aria ofrece un tono cálido y claro, ideal para narradores que buscan mantener la atención sin fatiga auditiva. Su ritmo es constante y predecible, lo que facilita el seguimiento de oraciones complejas.

  • Aria: narradora clara y cálida
  • Nova: tono brillante y enérgico

Sage vs Luna: calma y narrativa

Luna suaviza la narrativa, perfecta para cuentos o textos literales que requieren pausas naturales. Sage, en cambio, mantiene una instrucción calmada y directa, minimizando la distensión emocional del audio.

  • Luna: suave y narrativa
  • Sage: calmada e instruccional

Atlas vs Orion: neutralidad y profundidad

Atlas proporciona una voz neutral, libre de acentos marcados, lo que reduce la carga cognitiva en lectores que buscan neutralidad. Orion añade profundidad con un tono documental, útil para textos informativos densos.

  • Atlas: neutral y noticioso
  • Orion: profundo y documental

Configuración de velocidad de lectura

Ilustración de onda de sonido para: Configuración de velocidad de lectura

La API de LectorFácil permite ajustar la velocidad de lectura entre 0.25 y 4.0 veces la velocidad normal. Esta configuración se aplica mediante el parámetro speed en la solicitud JSON, ofreciendo control directo sobre la duración y el ritmo de la generación de audio.

Rango de 0.25 a 4.0

El valor por defecto es 1.0. Puedes reducirlo para una lectura más pausada o aumentarlo para agilizar la escucha de documentos extensos. Los valores válidos van desde 0.25 (mitad de velocidad) hasta 4.0 (cuatro veces más rápido).

  • Velocidad mínima: 0.25x
  • Velocidad máxima: 4.0x
  • Formatos compatibles: mp3, wav, opus, flac, pcm

Recomendaciones para dislexia

Para usuarios con dislexia, una velocidad reducida puede facilitar la comprensión. Esto permite al cerebro procesar la correspondencia entre el texto visual y el audio sin saturación cognitiva.

Evitar velocidades extremas (>3.0x) ayuda a mantener la claridad fonética, crucial para quienes tienen dificultades con el procesamiento auditivo rápido.

Impacto en la comprensión

La velocidad óptima varía según el contenido. Textos técnicos o nuevos requieren menor velocidad para una comprensión completa, mientras que la repetición de texto conocido permite aumentar la velocidad para ahorrar tiempo.

Recordar que las solicitudes se procesan en cola, por lo que velocidades muy altas pueden aumentar ligeramente el tiempo de espera inicial, aunque el audio generado mantendrá el ritmo configurado.

Idiomas soportados y su impacto

Ilustración de onda de sonido para: Idiomas soportados y su impacto

La API de LectorFácil soporta 23 idiomas, permitiendo que cualquier voz reproduzca texto en cualquiera de ellos. Esta flexibilidad facilita la creación de contenido accesible para audiencias multilingües sin necesidad de asignar voces específicas por idioma.

Lista de 23 idiomas

Los idiomas disponibles son: árabe, chino, danés, neerlandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, sueco, suajili y turco. No se incluyen vietnamita, indonesio, tailandés, ucraniano, rumano, checo, bengalí ni otros.

  • Árabe, Chino, Danés, Neerlandés, Inglés, Finés, Francés, Alemán, Griego, Hebreo, Hindi, Italiano, Japonés, Coreano, Malayo, Noruego, Polaco, Portugués, Ruso, Español, Sueco, Suajili, Turco

Detección automática vs manual

Si no se especifica el idioma, el sistema lo detecta automáticamente basándose en el script (el texto latino por defecto es inglés). Para textos en latín pero en otro idioma, se debe establecer el campo language manualmente para garantizar la pronunciación correcta.

Idiomas con mejor pronunciación

Las voces están diseñadas para ofrecer una claridad consistente en todos los idiomas soportados. La precisión de la pronunciación depende de la voz y el idioma seleccionados.

Formatos de audio y su utilidad

Ilustración de onda de sonido para: Formatos de audio y su utilidad

La API de LectorFácil permite seleccionar el formato de salida para adaptar el audio a diferentes necesidades de reproducción y almacenamiento. Esta elección afecta directamente a la compatibilidad del archivo final y su tamaño, permitiendo optimizar el flujo de trabajo según el dispositivo o la plataforma donde se consumirá el contenido.

Cada formato ofrece un equilibrio distinto entre calidad de sonido y eficiencia. Al generar el audio, puedes elegir la extensión que mejor se ajuste a tu caso de uso, garantizando que el texto convertido sea accesible sin complicaciones técnicas adicionales.

MP3: compatibilidad universal

El formato MP3 es la opción más segura para garantizar que el audio generado se reproduzca en cualquier dispositivo, navegador o aplicación. Su amplia adopción lo convierte en el estándar ideal para distribuir contenido de audio para personas con dislexia en plataformas educativas o lectores de pantalla comunes.

  • Compatible con la mayoría de reproductores y sistemas operativos.
  • Tamaño de archivo moderado que facilita la descarga rápida.
  • Ideal para compartir documentos convertidos por correo o web.

WAV: calidad sin pérdida

WAV ofrece una calidad de audio sin pérdida, preservando todos los detalles de la voz sintetizada. Este formato es útil cuando se necesita la máxima fidelidad para ediciones posteriores o para análisis acústicos, aunque ocupa más espacio en disco debido a su tamaño de archivo mayor.

  • Audio de alta fidelidad sin compresión lossy.
  • Ideal para archivado o procesamiento posterior.
  • Mayor consumo de espacio de almacenamiento.

OPUS: eficiencia en tamaño

El formato OPUS proporciona una excelente relación entre calidad y compresión, resultando en archivos significativamente más pequeños que MP3 o WAV. Esto es especialmente útil para usuarios con conexiones de datos limitadas o dispositivos móviles con espacio de almacenamiento reducido, manteniendo una claridad de voz adecuada para la comprensión lectora.

  • Máxima compresión manteniendo buena claridad.
  • Reducción del uso de datos móviles.
  • Formato moderno soportado por la mayoría de navegadores actuales.

Uso sin código con la API

Ilustración de onda de sonido para: Uso sin código con la API

LectorFácil está diseñado para que cualquier persona pueda convertir texto en audio sin necesidad de escribir código. Utilizando herramientas de automatización, es posible conectar fuentes de texto directamente con la API para generar archivos de audio de forma automática.

Herramientas de automatización

Conectores visuales permiten vincular aplicaciones comunes con la API. Solo se requiere configurar la URL base y añadir la clave de autenticación generada en la cuenta.

  • Integración con servicios de almacenamiento en la nube
  • Automatización de envíos por correo electrónico
  • Conversión de notas de voz a texto para audio

Integración con plataformas educativas

Las instituciones pueden usar la API para generar audio a partir de documentos o artículos. Se pueden generar archivos de audio listos para reproducirse en dispositivos móviles o tablets, facilitando el acceso a materiales de lectura para estudiantes.

  • Carga de PDFs y documentos de texto
  • Generación de enlaces compartibles
  • Compatible con navegadores estándar

Flujos de trabajo simples

El proceso se reduce a tres pasos: pegar el texto, seleccionar la voz y descargar el audio. No hay configuración técnica compleja ni necesidad de conocimientos previos de programación.

Uso sin código con la API

Gestión de solicitudes y límites

Ilustración de onda de sonido para: Gestión de solicitudes y límites

La API de LectorFácil está diseñada para procesar texto de forma fiable, pero requiere una gestión adecuada de los límites técnicos para garantizar una experiencia fluida, especialmente en la conversión de artículos o libros para personas con dislexia.

Límite de 4096 caracteres

Cada solicitud de audio puede contener hasta 4096 caracteres, incluyendo espacios y puntuación. Para textos más largos, es necesario dividir el contenido en partes y unir los archivos de audio generados.

Gestión de colas de procesamiento

Las solicitudes se procesan secuencialmente. En momentos de alta demanda, una petición puede esperar en cola antes de generarse, lo que añade unos segundos adicionales al tiempo total de conversión.

Monitoreo de uso

En la página /get-api-key/ puedes visualizar tu saldo, los caracteres consumidos y el estado de tu clave. Esto permite ajustar el flujo de trabajo para evitar interrupciones en la lectura.

  • Límite de 60 solicitudes por minuto por clave.
  • Uso de 10 solicitudes por minuto antes del primer recarga.
  • Metadatos de facturación conservados; audio no almacenado.

Precios y costes para usuarios frecuentes

Ilustración de onda de sonido para: Precios y costes para usuarios frecuentes

LectorFácil cobra 0,01 dólares por cada 1.000 caracteres, lo que equivale a 10 dólares por millón de caracteres. Este modelo simple permite predecir el coste exacto sin sorpresas, ideal para presupuestos fijos de materiales educativos o accesibilidad.

Coste por millón de caracteres

El precio es uniforme: 10 dólares por cada millón de caracteres procesados, incluyendo espacios y puntuación. Las solicitudes fallidas no se facturan, asegurando que solo pagues por audio generado con éxito.

Ejemplos de coste mensual

Para una biblioteca de 500.000 caracteres mensuales, el coste es de 5 dólares. Un usuario con 2 millones de caracteres pagará 20 dólares. La prueba gratuita ofrece 0,50 dólares de crédito inicial.

Optimización del uso

Divide textos largos en partes de 4.096 caracteres para gestionar mejor la cola. Usa el formato OPUS para reducir el tamaño sin perder calidad audible. Recarga saldo en TRON (TRC-20) para evitar interrupciones.

  • Formato OPUS reduce el tamaño del archivo.
  • Límite de 4.096 caracteres por solicitud.
  • Recargas mínimas de 5 dólares en USDT.

Privacidad y seguridad de datos

Ilustración de onda de sonido para: Privacidad y seguridad de datos

Tu texto se procesa exclusivamente para generar el archivo de audio solicitado y no se utiliza para entrenar nuestros modelos de IA. Esto garantiza que tu contenido original permanezca privado durante el proceso de síntesis.

Uso del texto solo para audio

El texto enviado a la API se utiliza únicamente como entrada para crear el audio correspondiente. No lo empleamos para mejorar el modelo ni para otros fines secundarios, asegurando que la información que compartes permanezca controlada por ti.

No almacenamiento de audio generado

El archivo de audio resultante se devuelve en la respuesta de la solicitud y no se almacena en nuestros servidores de forma permanente. Una vez que lo has descargado o reproducido, no conservamos una copia de ese archivo específico para uso posterior.

Registro de metadatos

Conservamos metadatos básicos de la solicitud, como la hora, el número de caracteres y el estado del proceso, exclusivamente para fines de facturación y control de uso. Esta información permite gestionar tu saldo y verificar la correcta aplicación de los cargos.

Limitaciones técnicas conocidas

Ilustración de onda de sonido para: Limitaciones técnicas conocidas

La API ofrece una funcionalidad directa y predecible, lo que simplifica su integración pero implica ciertas restricciones técnicas. Es importante conocer estas limitaciones para diseñar flujos de trabajo adecuados a las necesidades de accesibilidad y lectura asistida.

Sin SSML ni marcas de énfasis

No se soporta el lenguaje de marcado de síntesis de voz (SSML). Esto significa que no se pueden controlar detalles finos como pausas específicas, énfasis en palabras clave o cambios de tono mediante etiquetas XML. La entonación y el ritmo dependen exclusivamente del modelo de IA y la voz seleccionada.

Sin clonación de voz personalizada

El servicio utiliza ocho voces predefinidas basadas en grabaciones licenciadas (LibriVox). No es posible subir una grabación propia para crear una clonación de voz personalizada ni diseñar una voz nueva. Todas las audiciones generadas llevan una marca de agua inaudible que las identifica como voz sintética.

Sin streaming en tiempo real

La API devuelve el archivo de audio completo una vez finalizada la síntesis. No hay conexión WebSocket ni transmisión progresiva de fragmentos de audio mientras se genera la voz. Para textos largos, el usuario debe esperar a que se procesen todas las partes antes de poder reproducir el resultado final.

Recursos para empezar

Ilustración de onda de sonido para: Recursos para empezar

Comienza usando la API de texto a voz de LectorFácil. Regístrate con Google o correo electrónico en /get-api-key/ para obtener tu clave única. El saldo inicial de prueba es de $0.50 para probar la integración.

Usa el endpoint POST /v1/audio/speech con tu clave en el encabezado Authorization. El formato JSON es idéntico al de OpenAI, lo que permite usar sus SDKs cambiando solo la URL base.

Registro y obtención de clave

Visita /get-api-key/ para crear tu cuenta. La autenticación con Google otorga un crédito de prueba de $0.50 válido por 7 días. Con correo y contraseña, el saldo inicial es cero.

La clave se emite inmediatamente. Puedes generar una nueva en cualquier momento; la anterior deja de funcionar al instante.

  • Autenticación con Google o correo electrónico
  • Crédito de prueba: $0.50 (válido 7 días)
  • Clave única por cuenta con formato Bearer

Ejemplos de código

Envía un POST a https://api.999com.info/v1/audio/speech con el campo input (texto) y voice (por ejemplo, 'aria').

El SDK de OpenAI funciona cambiando base_url a https://api.999com.info/v1. Incluye el encabezado Authorization con tu clave.

El formato de respuesta es el audio en el formato solicitado (mp3, wav, opus, flac o pcm).

  • Endpoint: POST /v1/audio/speech
  • SDK compatible con OpenAI
  • Encabezado: Authorization: Bearer tts-...

Documentación completa

Consulta /docs/ para ver todos los parámetros, límites y guías de uso.

Usa GET /v1/voices para listar las 8 voces y GET /v1/models para ver los modelos disponibles.

La documentación incluye ejemplos de curl y referencias técnicas detalladas.

  • Guía de parámetros y formatos
  • Listado de voces y modelos
  • Ejemplos de integración con curl

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. No hay configuración técnica compleja ni necesidad de conocimientos previos de programación.

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. MDN: Web Speech API
  3. Tether (USDT)
  4. Node.js documentation
  5. LibriTTS-R paper (arXiv 2305.18802)
  6. FFmpeg documentation
  7. TRON developer hub: TRC-20
  8. IETF RFC 7845: Ogg Opus
  9. Creative Commons Attribution 4.0
  10. Python documentation
  11. LibriVox public-domain audiobooks
  12. openai-python on GitHub

Más en este sitio