Genera audiolibros con nuestra API de texto a voz

Por equipo editorial de VozIndependiente · Actualizado 2026-11-18

Esta página te muestra cómo convertir tus manuscritos en audio usando nuestra API de texto a voz. Si eres un autor independiente, obtienes acceso directo a voces con personalidad y control total sobre tu producción, sin necesidad de conocimientos técnicos avanzados ni dependerte de grandes estudios.

Descubre cómo generar capítulos completos de forma masiva, elegir entre 23 idiomas y pagar solo por los caracteres que usas. Aquí encontrarás la guía práctica para integrar la API en tu flujo de trabajo, empezar con una prueba gratuita y liberar tus historias con calidad de audio clara y consistente.

Genera audiolibros con nuestra API de texto a voz

Preguntas frecuentes

¿Qué es el texto a voz realista?

Es una API que genera audio a partir de texto mediante voces basadas en grabaciones con licencia o dominio público. Cada archivo generado lleva una marca de agua inaudible que lo identifica como voz sintética. No es una imitación de personas reales ni de celebridades, sino una síntesis natural creada para narrar historias con claridad y calidad profesional.

¿Para qué sirve esta API en la autoedición?

Permite convertir manuscritos en audio de forma sencilla, ideal para autores independientes que buscan liberar sus historias sin depender de grandes estudios. Puedes enviar texto y recibir archivos de audio para crear audiolibros, contenido para redes sociales o material complementario, manteniendo el control total de tu producción sin complicaciones técnicas ni contratos complejos.

¿Cuántos idiomas soporta la API?

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 cualquiera de estos idiomas. Si no especificas el idioma, se intenta adivinar por el script, pero es recomendable establecerlo manualmente para textos en latino fuera del inglés.

¿Cuáles son las voces disponibles?

Hay 8 voces preestablecidas: Aria (narradora cálida), Nova (alegre), Luna (suave), Sage (instruccional), Felix (energética), Milo (conversacional), Atlas (neutral) y Orion (profunda). Todas están basadas en grabaciones con licencia o de dominio público. Puedes elegir la que mejor se adapte al tono de tu historia, ya que todas pueden pronunciar cualquiera de los 23 idiomas soportados.

¿Cómo se cobra el uso de la API?

El costo es de $10 por cada 1 millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y signos de puntuación cuentan como caracteres. Si la síntesis falla, la carga se devuelve íntegramente. No hay planes mensuales ni mínimos de gasto. El saldo no expira y puedes recargar con USDT en la red TRON.

¿Qué formatos de audio puedo obtener?

Puedes solicitar audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos se especifican en el campo response_format de la solicitud JSON. El formato elegido se devuelve directamente en la respuesta de la API, listo para ser descargado o integrado en tu flujo de trabajo de publicación sin necesidad de conversiones adicionales complejas.

¿Puedo ajustar la velocidad de la voz?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 veces la velocidad normal. Este parámetro se envía en el campo speed de la solicitud. Esto te permite acelerar la narración para resúmenes o ralentizarla para una lectura más pausada y detallada, adaptando el ritmo del audio a las necesidades específicas de tu audiencia o proyecto de autoedición.

¿Es necesario conocer programación para usar la API?

No es estrictamente necesario, aunque la interfaz principal es una API REST. Puedes usar herramientas no-code que permitan hacer solicitudes HTTP o usar los SDKs oficiales de OpenAI modificando la URL base. También hay ejemplos listos en curl en la página de obtención de clave.

¿Las voces son sintéticas o reales?

Las voces son sintéticas, generadas a partir de modelos entrenados con grabaciones con licencia (LibriTTS-R) y lecturas de dominio público de LibriVox. Cada archivo generado lleva una marca de agua inaudible que indica que es voz sintética. No son imitaciones de personas reales ni de celebridades, sino síntesis natural creada específicamente para narrar historias con claridad.

¿Cuántos caracteres puedo procesar por petición?

Cada solicitud puede contener hasta 4096 caracteres de texto en el campo input. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Esto permite manejar manuscritos completos de manera escalable. Los caracteres incluyen espacios y puntuación, por lo que debes calcular la longitud total antes de enviar la solicitud.

¿Qué pasa si la síntesis falla?

Si la síntesis falla, no se cobra el uso. La cantidad correspondiente se devuelve íntegramente a tu saldo. Esto garantiza que solo pagas por el audio generado con éxito. Puedes reintentar la solicitud o ajustar los parámetros como la velocidad o el formato si el error persiste, sin perder crédito por las intentonas fallidas durante el límite de tasa.

¿Se almacena mi texto para entrenar la IA?

No. El texto de entrada se utiliza únicamente para producir el audio de la solicitud actual y no se usa para entrenar los modelos de IA. El audio generado se devuelve en la respuesta y no se almacena permanentemente. Solo se conservan metadatos de la solicitud (hora, caracteres, estado) para fines de facturación y control de uso.

¿Puedo usar la API para audiolibros comerciales?

Sí, puedes usar la API para generar audiolibros comerciales sin restricciones de uso específicas. No hay contratos empresariales ni garantías de nivel de servicio (SLA), pero la calidad es adecuada para publicación. Recuerda que las voces son sintéticas y llevan una marca de agua inaudible. No se ofrece clonación de voz personalizada ni derechos exclusivos sobre las voces preestablecidas.

¿Cuánto tiempo tarda en generarse el audio?

El tiempo es aproximadamente en tiempo real para textos largos, es decir, unos 25 caracteres de texto por segundo de audio generado. Las frases cortas pueden tardar unos segundos adicionales debido al procesamiento inicial. Las solicitudes se procesan en cola, por lo que bajo carga alta puede haber retrasos. No hay streaming ni audio parcial en tiempo real.

Primera solicitud

curl

curl https://api.playz18.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.mp3

¿Qué es la API de texto a voz?

Ilustración de onda de sonido para: ¿Qué es la API de texto a voz?

VozIndependiente es una API en la nube que convierte texto en archivos de audio. Envías texto en formato JSON y recibes el archivo de audio.

La API sigue la misma estructura que la de OpenAI, lo que permite usar sus SDKs oficiales simplemente cambiando la URL base. Esto facilita la integración técnica sin necesidad de aprender protocolos nuevos desde cero.

Conversión de texto a audio

Conversión de texto a audio

Envía texto (hasta 4096 caracteres por solicitud) y recibe el archivo de audio. Los formatos disponibles incluyen MP3, WAV, OPUS, FLAC y PCM.

La velocidad de generación es aproximadamente de 25 caracteres por segundo de audio, lo que permite procesar manuscritos completos de manera eficiente.

  • Endpoint: POST /v1/audio/speech
  • Formatos: mp3, wav, opus, flac, pcm

API compatible con OpenAI

Utiliza la misma estructura de solicitud que OpenAI. Solo necesitas ajustar la URL base a https://api.playz18.com/v1 y usar tu clave API.

Esto permite aprovechar la documentación y las herramientas existentes del ecosistema OpenAI para tus flujos de trabajo de autoedición.

  • Base URL: https://api.playz18.com/v1
  • SDKs oficiales compatibles

Sin conocimientos técnicos

Aunque es una API, puedes empezar con ejemplos listos para usar en la documentación. No necesitas ser un desarrollador experto para integrar la voz en tu proceso de creación de audiolibros.

El registro es rápido y la generación de audio es directa, permitiendo enfocarse en el contenido en lugar de la infraestructura técnica.

Voces con personalidad para tus historias

Ilustración de onda de sonido para: Voces con personalidad para tus historias

Nuestras ocho voces están diseñadas para dar vida a tus manuscritos sin necesidad de técnicos. Cada voz tiene un carácter definido, desde la claridad narrativa de Aria hasta la profundidad documental de Orion, permitiendo que cada capítulo tenga la atmósfera adecuada.

Elige entre cuatro voces femeninas y cuatro masculinas para variar la experiencia auditiva de tus historias. Todas las voces pueden hablar cualquier idioma soportado, garantizando coherencia en toda tu obra.

Voces femeninas: Aria, Nova, Luna, Sage

Aria ofrece una narración clara y cálida. Nova aporta un tono brillante y animado. Luna tiene un estilo de cuento, mientras que Sage es calmada e instruccional.

Estas voces permiten diversificar los personajes o mantener una voz única consistente en toda la obra. Todas están basadas en grabaciones licenciadas de LibriTTS-R y audiopublicos de dominio público de LibriVox.

Voces masculinas: Felix, Milo, Atlas, Orion

Felix destaca por su energía. Milo ofrece una conversación amigable y cercana. Atlas tiene un tono neutral y Orion es profundo.

Cada voz captura matices diferentes sin necesidad de configuración compleja. Puedes cambiar de voz entre capítulos para marcar cambios de perspectiva o de tono en tu narrativa.

Estilos narrativos variados

La variedad de voces te permite asignar diferentes personajes a diferentes voces, enriqueciendo la inmersión del audiolibro. Aunque no hay clonación de voz personalizada, estas ocho presets cubren la mayoría de arquetitos narrativos.

Cada archivo generado lleva una marca de agua inaudible que identifica el audio como síntesis, asegurando transparencia sin afectar la experiencia de escucha.

Soporte para 23 idiomas y dialectos

Ilustración de onda de sonido para: Soporte para 23 idiomas y dialectos

Tu historia no conoce fronteras. Nuestra API permite narrar manuscritos en 23 idiomas distintos, garantizando una pronunciación natural y precisa sin importar el origen de tu texto.

El sistema detecta automáticamente el idioma basado en el guion del texto. Si utilizas caracteres latinos en un idioma distinto al inglés, simplemente especifica el código ISO para evitar errores.

La misma voz puede adaptarse a cualquiera de los idiomas soportados, ofreciendo consistencia tonal a lo largo de todo tu proyecto de autoedición.

Alcance global con 23 idiomas

Podrás publicar audiolibros en mercados internacionales con la misma calidad de producción.

Detección automática de idioma

Para textos en latín que no sean inglés, recomendamos establecer explícitamente el parámetro language. Esto evita que el sistema adivine incorrectamente y asegura la pronunciación correcta desde el primer intento.

Listado completo de idiomas soportados

Verifica la compatibilidad antes de enviar tu manuscrio completo. Estos son los idiomas disponibles actualmente en la plataforma:

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish

Precios transparentes para autores

Ilustración de onda de sonido para: Precios transparentes para autores

La API de texto a voz de VozIndependiente ofrece precios transparentes para autores. Con un modelo de pago por uso, puedes generar audiolibros sin compromisos financieros significativos.

El precio es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1000 caracteres. Los espacios y la puntuación cuentan como caracteres.

Pago por caracteres consumidos

Genera solo lo que necesitas. No importa si tu manuscrito tiene 5000 o 500000 caracteres, el costo es proporcional. Las peticiones fallidas son gratuitas y el saldo se devuelve íntegramente.

Prueba gratuita con crédito inicial

Comienza sin riesgo. Al registrarte con Google, obtienes $0.50 de crédito, equivalente a aproximadamente 50.000 caracteres, válido durante 7 días. Los usuarios con email y contraseña comienzan sin crédito de prueba.

Sin costes ocultos ni suscripciones

Sin planes mensuales, asientos o gastos fijos. El saldo no caduca. Para recargar, utiliza USDT en la red TRON (TRC-20), con un mínimo de $5. No hay facturas con IVA ni métodos de pago tradicionales.

Calidad de audio profesional

Ilustración de onda de sonido para: Calidad de audio profesional

Nuestra API entrega audio listo para publicación en los formatos estándar de la industria: MP3, WAV, OPUS, FLAC y PCM. Cada formato se ajusta a diferentes necesidades de distribución, desde plataformas que requieren compresión eficiente hasta archivos de alta fidelidad para archivar tus manuscritos con la máxima calidad posible.

Formatos MP3, WAV, OPUS, FLAC, PCM

Elige el formato que mejor se adapte a tu flujo de trabajo. Todos los archivos generados son compatibles con los reproductores de audiolibros más utilizados.

Velocidad ajustable del 0.25 al 4.0

Ajusta la velocidad de narración entre 0.25 y 4.0 para encontrar el ritmo perfecto para tu historia. Esto te permite optimizar el tiempo de escucha sin perder claridad en la dicción.

Audio sintético con marca de agua

Cada archivo generado incluye una marca de agua inaudible que identifica el contenido como voz sintética, garantizando transparencia en tu producción.

Calidad de audio profesional

Ideal para autoedición y audiolibros

Ilustración de onda de sonido para: Ideal para autoedición y audiolibros

La API permite dividir textos largos en fragmentos de hasta 4096 caracteres, ideal para capítulos de audiolibros. Al recibir los archivos de audio generados, puedes unirlos para crear un archivo final continuo.

Generación masiva de capítulos

Procesa múltiples textos de forma secuencial. Esto permite generar capítulos completos automáticamente sin intervención manual constante, manteniendo la coherencia narrativa.

  • Límite de 4096 caracteres por solicitud
  • Unión automática de fragmentos de audio
  • Procesamiento secuencial bajo carga

Integración fácil en workflows

Usa la misma estructura de peticiones que la API de OpenAI. Solo necesitas ajustar la URL base y tu clave, permitiendo conectar tus herramientas de autoedición existentes sin aprender una sintaxis nueva.

Ahorro de tiempo en producción

El procesamiento es rápido: aproximadamente 25 caracteres por segundo para textos largos. Esto acelera la publicación de tus historias sin depender de estudios de grabación externos.

Cómo empezar con la API

Ilustración de onda de sonido para: Cómo empezar con la API

Comienza en segundos: regístrate en /get-api-key/ con Google o email. Al instante, verás tu clave API, saldo y un ejemplo curl listo para copiar. Sin contratos, sin esperas.

Registro rápido con Google o email

La creación es inmediata. Con Google recibes $0.50 de prueba (7 días). Con email, empiezas sin crédito. Es la forma más rápida de pasar de la idea al audio.

  • Registro en menos de 1 minuto
  • Prueba gratuita automática con Google

Obtención de tu clave API

Tus credenciales aparecen al instante. Usa el formato Bearer tts-... en tus solicitudes. Si la necesitas, emite una nueva y la anterior deja de funcionar al momento.

Primeros pasos en la documentación

La integración es directa. Usa el SDK de OpenAI cambiando el base_url a https://api.playz18.com/v1. Envía tu texto y recibe el archivo de audio en segundos.

Revisa /docs/ para ver los parámetros de velocidad, formato y voces. El proceso es transparente y diseñado para que te enfoques en tu historia.

  • SDK OpenAI compatible
  • Documentación clara y directa

Ventajas para creadores independientes

Ilustración de onda de sonido para: Ventajas para creadores independientes

VozIndependiente está diseñada para que los autores independientes gestionen sus proyectos sin fricciones técnicas. Nuestra API permite integrar la generación de voz directamente en tus flujos de trabajo de autoedición, ya sea para audiolibros o contenido narrativo.

Control total sobre el contenido

Tu texto se convierte directamente en audio sin intermediarios. Envías el manuscrito y recibes el archivo de audio generado al instante, manteniendo la integridad de tu narrativa sin modificaciones automáticas de estilo.

Uso flexible según tus necesidades

Sin planes fijos ni suscripciones mensuales. Pagas solo por los caracteres que consumes a $0.01 por cada 1.000 caracteres. Esto permite escalar desde un solo capítulo hasta una serie completa sin compromisos de volumen.

Sin limitaciones de volumen fijas

La generación de audio es continua mientras tengas crédito. No hay límites de velocidad impuestos por un plan premium; simplemente ajusta la velocidad (0.25–4.0).

Tecnología detrás de la voz

Ilustración de onda de sonido para: Tecnología detrás de la voz

Nuestra tecnología se basa en grabaciones licenciadas de narradores reales, asegurando una calidad auditiva natural y coherente para tus proyectos de autoedición.

El procesamiento ocurre eficientemente en la nube, transformando tu texto en audio sintético listo para descargar sin necesidad de hardware especializado.

Voces basadas en grabaciones licenciadas

Cada voz es el resultado de grabaciones licenciadas que capturan matices humanos genuinos. Esto permite que tus historias suenen profesionales sin depender de grandes estudios de producción.

Datos de LibriTTS-R y LibriVox

Las voces provienen de datasets de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox. Esta base garantiza una variedad de timbres y estilos narrativos verificados.

Procesamiento en la nube eficiente

El audio se genera mediante servidores cloud optimizados. Cada archivo incluye una marca de agua inaudible que identifica el contenido como voz sintética, manteniendo la trazabilidad sin afectar la escucha.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase.

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. IETF RFC 7845: Ogg Opus
  3. W3C WAI: making audio and video accessible
  4. Creative Commons Attribution 4.0
  5. Python documentation
  6. Tether (USDT)
  7. ISO 639 language codes
  8. Node.js documentation
  9. openai-python on GitHub
  10. curl documentation
  11. FFmpeg documentation
  12. LibriTTS-R paper (arXiv 2305.18802)

Más en este sitio