¿Cómo funciona realmente la API de texto a voz que ofrecemos?

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

Esta página explica paso a paso cómo convertimos tu manuscrito en audio mediante nuestra API. Descubre el flujo real desde el envío del texto JSON hasta la recepción del archivo de audio, adaptado a autores independientes que buscan calidad sin complicaciones técnicas.

Aprende a seleccionar entre ocho voces predefinidas, ajustar la velocidad y manejar textos largos dividiéndolos en fragmentos de hasta 4096 caracteres. Obtén ejemplos prácticos para automatizar tu flujo de trabajo y entender exactamente cómo se calculan los costes y se garantiza la seguridad de tu clave API.

¿Cómo funciona realmente la API de texto a voz que ofrecemos?

Preguntas frecuentes

¿Qué es una API de texto a voz?

Es un servicio en la nube que convierte texto escrito en archivos de audio. Envías el texto mediante una solicitud HTTP y recibes el audio generado. Es ideal para autores que necesitan convertir manuscritos en audio sin complicaciones técnicas, permitiendo integrar la voz en sus proyectos de forma sencilla.

¿Cómo se envía el texto a la API?

Se envía mediante una solicitud POST al endpoint /v1/audio/speech con formato JSON. Debes incluir tu clave API en la cabecera Authorization y especificar el modelo, el texto (input), la voz deseada y el formato de respuesta. Es compatible con SDKs como el de OpenAI ajustando la URL base.

¿Qué formato recibe el audio?

Puedes recibir el audio en mp3, wav, opus, flac o pcm. Estos formatos están disponibles directamente en la respuesta de la API. Elige el que mejor se adapte a tu flujo de trabajo de producción de audio, garantizando la calidad necesaria para tus proyectos de autoedición.

¿Puedo cambiar la voz después de generar el audio?

No. La voz se fija durante la generación del audio. Si deseas cambiarla, debes realizar una nueva solicitud a la API con la voz deseada. El archivo generado es estático y no permite modificaciones posteriores de la voz sin regenerar el contenido desde cero.

¿Cuánto tarda en generarse un audio?

La velocidad es aproximadamente de tiempo real, unos 25 caracteres por segundo. Las frases cortas pueden tardar unos pocos segundos. Las solicitudes se procesan en cola, por lo que bajo carga podría haber una pequeña espera. Es rápido para la mayoría de los textos estándar.

¿Qué pasa si el texto es muy largo?

Debes dividir el texto en partes de hasta 4096 caracteres. Genera el audio para cada parte por separado y luego une los archivos de audio resultantes. La API no soporta textos superiores a este límite en una sola solicitud, requiriendo esta gestión por tu parte.

¿Cómo sé cuántos caracteres he usado?

Tu panel de cuenta muestra el saldo, los caracteres restantes y el historial de uso. Cada solicitud cuenta los caracteres enviados, incluyendo espacios y puntuación. Puedes verificar tu consumo directamente en la interfaz de usuario tras iniciar sesión, manteniendo el control total de tu presupuesto.

¿Puedo usar la API desde mi ordenador sin código?

Sí, puedes usar herramientas como cURL o Postman para enviar solicitudes directamente desde tu ordenador sin escribir código complejo. También puedes usar los SDKs oficiales de OpenAI cambiando la URL base. Es una solución técnica pero accesible para usuarios que no desean programar desde cero.

¿Qué es la velocidad de habla en la API?

Es un parámetro ajustable entre 0.25 y 4.0 que controla la rapidez de la voz sintetizada. Puedes acelerar o ralentizar la lectura según tus necesidades. Esto te permite adaptar el audio a diferentes ritmos de narración sin perder la claridad de la voz seleccionada.

¿Es necesario pagar por adelantado?

No, pero necesitas saldo para generar audio. Puedes empezar con una prueba gratuita de $0.50 si te registras con Google. Para recargar, usa USDT en la red TRON (TRC-20). El saldo no expira y no hay planes mensuales obligatorios ni gastos mínimos.

¿Puedo usar el audio generado en YouTube?

Sí, puedes usar los audios generados en tus proyectos, incluyendo YouTube. Cada archivo lleva una marca de agua invisible que lo identifica como voz sintética. No hay restricciones específicas de uso en los hechos del producto, por lo que es apto para contenido público.

¿Hay límite de tiempo en el audio generado?

No hay un límite de tiempo fijo por archivo, sino un límite de caracteres por solicitud (4096). Para audios más largos, debes dividir el texto. El tiempo de duración depende de la longitud del texto y la velocidad configurada, sin límites artificiales de duración.

¿Cómo se detecta el idioma automáticamente?

La API intenta adivinar el idioma basado en el script del texto. Si usas texto en latín y no especificas idioma, se asume inglés. Para otros idiomas como español o francés, es recomendable establecer el parámetro language explícitamente para garantizar la precisión de la síntesis.

¿Qué formatos de audio son recomendados?

MP3 es ideal para distribución web y YouTube por su equilibrio entre calidad y tamaño. WAV y FLAC son mejores para edición profesional sin pérdida. OPUS es un formato de audio comprimido. PCM es crudo. Elige según si priorizas la compatibilidad o la calidad de masterización.

El proceso básico de conversión

Ilustración de onda de sonido para: El proceso básico de conversión

La API de texto a voz de VozIndependiente opera mediante una solicitud simple: envías tu manuscrito en formato JSON al endpoint POST https://api.playz18.com/v1/audio/speech. Este proceso es compatible con los SDKs oficiales de OpenAI si ajustas la URL base, facilitando la integración.

Una vez recibida la petición, nuestro sistema procesa el texto en la nube generando un archivo de audio sintetizado. No necesitas instalar software ni gestionar servidores; simplemente envías la estructura de datos y recibes el resultado listo para usar en tus proyectos de autoedición.

Envío del texto en formato JSON

La comunicación con la API se realiza mediante una solicitud POST que incluye un cuerpo en formato JSON. Debes especificar el modelo (tts-1 o tts-1-hd), el texto a convertir en el campo input, y la voz deseada entre las ocho opciones disponibles. Este formato estándar permite que cualquier cliente HTTP o SDK compatible funcione de inmediato.

  • Endpoint: POST https://api.playz18.com/v1/audio/speech
  • Formato de cuerpo: JSON con campos model, input, voice y response_format

Procesamiento en la nube

Nuestros servidores reciben la solicitud y asignan una voz para sintetizar el audio. El tiempo de generación varía según la longitud del texto y la carga del sistema, siendo aproximadamente en tiempo real para textos largos (25 caracteres por segundo). Las peticiones se procesan en secuencia, por lo que bajo alta demanda puede haber una cola de espera.

Recepción del archivo de audio

El resultado es un archivo de audio binario que se devuelve directamente en la respuesta de la API. Puedes elegir entre formatos como MP3, WAV, OPUS, FLAC o PCM. El archivo se entrega inmediatamente después de completarse la síntesis, listo para ser descargado o almacenado para su publicación.

Selección de la voz adecuada

Ilustración de onda de sonido para: Selección de la voz adecuada

La API ofrece ocho voces predefinidas con personalidades distintas, ideales para dar vida a manuscritos sin necesidad de diseño de voz personalizado. Puedes elegir entre cuatro voces femeninas y cuatro masculinas, cada una con un tono específico para narración, instrucciones o promociones.

Todas las voces son versátiles y están diseñadas para integrarse fluidamente en proyectos de autoedición, permitiendo una producción de audio ágil y coherente.

Las voces están basadas en grabaciones con licencia (LibriTTS-R) y generan archivos con marca de agua inaudible que marca el audio como sintetizado.

No se ofrece clonación de voz personalizada ni edición de emociones, manteniendo la simplicidad del proceso para autores no técnicos.

Elección entre 8 voces predefinidas

Selecciona entre cuatro voces femeninas (Aria, Nova, Luna, Sage) y cuatro masculinas (Felix, Milo, Atlas, Orion). Cada una tiene un carácter narrativo distinto, desde la calidez de Aria hasta la profundidad de Orion.

Esta variedad permite adaptar el tono del audio al género de tu libro, ya sea ficción, ensayo o contenido promocional, sin complicaciones técnicas.

  • Aria: narradora cálida y clara.
  • Nova: brillante y enérgica.
  • Luna: suave, ideal para historias.
  • Sage: calmada e instruccional.
  • Felix: promocional y dinámico.
  • Milo: conversacional y amigable.
  • Atlas: neutral y periodístico.
  • Orion: profundo, estilo documental.

Características de cada voz

Las voces son consistentes y claras, optimizadas para la comprensión auditiva en textos largos. No incluyen etiquetas de emoción ni SSML, lo que simplifica la integración en tus flujos de trabajo automatizados.

Cada voz mantiene un estilo uniforme durante la generación, asegurando que la experiencia de escucha sea uniforme en todo el manuscrito.

Compatibilidad con idiomas

Cualquiera de las ocho voces puede hablar los 23 idiomas disponibles, incluyendo español, inglés, francés, alemán, japonés y coreano. Esto permite una producción multilingüe sin cambiar de motor.

Si no especificas el idioma, el sistema lo adivina por el script (el texto en latín se asume en inglés por defecto). Para textos en otros idiomas con escritura latina, establece el campo language explícitamente.

  • Idiomas soportados: 23 en total.
  • Voces multiidioma: todas las voces hablan todos los idiomas.
  • Detección automática: basada en el script.
  • Recomendación: especificar language para textos latinos no ingleses.

Configuración de parámetros de audio

Ilustración de onda de sonido para: Configuración de parámetros de audio

Ajusta la velocidad de narración entre 0.25 y 4.0 para adaptar el ritmo a tu material literario, desde relatos pausados hasta audiolibros dinámicos. El formato de salida determina la compatibilidad: elige mp3, wav, opus, flac o pcm según tus necesidades de almacenamiento y reproducción.

Especifica el idioma mediante su código ISO para garantizar la pronunciación correcta, especialmente con textos en latín que no sean inglés. Sin esta configuración, el sistema asume inglés por defecto, lo que puede alterar la fluidez de otras lenguas.

Ajuste de velocidad (0.25 a 4.0)

Modifica la velocidad de generación para ajustar la cadencia de la voz sintética. Este parámetro permite desde narraciones muy lentas hasta lecturas aceleradas, manteniendo la claridad del audio resultante.

  • Rango válido: 0.25 a 4.0
  • Afecta directamente a la duración final del archivo

Elección del formato de salida

Selecciona entre mp3, wav, opus, flac o pcm para el archivo de audio recibido. Cada formato ofrece diferentes equilibrios entre calidad, tamaño de archivo y compatibilidad con reproductores o plataformas de autoedición.

  • mp3, wav, opus, flac, pcm

Especificación del idioma

Incluye el código ISO del idioma en la petición para asegurar la pronunciación adecuada. Aunque el sistema intenta adivinar el idioma, establecerlo explícitamente evita errores en textos en lenguas distintas al inglés.

  • Código ISO opcional pero recomendado
  • 23 idiomas soportados

Manejo de textos largos

Ilustración de onda de sonido para: Manejo de textos largos

La API impone un límite de 4096 caracteres por solicitud, lo que incluye espacios y puntuación. Para manuscritos completos, el texto debe dividirse en fragmentos manejables.

Este límite asegura un procesamiento estable.

Límite de 4096 caracteres por petición

Cada llamada a la API solo puede procesar hasta 4096 caracteres de entrada. Si tu capítulo excede este número, debes dividirlo manualmente o mediante un script antes de enviar la solicitud.

Este límite se aplica a cada petición individual, no al total de tu cuenta. Es crucial respetarlo para evitar errores en la generación.

División automática del texto

Aunque la API no realiza la división por sí misma en una sola llamada, tu flujo de trabajo debe segmentar el texto en partes de hasta 4096 caracteres. Esto facilita la gestión y evita límites de memoria.

La división puede hacerse por párrafos o frases completas para mantener la coherencia narrativa entre los fragmentos generados.

Unión de archivos de audio

Una vez que tienes los fragmentos de texto divididos, envías cada uno en una petición separada. La API devuelve un archivo de audio por cada fragmento.

Debes unir estos archivos de audio (mp3, wav, opus, flac o pcm) en tu cliente o script para crear el capítulo o libro completo. Esta unión asegura que la narrativa fluya sin interrupciones técnicas.

El resultado final es un archivo continuo listo para publicación, manteniendo la calidad de voz y el tono original.

Autenticación y seguridad

Ilustración de onda de sonido para: Autenticación y seguridad

Para consumir nuestra API, debes enviar una cabecera Authorization: Bearer con tu clave única. Esta clave actúa como tu identificación principal en cada petición de síntesis.

La seguridad es directa: solo necesitas mantener esta credencial privada para garantizar que los caracteres consumidos correspondan a tu cuenta.

Uso de la clave Bearer

Incluye tu token en el encabezado Authorization: Bearer tts-... de cada solicitud HTTP. Es el único mecanismo de autenticación necesario para acceder a los endpoints de audio y voces.

Emisión de nuevas claves

Puedes generar una nueva clave en cualquier momento desde tu panel. Al emitir una, la anterior deja de funcionar inmediatamente, asegurando que si se compromete, el acceso cesa al instante.

Protección de tu cuenta

Cada cuenta mantiene una única clave activa. Al ser una API de acceso directo, la protección recae en ti mantener segura la cadena de caracteres que identificas como tu identidad.

Integración en flujos de trabajo

Ilustración de onda de sonido para: Integración en flujos de trabajo

La API se integra fácilmente en flujos de trabajo existentes mediante scripts simples o HTTP, permitiendo convertir manuscritos largos en archivos de audio sin depender de grandes estudios. Al usar el SDK de OpenAI con una URL base personalizada, puedes automatizar la generación de audios directamente desde tus herramientas de escritura o plataformas de venta.

La generación masiva de contenido se logra dividiendo textos extensos en partes de hasta 4096 caracteres y uniéndolos. Esto permite crear audiobooks completos de forma eficiente, manteniendo el control sobre la calidad y el coste por carácter sin complicaciones técnicas adicionales.

Automatización con scripts

Utiliza la misma estructura JSON que el endpoint de OpenAI para enviar texto y recibir audio. Esto facilita la integración con cualquier lenguaje de programación o herramienta de automatización básica.

  • Compatible con scripts en Python, Node.js o cURL.
  • Base URL: https://api.playz18.com/v1

Conexión con plataformas de venta

Integra la generación de audio directamente en tu tienda de autoedición. Envía el texto del capítulo y recibe el archivo listo para descargar o incrustar.

  • Sin necesidad de plugins adicionales.
  • Flujo directo: texto a audio en minutos.

Generación masiva de contenido

Procesa manuscritos completos dividiéndolos en fragmentos de 4096 caracteres. La API devuelve cada fragmento, que luego unes para obtener el audio final coherente.

  • Procesamiento secuencial para garantizar orden.
  • Coste predecible por carácter procesado.

Control de calidad del audio

Ilustración de onda de sonido para: Control de calidad del audio

Antes de convertir manuscritos completos, es útil auditar las muestras para asegurar que el tono se alinea con tu narrativa. Este paso te permite ajustar la velocidad o cambiar de voz sin gastar créditos innecesariamente.

Marcas de agua en audio sintético

Cada archivo generado incluye una marca de agua inaudible que certifica que el audio es sintético. Esto es útil para transparencia si publicas en plataformas que requieren identificar el origen del audio.

Verificación de formato y duración

Puedes elegir entre formatos como mp3, wav, opus, flac o pcm según tus necesidades de calidad o tamaño. Aunque la velocidad es aproximadamente de 25 caracteres por segundo, la duración exacta varía ligeramente según la voz y la entonación.

Audición de muestras antes de producir

Genera cortas muestras de texto para verificar que la voz elegida se alinea con tu narrativa. Esto te ayuda a evitar errores en la producción masiva de tu libro, asegurando consistencia en toda la obra.

Control de calidad del audio

Monitoreo del uso y costes

Ilustración de onda de sonido para: Monitoreo del uso y costes

El panel de control de consumo muestra en tiempo real tu saldo disponible, el crédito de prueba restante y los caracteres consumidos. Cada solicitud cuenta caracteres y puntuación, permitiendo prever el coste exacto de tus manuscritos sin sorpresas.

Para auditorías precisas, el historial de peticiones registra tiempo, duración y estado de cada solicitud. Las peticiones fallidas se devuelven íntegramente, asegurando que solo pagues por audio generado exitosamente.

Panel de control de consumo

Accede a un resumen claro de tu crédito actual y los caracteres restantes. La interfaz muestra el estado de tu clave API y el saldo disponible para generar audio inmediatamente.

  • Saldo en tiempo real
  • Crédito de prueba visible
  • Contador de caracteres consumidos

Historial de peticiones

Consulta cada solicitud realizada con sus metadatos: fecha, caracteres procesados y estado. Este registro es esencial para auditar costes y detectar posibles errores en la generación.

Las peticiones fallidas aparecen marcadas como gratuitas, permitiendo corregir el texto o los parámetros sin perder saldo.

  • Registro de timestamps
  • Estado de cada solicitud
  • Detección de fallos gratuitos

Gestión del saldo en USDT

Recarga tu cuenta mediante transferencias de USDT en la red TRON (TRC-20). El mínimo es de $5 y el saldo se acredita automáticamente en minutos.

No hay suscripciones ni vencimientos; tu saldo permanece disponible indefinidamente hasta que decidas usarlo para generar más contenido.

  • Mínimo de recarga: $5
  • Red TRON (TRC-20)
  • Crédito sin expiración

Resolución de problemas comunes

Ilustración de onda de sonido para: Resolución de problemas comunes

La API es robusta, pero los errores ocurren. Una conexión fallida suele deberse a una clave incorrecta o problemas de red momentáneos. Verifica tu clave Bearer y la URL base.

Errores de conexión

Si recibes un error 401, revisa que tu clave comience con tts-. Si es 500, intenta de nuevo en unos segundos. El servicio puede estar reiniciando.

  • Verifica la autenticación.
  • Reintenta tras 10 segundos.

Procesamiento lento bajo carga

Las solicitudes se procesan en cola. Si hay muchas peticiones, tu audio tardará más. No es un fallo, es la naturaleza del servicio.

Los textos largos tardan más, pero el precio es fijo. Paciencia.

Formatos no soportados

Solo aceptamos mp3, wav, opus, flac y pcm. Si pides otro formato, la API rechaza la petición. Elige uno de estos para evitar errores.

Ejemplo práctico paso a paso

Ilustración de onda de sonido para: Ejemplo práctico paso a paso

Para comenzar, accede a la página /get-api-key/ y crea tu cuenta utilizando Google o un correo electrónico. Este es el primer paso para desbloquear tu capacidad de narrar historias sin depender de grandes estudios.

Una vez registrado, obtendrás tu clave API única. Este identificador será tu llave de acceso para enviar texto y recibir audio, permitiendo que cualquier script o aplicación se comunique directamente con nuestro motor de síntesis.

Creación de una cuenta

Regístrate en /get-api-key/ usando Google o email. Si usas Google, recibes $0.50 de crédito válido por 7 días (unos 50 000 caracteres). Con email/password, el saldo inicia en cero.

Obtención de la clave

Tu panel mostrará la clave tts-... y el saldo actual. Usa esta clave en el encabezado Authorization: Bearer. Puedes emitir una nueva clave en cualquier momento; la anterior dejará de funcionar al instante.

Generación de un audio de prueba

Envía una petición POST a https://api.playz18.com/v1/audio/speech con tu texto (máx. 4096 caracteres), el modelo tts-1 y una voz como aria. Recibirás el archivo de audio directamente en la respuesta JSON.

  • Endpoint: POST https://api.playz18.com/v1/audio/speech
  • Modelo: tts-1 o tts-1-hd
  • Voz: aria, nova, luna, sage, felix, milo, atlas, orion
  • Formato: mp3, wav, opus, flac, pcm

Consideraciones técnicas para autores

Ilustración de onda de sonido para: Consideraciones técnicas para autores

Para evitar errores de codificación, envía tu texto en formato UTF-8. La API acepta caracteres especiales y acentos, pero es crucial que tu cliente o script maneje correctamente la codificación para que las voces pronuncien las palabras con precisión.

Los saltos de línea se procesan como parte del texto, pero el límite estricto es de 4096 caracteres por petición. Si tu manuscrito supera este límite, debes dividirlo manualmente o mediante un script antes de enviar la solicitud para garantizar una síntesis fluida.

Codificación de caracteres especiales

Asegúrate de que tu texto esté codificado en UTF-8. La API interpreta correctamente la mayoría de los caracteres latinos, pero una codificación incorrecta puede alterar la pronunciación de acentos o diacríticos.

  • Usa UTF-8 para todos los textos de entrada.
  • Verifica que los acentos se mantengan al enviar la petición JSON.

Manejo de saltos de línea

Los saltos de línea se incluyen en el conteo de caracteres. No hay formato SSML, por lo que los saltos de línea simples no garantizan pausas naturales en el audio generado.

  • Los saltos de línea cuentan como caracteres.
  • No se ofrece control de pausa mediante etiquetas.

Optimización de longitud de texto

El límite es de 4096 caracteres por petición. Para textos más largos, divide el manuscrito en partes de este tamaño y une los archivos de audio resultantes. Los espacios y puntuación cuentan como caracteres.

  • Límite: 4096 caracteres por petición.
  • Espacios y puntuación cuentan como caracteres.

Soporte y asistencia técnica

Ilustración de onda de sonido para: Soporte y asistencia técnica

El soporte se limita al correo electrónico; no hay chat en vivo ni teléfono. Para resolver dudas, revisa primero la documentación y los ejemplos prácticos que facilitan la integración sin complicaciones.

Si persiste el problema, escríbenos a soporte con los detalles de tu solicitud. Respondemos por email.

Documentación detallada

La documentación explica el formato JSON, los campos requeridos y los errores comunes. Es el recurso principal para entender la API sin depender de asistencia humana.

Incluye ejemplos de curl y referencias a los endpoints /voices y /models para que verifiques las voces y formatos disponibles antes de integrar.

  • Ejemplos de código listos para copiar
  • Referencia completa de parámetros
  • Lista de códigos de error

Ejemplos de código disponibles

Puedes usar la SDK oficial de OpenAI cambiando la base URL o hacer peticiones HTTP directas. Los ejemplos muestran cómo autenticarte con la clave Bearer.

Estos ejemplos cubren casos básicos y el manejo de textos largos, ayudándote a evitar errores comunes de codificación o longitud.

Contacto por email para dudas

Si la documentación no resuelve tu duda, contacta por email. No ofrecemos chat en vivo ni número de teléfono para soporte técnico.

Indica en el correo el texto enviado, la voz elegida y el formato de salida para que podamos replicar el problema rápidamente.

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. Tether (USDT)
  3. FFmpeg documentation
  4. MDN: Web Speech API
  5. LibriTTS-R paper (arXiv 2305.18802)
  6. Python documentation
  7. LibriVox public-domain audiobooks
  8. LibriTTS-R corpus (OpenSLR 141)
  9. ISO 639 language codes
  10. TRON developer hub: TRC-20
  11. W3C WAI: making audio and video accessible
  12. IETF RFC 7845: Ogg Opus

Más en este sitio