API de texto a voz para transporte: 8 voces claras y multilingües

Por Equipo editorial ClaroHabla · Actualizado 2026-11-19

Si gestionas una flota o una red de transporte, esta guía te ayuda a elegir entre las 8 voces de nuestra API para avisos públicos y rutas. Aquí encontrarás ejemplos concretos para estaciones, vehículos en movimiento y terminales, con datos reales de precios y limitaciones técnicas que te permitirán integrar la voz clara y natural en tus sistemas de comunicación sin sorpresas.

Este recurso está diseñado para equipos grandes que necesitan automatizar anuncios multilingües con precisión. Descubre cómo ajustar la velocidad, seleccionar el formato de audio adecuado y aprovechar los 23 idiomas soportados para garantizar que cada instrucción se entienda perfectamente, incluso en entornos ruidosos, optimizando el uso de tu infraestructura de audio.

API de texto a voz para transporte: 8 voces claras y multilingües

Preguntas frecuentes

¿Cuál es la mejor voz para anuncios?

No existe una única mejor voz, pero Atlas (neutral) es ideal para noticias y Felix (enérgico) para promociones. Elija según el tono de su mensaje. Todas las voces son claras y naturales, listas para integrarse en sus sistemas de comunicación sin necesidad de ajustes adicionales.

¿Qué voz es más clara en ruido?

Aria (narradora clara) destaca por su claridad. Aunque la API no garantiza rendimiento en ruido externo, estas voces están diseñadas para una dicción precisa. Para entornos ruidosos, verifique la calidad del hardware de sus altavoces y considere formatos como WAV para máxima fidelidad.

¿Puedo usar una voz masculina para anuncios femeninos?

No. Las voces son presets fijos con timbres específicos: Aria, Nova, Luna y Sage son femeninas; Felix, Milo, Atlas y Orion son masculinas. No hay personalización de tono ni clonación de voz. Debe seleccionar la voz que coincida con el género deseado para su anuncio.

¿Todas las voces hablan todos los idiomas?

Sí, las 8 voces pueden hablar los 23 idiomas disponibles (inglés, español, alemán, etc.). Si no especifica el idioma, el sistema lo adivina o usa inglés para texto latino. Para textos en otros idiomas, establezca el campo language explícitamente para garantizar la pronunciación correcta.

¿Qué voz es más rápida?

La velocidad depende del parámetro speed (0.25–4.0), no de la voz. Todas las voces respetan este ajuste. La generación típica es aproximadamente en tiempo real (25 caracteres por segundo), pero las solicitudes se procesan en cola, por lo que la latencia puede variar bajo carga.

¿Qué formato de audio es mejor para altavoces?

MP3 es eficiente y ampliamente compatible. WAV ofrece mayor fidelidad sin compresión, ideal para sistemas de audio profesional. FLAC es sin pérdida. La elección depende de su infraestructura. Para la mayoría de los sistemas de anuncios públicos, MP3 o WAV son las opciones más seguras y compatibles.

¿Hay voces para niños?

No. Ofrecemos 8 voces de adultos: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. No hay voces infantiles ni opciones de clonación personalizada. Si necesita un tono diferente, debe elegir la voz adulta más cercana a sus necesidades de comunicación.

¿Se pueden mezclar voces?

No. Cada solicitud de API genera audio con una sola voz. No hay mezcla en tiempo real ni capacidad de combinar voces en una sola pista. Debe generar cada voz por separado y unirlas en su sistema de reproducción si desea una mezcla posterior.

¿Qué significa la marca de agua en el audio?

Cada archivo generado contiene una marca de agua inaudible que lo identifica como habla sintética. Esto indica que el audio fue creado por nuestra API y no por una grabación humana. Es un sello de autenticidad digital transparente para los oyentes humanos.

¿De dónde vienen las voces?

Las voces se basan en grabaciones con licencia de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox. Son grabaciones de personas reales, lo que garantiza una calidad natural y clara para sus anuncios y avisos de transporte.

¿Puedo personalizar una voz existente?

No. Ofrecemos 8 presets fijos sin opciones de clonación personalizada ni diseño de voz. No puede subir su propia voz ni ajustar matices emocionales. Debe elegir entre Aria, Nova, Luna, Sage, Felix, Milo, Atlas u Orion según su necesidad específica de comunicación.

¿Qué voz usar para instrucciones de seguridad?

Sage (calma, instructiva) o Atlas (neutral, noticias) son ideales. Su tono claro y directo facilita la comprensión rápida de avisos críticos. Evite voces muy enérgicas como Felix para mantener la seriedad. Asegúrese de especificar el idioma correcto para evitar errores de pronunciación en emergencias.

¿Qué voz es más natural?

La naturalidad es subjetiva, pero todas están basadas en grabaciones reales con licencia. Aria y Luna suelen percibirse como muy naturales por su calidez. La calidad depende también del formato (WAV/FLAC) y la velocidad. Pruebe varias voces con su texto específico para decidir.

¿Cuántas voces hay en total?

Hay 8 voces en total: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. Cuatro femeninas y cuatro masculinas. Cada una tiene un tono distintivo optimizado para diferentes tipos de anuncios, desde narrativas hasta noticias, sin necesidad de configuraciones complejas.

Voces femeninas para anuncios claros

Ilustración de onda de sonido para: Voces femeninas para anuncios claros

Las voces femeninas de ClaroHabla están optimizadas para la claridad en entornos de transporte, garantizando que los mensajes lleguen sin ambigüedades. Aria, Nova y Luna ofrecen distintas tonalidades para adaptar el anuncio al contexto de la estación o vehículo.

Cada voz se basa en grabaciones licenciadas de LibriVox, asegurando una calidad natural sin la necesidad de clonación personalizada. Su diseño facilita la integración rápida en sistemas de anuncios públicos existentes.

Aria: narradora clara y cálida

Aria destaca por su tono cálido y claro, ideal para avisos generales en terminales. Su voz transmite calma, lo que ayuda a reducir el estrés en espacios concurridos.

Es particularmente efectiva para instrucciones de seguridad o información de horarios, donde la claridad es prioritaria sobre la energía alta.

Nova: tono brillante y energético

Nova ofrece un tono brillante y energético, perfecto para promociones o avisos de último minuto. Su energía capta la atención rápidamente en entornos ruidosos.

Recomendada para anuncios de servicios adicionales o cambios de plataforma que requieren una respuesta inmediata de los pasajeros.

Luna: suave y narrativa

Luna presenta una voz suave y narrativa, adecuada para historias de ruta o anuncios informativos menos urgentes. Su tono suave mantiene la atención sin resultar invasivo.

Ideal para aplicaciones en vehículos en movimiento donde el ruido de fondo es moderado y se busca una experiencia auditiva más relajada.

Voces masculinas para información

Ilustración de onda de sonido para: Voces masculinas para información

Las voces masculinas de ClaroHabla están optimizadas para la transmisión de información crítica en entornos de transporte. Cada tono se ha calibrado para garantizar que los avisos se entiendan con claridad, incluso en estaciones concurridas o vehículos en movimiento.

Atlas: neutral, ideal para noticias

Atlas ofrece una voz neutral y profesional, perfecta para anuncios informativos como cambios de plataforma o horarios. Su tono equilibrado evita la fatiga auditiva en equipos grandes que reciben múltiples avisos durante el día.

  • Tonos consistentes para información repetitiva
  • Ideal para avisos de seguridad y rutas

Milo: amigable y conversacional

Milo aporta un tono cercano y amigable, adecuado para instrucciones de uso o bienvenida en terminales. Su naturalidad ayuda a que los usuarios se sientan orientados sin que el mensaje suene robótico o excesivamente formal.

  • Claridad en instrucciones paso a paso
  • Tono relajado para centros de carga

Felix: energético para promociones

Felix es la opción correcta para anuncios promocionales o de servicios especiales. Su energía destaca el mensaje sin perder la inteligibilidad, asegurando que la información comercial o de oferta sea percibida claramente por los viajeros.

  • Ideal para campañas temporales
  • Alta energía sin perder claridad

Voces para documentales y contextos

Ilustración de onda de sonido para: Voces para documentales y contextos

Para contextos que requieren autoridad o calma, Orion y Sage ofrecen tonos distintos pero igualmente profesionales. Orion aporta la profundidad característica de los documentales, ideal para narrativas institucionales o avisos de alto impacto que necesitan presencia sonora sin ser intrusivos.

Orion: voz profunda y documental

Su timbre grave transmite seriedad y confianza, perfecto para anuncios de seguridad o información general en terminales grandes. Al ser una voz preestablecida, garantiza consistencia en cada reproducción sin necesidad de ajustes complejos.

  • Voz masculina, tono documental y profundo

Sage: calmada e instructiva

Sage destaca por su claridad instruccional, ideal para guías paso a paso o recordatorios de seguridad. Su tono sereno reduce la carga cognitiva en entornos de alta tensión, como salidas de emergencia o cambios de plataforma.

  • Voz femenina, tono calmado e instructivo

Comparación de tonos serios

Mientras Orion se aproxima al estilo de narración de fondo, Sage se centra en la precisión de la instrucción. Ambas son adecuadas para equipos grandes que buscan uniformidad en la comunicación masiva sin distraer al usuario.

  • Orion: profundidad narrativa; Sage: claridad instruccional

Elección según el contexto del anuncio

Ilustración de onda de sonido para: Elección según el contexto del anuncio

La claridad del mensaje depende del entorno acústico. En estaciones con eco o vehículos en movimiento, el ruido de fondo exige ajustes específicos para que la voz llegue clara a los pasajeros.

Uso en estaciones de transporte

Las estaciones suelen tener alto nivel de ruido ambiente. Utiliza la voz Aria para anuncios generales, ya que su tono cálido y claro resalta mejor sobre el ruido de fondo. Configura una velocidad de 0.8 a 1.0 para mantener la naturalidad sin perder inteligibilidad.

  • Prioriza la voz Aria para avisos generales.
  • Ajusta velocidad a 0.8–1.0 para claridad.
  • Usa formato WAV para máxima compatibilidad.

Uso en vehículos en movimiento

El ruido del motor y las ruedas reduce la comprensión. La voz Atlas ofrece un tono neutro y directo, ideal para anuncios de paradas o seguridad. Reduce la velocidad a 0.7 si el entorno es muy ruidoso para dar tiempo a la percepción del mensaje.

  • Usa Atlas para anuncios de paradas.
  • Reduce velocidad a 0.7 en ruido alto.
  • Evita formatos MP3 de baja calidad.

Uso en terminales y centros de carga

Estos espacios combinan tráfico de vehículos y actividad humana. La voz Sage, con su tono calmado e instructivo, es ideal para instrucciones de seguridad o rutas internas. Su claridad ayuda a reducir confusiones en áreas con múltiples fuentes de sonido simultáneas.

  • Sage es ideal para instrucciones internas.
  • Mantén velocidad entre 0.8 y 1.0.
  • Usa OPUS para ahorrar ancho de banda.

Idiomas y adaptabilidad de las voces

Ilustración de onda de sonido para: Idiomas y adaptabilidad de las voces

Nuestras voces no están restringidas a un único idioma. Cualquier preset puede pronunciar con naturalidad cualquiera de los 23 idiomas disponibles, lo que simplifica la gestión de flotas multiculturales o rutas internacionales sin necesidad de asignar voces específicas por región.

Esta flexibilidad permite mantener una identidad de audio coherente en todo el sistema de comunicación, adaptándose a la diversidad de pasajeros o equipos sin complicaciones técnicas adicionales.

Todas las voces hablan 23 idiomas

El sistema soporta árabe, chino, danés, holandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, swahili, sueco y turco. No importa si usas a Aria, Milo o Atlas; cada uno puede emitir avisos en cualquiera de estos idiomas con la misma claridad.

Esto elimina la necesidad de gestionar múltiples perfiles de voz para diferentes destinos o comunidades lingüísticas dentro de una misma red de transporte.

  • 23 idiomas completos sin restricciones de uso.
  • Compatibilidad con idiomas latinos, asiáticos, semitas y otros.
  • Sin limitaciones de uso por voz específica.

Adaptación al acento local

Las voces mantienen una pronunciación consistente y natural, evitando acentos marcados que puedan reducir la comprensibilidad en entornos ruidosos. Al ser síntesis basada en IA, la entonación se ajusta automáticamente según las reglas gramaticales del idioma seleccionado.

Esto asegura que los avisos de seguridad o las indicaciones de ruta se entiendan claramente, independientemente de la lengua original del mensaje.

  • Pronunciación natural y consistente.
  • Entonación adaptada a reglas gramaticales.
  • Claridad mantenida en diversos idiomas.

Configuración manual del idioma

Aunque el sistema puede inferir el idioma desde el script (por ejemplo, texto latino se asume inglés por defecto), recomendamos especificar el código ISO del idioma en la solicitud language para textos en latinos que no sean inglés. Esto evita errores de pronunciación en idiomas como holandés, sueco o portugués.

Esta configuración manual garantiza la precisión del audio generado, especialmente cuando se mezclan idiomas o se utilizan textos con características lingüísticas específicas.

  • Especificar language en la API.
  • Códigos ISO recomendados para precisión.
  • Evita suposiciones erróneas del sistema.

Velocidad y claridad en entornos ruidosos

Ilustración de onda de sonido para: Velocidad y claridad en entornos ruidosos

En entornos ruidosos como andenes o vehículos en movimiento, la velocidad es clave para la comprensión. Puedes ajustar la velocidad entre 0.25 y 4.0, lo que permite acelerar los avisos para que sean más directos o ralentizarlos para mayor claridad en áreas con mucho ruido de fondo.

Aunque todas las voces son claras, las configuraciones de velocidad alta deben usarse con cuidado. Una velocidad excesiva puede reducir la inteligibilidad en espacios con mucho eco o ruido ambiental, por lo que es necesario probar la configuración específica para cada entorno.

Ajuste de velocidad de 0.25 a 4.0

El parámetro speed en la API permite modificar la velocidad de habla. Un valor de 1.0 es la velocidad natural. Aumentarla hasta 4.0 es útil para avisos cortos en zonas muy ruidosas, mientras que 0.25 es ideal para instrucciones detalladas o cuando el ruido de fondo es bajo.

  • Velocidad mínima: 0.25 (más lento, muy claro)
  • Velocidad máxima: 4.0 (más rápido, conciso)
  • Velocidad recomendada para ruido alto: 0.7–1.0

Voces con mejor claridad en ruido

La claridad depende tanto de la voz como del contexto. Aria y Sage suelen ser más claras en anuncios informativos por su tono estable. Felix y Nova, al ser más enérgicas, pueden destacar mejor en entornos con ruido de motor o tráfico, aunque su velocidad debe ajustarse.

  • Aria: buena para avisos generales
  • Nova: destacada en entornos dinámicos
  • Sage: ideal para instrucciones complejas

Pruebas de audibilidad

Se recomienda realizar pruebas en el entorno real de uso. Genera un aviso con diferentes velocidades y escúchalo en la zona de operación. La velocidad óptima varía según la acústica de la terminal o el vehículo. No hay garantía de audibilidad absoluta, pero el ajuste fino mejora los resultados.

  • Prueba en condiciones reales de ruido
  • Ajusta la velocidad según la acústica
  • Verifica la claridad con diferentes voces

Licencias y origen de las voces

Ilustración de onda de sonido para: Licencias y origen de las voces

Nuestro servicio de texto a voz se basa en grabaciones licenciadas de fuentes confiables, garantizando una calidad sonora natural y profesional para tus anuncios de transporte.

Las voces no son imitaciones genéricas, sino el resultado de un proceso riguroso de selección y adaptación para asegurar claridad en entornos ruidosos.

Voces basadas en grabaciones licenciadas

Cada una de las ocho voces disponibles en ClaroHabla proviene de registros de audio previamente licenciados, lo que nos permite ofrecer un rendimiento consistente y libre de problemas de derechos de autor para uso comercial.

Origen de LibriTTS-R y LibriVox

Las voces están basadas en el conjunto de datos LibriTTS-R (CC BY 4.0), que a su vez incorpora lecturas del dominio público de LibriVox. Esta combinación asegura que el material original sea accesible y de alta calidad.

  • Datos bajo licencia CC BY 4.0.
  • Lecturas de audiolibros de dominio público.

Marca de agua invisible en el audio

Todos los archivos de audio generados incluyen una marca de agua inaudible que identifica el contenido como voz sintética. Esto proporciona transparencia inmediata para los usuarios que escuchan tus avisos en estaciones o vehículos.

Licencias y origen de las voces

Formatos de audio y calidad

Ilustración de onda de sonido para: Formatos de audio y calidad

Seleccionar el formato adecuado es clave para la claridad en sistemas de transporte. Cada formato tiene ventajas técnicas específicas que afectan la reproducción en terminales y vehículos.

MP3 vs WAV para transporte

El formato MP3 ofrece compresión con pérdida, ideal para reducir el tamaño de archivo sin sacrificar la inteligibilidad en ambientes ruidosos. Es la opción más equilibrada para la mayoría de las aplicaciones de anuncios públicos.

WAV proporciona audio sin pérdida, manteniendo la fidelidad original de la voz. Es útil cuando la calidad de audio es crítica y el ancho de banda no es una limitación.

  • MP3: menor tamaño, buena claridad.
  • WAV: máxima fidelidad, mayor tamaño.

OPUS y FLAC para eficiencia

OPUS es un formato de alta eficiencia que ofrece excelente calidad a tasas de bits bajas. Es ideal para redes con limitaciones de ancho de banda.

FLAC ofrece compresión sin pérdida, manteniendo la calidad original del audio mientras reduce el tamaño del archivo. Es perfecto para almacenamiento a largo plazo o reproducción de alta fidelidad.

  • OPUS: alta eficiencia, baja tasa de bits.
  • FLAC: sin pérdida, almacenamiento eficiente.

Elección según el reproductor destino

La elección del formato depende del hardware de reproducción. Asegúrese de que su sistema de audio soporte el formato seleccionado para evitar problemas de compatibilidad.

Pruebe el formato elegido en el entorno real de instalación para verificar la claridad y la eficiencia en condiciones de uso real.

  • Verificar compatibilidad del hardware.
  • Probar en entorno real.

Integración con sistemas de anuncios

Ilustración de onda de sonido para: Integración con sistemas de anuncios

La integración de nuestra API en los sistemas de anuncios de transporte permite una comunicación fluida y automatizada, adaptándose a las necesidades específicas de cada entorno. Con una sola clave de API, los equipos pueden gestionar desde avisos rutinarios hasta actualizaciones dinámicas sin necesidad de infraestructuras complejas.

Automatización de anuncios por ruta

Integre la API con sus sistemas de gestión de flotas para que los anuncios se generen automáticamente al detectar la ubicación del vehículo. Al cruzar datos de GPS con la lista de paradas, el sistema envía el texto correspondiente y recibe el audio listo para reproducirse, eliminando la necesidad de archivos pregrabados estáticos.

  • Disminución del almacenamiento de archivos de audio en los dispositivos.
  • Actualización inmediata de rutas sin necesidad de reprogramación manual.

Uso con eventos en tiempo real

Para retrasos o cambios de plataforma, la API genera avisos en segundos. Solo necesita enviar el texto actualizado mediante una llamada POST y recibir el archivo de audio en segundos. Esta capacidad permite informar a los pasajeros sobre incidencias operativas con claridad, utilizando voces como Atlas para noticias o Luna para narrativas suaves.

  • Respuesta rápida ante cambios imprevistos en el itinerario.
  • Integración sencilla con sistemas de control de operaciones existentes.

Generación por lotes de avisos

Para preparaciones anticipadas, como los avisos matutinos o instrucciones de seguridad estándar, puede generar lotes de audio mediante scripts que dividan textos largos. Esto optimiza el uso de recursos y asegura que los archivos estén disponibles antes del inicio del servicio, manteniendo la coherencia tonal en toda la flota.

  • Optimización del ancho de banda al pre-generar contenido estático.
  • Mantenimiento de la coherencia de marca en todos los vehículos.

Ejemplos prácticos de uso

Ilustración de onda de sonido para: Ejemplos prácticos de uso

La claridad de la voz es crítica cuando el ruido ambiente compite con los avisos. Estos ejemplos demuestran cómo la API convierte texto simple en audio listo para integrarse en sus sistemas de comunicación, garantizando que la información llegue sin ambigüedades.

Cada solicitud genera un archivo de audio único. No necesitas gestionar archivos estáticos pregrabados para cada posible variante de mensaje, lo que simplifica la logística de tus flotas grandes y terminales.

Anuncio de llegada a parada

Envía un texto como 'La próxima parada es Plaza Mayor' usando la voz Atlas para un tono neutral y claro. La API devuelve un archivo MP3 o WAV listo para reproducirse al detectar la geolocalización del vehículo.

Este enfoque permite actualizar los nombres de las paradas sin cambiar el hardware de los autobuses, adaptándose a cambios temporales o permanentes en la ruta.

  • Voz recomendada: Atlas (neutral) o Milo (conversacional)
  • Formato ideal: MP3 para ahorro de almacenamiento
  • Límite: 4096 caracteres por solicitud

Instrucción de seguridad en autobús

Para avisos como 'Aférmate a los pasamanos', utiliza la voz Sage por su tono calmado e instructivo. Esto ayuda a mantener la calma entre los pasajeros en situaciones de frenado brusco o curva pronunciada.

La velocidad se puede ajustar a 0.5 para asegurar que cada sílaba sea audible incluso con el ruido del motor o de puertas abriéndose.

  • Voz recomendada: Sage o Luna
  • Velocidad sugerida: 0.5-0.8 para claridad
  • Idioma: configurarlo manualmente si el texto es ambiguo

Aviso de cambio de plataforma

En estaciones con tráfico alto, un aviso como 'Cambios de plataforma: línea 3 a la plataforma 5' requiere precisión. Usa la voz Nova para un tono brillante que capte la atención rápidamente.

Genera el audio al recibir el evento de cambio desde tu sistema de gestión, asegurando que la información sea siempre la más reciente sin retrasos por carga de archivos estáticos.

  • Voz recomendada: Nova o Felix
  • Formato: WAV para máxima fidelidad
  • Uso: integración con eventos en tiempo real

Comparativa de voces por volumen

Ilustración de onda de sonido para: Comparativa de voces por volumen

El costo por carácter es idéntico para las ocho voces, ya que comparten el mismo motor de síntesis. No existe una voz que genere menos caracteres ni consuma menos créditos por palabra que otra en nuestra API.

La eficiencia real depende de la longitud de los textos y de la velocidad de reproducción. Ajustar la velocidad entre 0.25 y 4.0 puede reducir el tiempo de generación, aunque el precio por carácter permanece fijo.

Voces más eficientes en caracteres

Dado que el precio es de $0.01 por cada 1.000 caracteres, todas las voces son igualmente eficientes en este aspecto. El uso de caracteres se mide exactamente como se envía en la API, incluyendo espacios y puntuación.

Voces con menor consumo de ancho de banda

El consumo de ancho de banda varía según el formato de audio seleccionado, no por la voz elegida. Para flotas grandes, el formato OPUS o MP3 ofrece la mejor relación entre calidad y tamaño de archivo.

  • OPUS: ideal para redes con bajo ancho de banda.
  • MP3: amplio soporte en reproductores de autobús.
  • WAV: mayor calidad pero archivo más pesado.

Recomendaciones para flotas grandes

Para operaciones con miles de avisos diarios, priorice la automatización mediante la API REST. Utilice el formato OPUS para minimizar el uso de datos móviles en vehículos conectados y optimice la velocidad de reproducción para acortar los avisos sin perder claridad.

  • Usar OPUS para reducir tráfico de datos.
  • Ajustar velocidad a 1.0-1.5 para claridad óptima.
  • Monitorear límites de 60 solicitudes por minuto.

Soporte y recursos adicionales

Ilustración de onda de sonido para: Soporte y recursos adicionales

Acceder a la documentación técnica y a los ejemplos de audio generados te permite entender exactamente cómo suena cada voz antes de integrar la API en tus sistemas de anuncios. Esta transparencia te ayuda a elegir la configuración más adecuada para tus flotas y terminales.

Documentación de cada voz

Nuestra documentación detalla las características específicas de cada una de las 8 voces, desde el tono narrativo de Aria hasta la profundidad documental de Orion. Puedes consultar las especificaciones técnicas y los casos de uso recomendados directamente en la sección de /docs/.

  • Descripción detallada del tono y uso recomendado de cada voz.
  • Especificaciones técnicas de los formatos de audio disponibles (mp3, wav, opus, flac, pcm).

Ejemplos de audio generados

Puedes generar y escuchar muestras de audio utilizando las 23 lenguas soportadas. Esto te permite verificar la claridad del habla en diferentes contextos, como anuncios en estaciones o instrucciones en vehículos, sin necesidad de una integración completa.

  • Muestras de audio generadas con diferentes velocidades y formatos.
  • Verificación de la claridad del habla en entornos ruidosos.

Contacto para consultas específicas

Para preguntas sobre integración técnica o necesidades específicas de tu equipo de transporte, puedes escribirnos por correo electrónico. Nuestro soporte responde por este medio, asegurando que reciba atención detallada sin las esperas de canales más rápidos pero menos detallados.

Recuerda que no ofrecemos soporte telefónico ni chat en vivo, pero estamos disponibles para resolver dudas técnicas y de facturación.

  • Soporte por correo electrónico para consultas técnicas y de facturación.
  • No hay soporte telefónico ni chat en vivo.

Precios y características técnicas

Ilustración de onda de sonido para: Precios y características técnicas

La facturación se basa estrictamente en la longitud del texto enviado. Cada solicitud incluye caracteres, espacios y puntuación, lo que permite predecir con precisión el costo antes de la generación. Los fallos en la síntesis no generan cargos, asegurando que solo pagues por audio entregado correctamente.

La API acepta textos de hasta 4096 caracteres por solicitud. Para avisos más largos, se recomienda dividir el texto y unir los archivos resultantes. La velocidad de procesamiento es aproximadamente en tiempo real, aunque solicitudes simultáneas pueden esperar en cola bajo carga.

Costo por carácter generado

El precio es de $10 por cada millón de caracteres procesados, lo que equivale a $0.01 por cada 1.000 caracteres. Esta unidad de medida incluye espacios y signos de puntuación, facilitando el cálculo de costos para rutas completas o listas de avisos extensas.

  • Cobro por millón de caracteres generados con éxito
  • Espacios y puntuación cuentan como caracteres
  • Cargos nulos en caso de fallo en la síntesis

Límites de velocidad y longitud

El campo input acepta un máximo de 4096 caracteres por petición. Si el aviso excede este límite, la solución estándar es dividir el texto en partes y concatenar los archivos de audio obtenidos. La velocidad de generación se aproxima a un carácter por segundo en textos largos.

  • Límite de 4096 caracteres por solicitud POST
  • Velocidad de generación de aprox. 25 caracteres/segundo
  • Procesamiento secuencial sujeto a cola bajo carga

Formatos de salida disponibles

El sistema soporta cinco formatos de audio: mp3, wav, opus, flac y pcm. Para sistemas de anuncios en transporte, el formato mp3 suele ser suficiente por su equilibrio entre calidad y peso. Los formatos opus y flac ofrecen mayor eficiencia o fidelidad según la infraestructura de reproducción.

  • Formatos disponibles: mp3, wav, opus, flac, pcm
  • MP3 recomendado para la mayoría de reproductores de transporte
  • OPUS y FLAC para eficiencia o alta fidelidad

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Asegúrese de que su sistema de audio soporte el formato seleccionado para evitar problemas de compatibilidad.

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. OpenAI API reference: create speech
  3. openai-python on GitHub
  4. W3C WAI: making audio and video accessible
  5. LibriTTS-R corpus (OpenSLR 141)
  6. Creative Commons Attribution 4.0
  7. LibriVox public-domain audiobooks
  8. Python documentation
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. IETF RFC 7845: Ogg Opus
  11. Tether (USDT)
  12. openai-node on GitHub

Más en este sitio