¿Cómo funciona la API de texto a voz en la nube?

Por Equipo editorial ClaroHabla · Actualizado 2026-11-19

Descubre cómo la API de texto a voz de ClaroHabla transforma avisos, rutas e instrucciones en audio claro y natural para tu equipo de transporte. En esta guía aprenderás a enviar texto y recibir archivos de audio listos para integrarse en tus sistemas de comunicación pública.

Entenderás el flujo de trabajo completo: desde la selección de voces y ajuste de velocidad hasta la facturación por carácter y la seguridad de tus datos. Ideal para equipos grandes que buscan una solución sin costos fijos mensuales ni complicaciones técnicas.

¿Cómo funciona la API de texto a voz en la nube?

Preguntas frecuentes

¿Qué es una API de texto a voz?

Es una interfaz en la nube que convierte texto en archivos de audio. Envías una solicitud POST con tu mensaje y recibes el audio listo para integrarse en tus sistemas de comunicación. Utiliza el formato estándar de la API de OpenAI, lo que facilita la compatibilidad con las SDKs oficiales de OpenAI cambiando la base_url.

¿Cómo se selecciona una voz?

Elige entre ocho presets disponibles mediante el campo voice en la solicitud. Puedes seleccionar voces femeninas como Aria o Nova, o masculinas como Felix o Atlas. Cada voz tiene un tono específico, desde narrador claro hasta documental profundo, adecuado para diferentes tipos de anuncios públicos.

¿Se puede cambiar la velocidad del audio?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0. Esto permite adaptar la voz a tus necesidades específicas, ya sea para avisos rápidos o instrucciones más pausadas. El valor se especifica en el campo speed de tu solicitud JSON.

¿Qué idiomas están soportados?

Soportamos 23 idiomas, incluyendo español, inglés, francés, alemán, chino y árabe. Cualquier voz puede hablar cualquiera de estos idiomas. Si no especificas el idioma, se intenta adivinar por el script, pero es recomendable definirlo para textos en latinos no ingleses.

¿Cuántos caracteres puedo enviar?

Cada solicitud puede contener hasta 4096 caracteres. Si tu texto es más largo, debes dividirlo en partes de este tamaño y unir los archivos de audio resultantes. Los espacios y la puntuación cuentan como caracteres.

¿Qué formatos de audio puedo elegir?

Puedes seleccionar entre mp3, wav, opus, flac y pcm. El formato se define en el campo response_format de tu solicitud. Estos formatos cubren la mayoría de las necesidades de integración en sistemas de difusión y comunicación interna.

¿Cuánto cuesta el servicio?

El costo es de $10 por cada millón de caracteres, equivalente a $0.01 por mil caracteres. No hay planes mensuales ni costos fijos. Solo pagas por los caracteres procesados en solicitudes exitosas, y las fallas son gratuitas.

¿Se puede usar para anuncios en tiempo real?

No ofrecemos streaming ni audio en tiempo real. El audio se genera completo y se devuelve en la respuesta. Para textos largos, el proceso puede tardar aproximadamente un segundo por cada 25 caracteres, dependiendo de la carga del servidor.

¿Qué pasa si el texto es muy largo?

Debes dividir el texto en fragmentos de máximo 4096 caracteres. Luego, envía cada fragmento en una solicitud separada y une los archivos de audio resultantes. Esto asegura que cada parte se sintetice correctamente sin exceder los límites de la API.

¿Es segura la API?

El texto de entrada se usa solo para generar el audio y no se entrena con él. El audio generado se devuelve en la respuesta y no se almacena. Mantenemos metadatos de la solicitud para facturación, pero no guardamos el contenido del audio.

¿Cómo se obtiene la clave API?

Regístrate en la página /get-api-key/ usando Google o correo electrónico. Una vez creado el cuenta, obtendrás una clave Bearer única. Puedes emitir una nueva clave en cualquier momento, lo que invalida inmediatamente la anterior.

¿Se puede usar con Python?

Sí, puedes usar las SDKs oficiales de OpenAI cambiando la base_url a https://api.u31c.info/v1. También puedes hacer solicitudes HTTP directas. Esto permite integrar fácilmente la API en tus scripts o aplicaciones existentes en Python.

¿Qué es USDT TRC-20?

Es la moneda estable USDT en la red TRON (TRC-20). Es el único método de recarga disponible. Puedes añadir saldo mínimo de $5 mediante transferencia, y el crédito se acredita automáticamente en minutos. No aceptamos tarjetas ni PayPal.

¿Hay límite de solicitudes por minuto?

Sí, el límite es de 60 solicitudes por minuto por clave. Antes de tu primera recarga, el límite es de 10 solicitudes por minuto. Esto asegura un uso estable del servicio para la síntesis de audio en tus sistemas.

¿Qué hago si falla una solicitud?

Si la síntesis falla, no se cobra el carácter. El cargo se devuelve en su totalidad. Puedes reintentar la solicitud o revisar los parámetros enviados. El audio solo se genera si la solicitud es exitosa y se devuelve en la respuesta.

¿Se guarda mi texto enviado?

El texto de entrada se utiliza únicamente para producir el audio y no se usa para entrenamiento. No almacenamos el contenido del texto más allá del procesamiento inmediato. Solo conservamos metadatos de la solicitud para fines de facturación y registro.

Concepto básico de la API

Ilustración de onda de sonido para: Concepto básico de la API

La API de ClaroHabla convierte texto en audio mediante una solicitud simple: envías el texto y recibes un archivo de audio. Este proceso elimina la necesidad de hardware especializado, permitiendo que cualquier sistema integrado reciba el archivo de audio generado.

Envío de texto y recepción de audio

Envías el texto mediante una solicitud HTTP POST al endpoint de la API. El servicio procesa los caracteres y devuelve el archivo de audio generado en el formato seleccionado, listo para su reproducción inmediata.

  • Endpoint: POST /v1/audio/speech
  • Entrada: texto en formato JSON
  • Salida: archivo de audio directo

Proceso de síntesis en la nube

La síntesis ocurre en nuestros servidores cloud, utilizando motores optimizados para la claridad en entornos ruidosos. No requiere instalación local ni mantenimiento de servidores, garantizando consistencia en cada anuncio o aviso.

Generación de archivos de audio

Cada solicitud genera un archivo independiente que puedes integrar directamente en tus sistemas de comunicación. Para textos largos, la API permite dividir y unir archivos para mantener la fluidez en avisos extensos.

Voces y personalización

Ilustración de onda de sonido para: Voces y personalización

La API ofrece ocho voces predefinidas con timbres distintos, como Aria para narración clara o Atlas para noticias neutrales. Esta variedad permite adaptar el tono del aviso al contexto exacto del transporte o la publicidad sin necesidad de diseño de voz personalizado ni clonación de voz.

La velocidad de lectura es ajustable entre 0.25x y 4.0x, lo que facilita la integración en sistemas que requieren avisos rápidos o instrucciones pausadas para pasajeros.

Selección de voz según el tono deseado

Elige entre voces femeninas como Luna (suave) o Nova (alegre), y masculinas como Felix (energético) o Orion (profundo). Cada preset está diseñado para un registro de comunicación específico.

  • Aria: narradora clara y cálida
  • Felix: promocional y enérgico
  • Atlas: neutral, ideal para noticias
  • Orion: profundo, estilo documental

Ajuste de velocidad de lectura

Puedes modificar el parámetro de velocidad de 0.25 a 4.0 para sincronizar el audio con la acción visual o el tiempo de espera en una parada. Esto es útil para instrucciones de seguridad o anuncios de última hora.

Uso de voces masculinas y femeninas

El sistema incluye cuatro voces femeninas y cuatro masculinas. Todas pueden hablar los 23 idiomas soportados, permitiendo una distribución flexible de roles en tus equipos de comunicación sin depender de proveedores externos.

Idiomas y detección automática

Ilustración de onda de sonido para: Idiomas y detección automática

Nuestra API soporta 23 idiomas clave para el sector del transporte, incluyendo español, inglés, alemán, francés, chino y árabe. Cualquier voz puede hablar cualquiera de estos idiomas, lo que permite una gestión unificada para flotas internacionales o equipos multilingües sin necesidad de contratar servicios separados.

Soporte para 23 idiomas

Ofrecemos soporte completo para danés, finés, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, suajili, sueco y turco, además de los principales idiomas occidentales. Esto cubre la mayoría de las rutas y destinos comunes en el sector del transporte público y la logística.

Detección basada en el guión del texto

Si no especificas un idioma, el sistema detecta automáticamente el idioma basado en el guión del texto enviado. Por ejemplo, el texto en latín se asume como inglés por defecto si no se indica lo contrario. Esto simplifica la integración para avisos estándar en inglés.

Configuración manual del idioma

Para textos en latín que no sean inglés, debes establecer el campo language con el código ISO correspondiente. Esto asegura que la voz pronuncie correctamente nombres propios o términos técnicos específicos del idioma, evitando acentos o pronunciaciones incorrectas en los anuncios.

  • Códigos ISO recomendados para evitar errores de detección.
  • Esencial para textos bilingües en la misma solicitud.
  • Garantiza la claridad en terminología técnica.

Formatos de salida de audio

Ilustración de onda de sonido para: Formatos de salida de audio

La API de ClaroHabla permite elegir el formato de audio que mejor se adapte a la infraestructura de difusión de su equipo. Puede seleccionar entre MP3, WAV, OPUS, FLAC o PCM según sus necesidades de compatibilidad y calidad.

MP3: estándar para la mayoría de reproductores

El formato MP3 es ideal para la mayoría de los sistemas de megafonía y reproductores digitales modernos. Ofrece un equilibrio óptimo entre calidad audible y tamaño de archivo, facilitando su integración en redes existentes sin requerir hardware especializado.

  • Amplia compatibilidad con hardware de transporte público.
  • Archivo ligero para transmisión rápida.

WAV: calidad sin pérdida

Seleccione WAV cuando necesite la máxima fidelidad de audio sin compresión. Este formato es perfecto para archivos de audio maestros o sistemas que requieren una reproducción exacta de la voz sintetizada, manteniendo todos los detalles del audio original.

  • Calidad sin pérdida de datos.
  • Ideal para archivado o alta fidelidad.

OPUS y FLAC: compresión eficiente

OPUS ofrece una compresión eficiente para almacenamiento a largo plazo con buena calidad. FLAC proporciona compresión sin pérdida, reduciendo el tamaño del archivo sin sacrificar ningún dato, útil para gestionar grandes volúmenes de avisos generados.

  • OPUS: optimizado para eficiencia y streaming.
  • FLAC: compresión sin pérdida de espacio.

Límites y rendimiento

Ilustración de onda de sonido para: Límites y rendimiento

La API procesa textos de hasta 4096 caracteres por solicitud. Para textos más largos, se dividen en partes y se unen los archivos de audio resultantes.

La generación es aproximadamente en tiempo real, con una velocidad de unos 25 caracteres por segundo. Las frases cortas pueden tardar unos segundos.

Límite de 4096 caracteres por solicitud

Cada llamada a la API acepta un máximo de 4096 caracteres en el campo input. Si tu anuncio o instrucción es más extenso, debes dividirlo manualmente en bloques y concatenar los archivos de audio devueltos.

Velocidad de generación similar al tiempo real

En textos largos, la producción de audio se acerca al tiempo real, procesando aproximadamente 25 caracteres por segundo. Para frases breves, el tiempo de respuesta puede ser de unos pocos segundos.

Cola de procesamiento bajo carga

Las solicitudes se procesan secuencialmente. Si hay muchas peticiones simultáneas, tu solicitud podría esperar en una cola antes de comenzar la síntesis, lo que puede aumentar ligeramente el tiempo total de entrega.

Precios y facturación

Ilustración de onda de sonido para: Precios y facturación

El coste es de $10 por cada millón de caracteres procesados, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. Si la síntesis falla, el cargo se devuelve íntegramente.

Coste por carácter generado

Se cobra únicamente por los caracteres válidos enviados en el cuerpo de la solicitud. No hay costos fijos mensuales ni mínimos de gasto, lo que permite una facturación precisa alineada con el volumen real de avisos o instrucciones generados.

Crédito de prueba inicial

Al registrarse con Google, se otorgan $0.50 de crédito (aproximadamente 50.000 caracteres) con validez de 7 días. Las cuentas creadas con correo y contraseña comienzan sin este crédito de prueba inicial.

Recarga con USDT en TRON

Las recargas se realizan exclusivamente con USDT en la red TRON (TRC-20), con un mínimo de $5. El saldo se acredita automáticamente en minutos y nunca caduca. No aceptamos tarjetas, PayPal ni suscripciones.

Precios y facturación

Integración técnica

Ilustración de onda de sonido para: Integración técnica

La integración es directa: envías una petición POST al endpoint /v1/audio/speech con el formato JSON adecuado y recibes el archivo de audio.

Uso de HTTP POST estándar

Envía el texto, la voz y el formato deseado en el cuerpo de la petición. El servidor procesa la solicitud y devuelve el archivo de audio listo para reproducirse.

  • Método: POST
  • Endpoint: /v1/audio/speech
  • Cuerpo: JSON con campos 'model', 'input', 'voice', 'response_format', 'speed'

Compatibilidad con SDK de OpenAI

La estructura de la solicitud es idéntica a la de OpenAI. Puedes reutilizar tu código actual cambiando solo la URL base a https://api.u31c.info/v1 y actualizando la clave API.

Autenticación mediante clave API

Accede a la API incluyendo tu clave única en la cabecera Authorization: Bearer tts-... Esta clave se genera al crear tu cuenta y puede renovarse si es necesario.

  • Formato: Bearer tts-...
  • Una clave activa por cuenta
  • Renovable inmediatamente

Casos de uso en transporte

Ilustración de onda de sonido para: Casos de uso en transporte

La API de ClaroHabla convierte avisos estáticos en audio claro y natural, listo para integrarse en los sistemas de comunicación de grandes equipos de transporte. Cada solicitud genera un archivo de audio listo para reproducirse, aunque puede haber latencia si hay cola de procesamiento.

Al eliminar la necesidad de grabaciones preproducidas para cada ruta o cambio de horario, los equipos de operaciones pueden actualizar los anuncios en tiempo real con solo enviar el texto actualizado a la API.

Avisos de paradas de autobús

Los sistemas pueden anunciar paradas específicas con voz clara en cualquier idioma, incluyendo español, inglés o alemán. La velocidad de lectura ajustable (0.25–4.0) permite adaptar el aviso al ruido ambiental de la calle.

Cada solicitud maneja hasta 4096 caracteres, suficiente para anuncios completos con información de destino y tiempo estimado.

  • Actualización dinámica de destinos sin regrabar
  • Soporte multilingüe instantáneo
  • Velocidad ajustable según entorno

Instrucciones de seguridad en trenes

Las instrucciones de seguridad o emergencias se generan con voces como 'sage' (calma, instructivo) u 'atlas' (neutral, noticias). La consistencia vocal asegura que los pasajeros reconozcan inmediatamente el tipo de aviso.

El texto se envía como JSON estándar, permitiendo automatizar la reproducción según sensores o eventos en la estación.

  • Voces neutras para avisos críticos
  • Integración vía HTTP POST
  • Formatos WAV para alta claridad

Anuncios en terminales de carga

En terminales de carga, los anuncios de llegada de camiones o instrucciones de seguridad se generan al instante. La API no almacena el audio, lo que facilita la privacidad de las operaciones logísticas.

El coste por carácter permite predecir el gasto mensual según el volumen de notificaciones, sin costos fijos.

  • Generación bajo demanda
  • Sin almacenamiento de audio
  • Coste variable por uso

Ventajas para equipos grandes

Ilustración de onda de sonido para: Ventajas para equipos grandes

La API de ClaroHabla está diseñada para operar sin compromisos financieros periódicos. No existen costos fijos mensuales ni planes de suscripción obligatorios; usted solo paga por los caracteres que realmente se convierten en audio. Esto elimina el gasto innecesario de licencias ociosas en sistemas de avisos que no están en uso constante.

La escalabilidad se adapta a su volumen de avisos sin límites preestablecidos. Si su flota de autobuses o trenes requiere anunciar más paradas en horas pico, la API procesa las solicitudes adicionales de forma proporcional al uso. No hay barreras de capacidad ni necesidad de negociar contratos para aumentar el volumen.

Sin costos fijos mensuales

Al no haber suscripciones mínimas, su gasto es estrictamente variable. Si un día no hay anuncios, no se cobra nada. Esto es ideal para equipos grandes que necesitan flexibilidad en sus presupuestos de operación tecnológica.

Escalabilidad según demanda

La infraestructura cloud absorbe los picos de tráfico, aunque las solicitudes se procesan secuencialmente y pueden esperar en una cola bajo carga. Usted no necesita gestionar servidores adicionales ni contratar ancho de banda extra. El sistema escala automáticamente para mantener la claridad del audio bajo carga.

Gestión centralizada de claves

Cada cuenta mantiene una única clave API activa que se distribuye a todos los dispositivos de los equipos. Si es necesario, puede emitir una nueva clave inmediatamente, invalidando la anterior al instante. Esto simplifica la seguridad y el acceso técnico sin complicaciones de múltiples usuarios.

Privacidad de datos

Ilustración de onda de sonido para: Privacidad de datos

En ClaroHabla, el texto que envías se procesa exclusivamente para generar el archivo de audio. No utilizamos tus inputs para entrenar nuestros modelos ni para mejorar nuestros algoritmos de síntesis, garantizando que tu contenido sea efímero y específico para tu necesidad inmediata.

Una vez entregado el audio en la respuesta, no lo almacenamos en nuestros servidores. Solo conservamos los metadatos de la solicitud (tiempo, caracteres, estado) durante el periodo necesario para la facturación y el registro de uso, asegurando transparencia sin retención de datos sensibles.

Texto usado solo para generar audio

El cuerpo de tu solicitud viaja a nuestros servidores y se convierte en audio. Este proceso es inmediato y aislado. No hay segunda vida para el texto enviado una vez completada la síntesis.

No se almacena el audio generado

El archivo de audio (mp3, wav, opus, flac o pcm) se devuelve en la respuesta HTTP y no se guarda en nuestro almacenamiento persistente. Esto reduce la exposición de tus avisos o instrucciones específicas.

Metadatos de uso para facturación

Guardamos únicamente la fecha, la cantidad de caracteres procesados y el estado de la solicitud (éxito o fallo). Esta información es estrictamente necesaria para calcular tu saldo y garantizar que no se te cobre por síntesis fallidas.

Soporte y resolución de problemas

Ilustración de onda de sonido para: Soporte y resolución de problemas

Nuestro enfoque es directo: documentación clara y soporte humano. No prometemos líneas de teléfono ni chat en vivo; toda la asistencia se gestiona por correo electrónico.

Esta sección complementa la integración técnica y los límites de uso, enfocándose en cómo resolver incidencias cuando el sistema no responde como se espera.

Documentación técnica detallada

Cada endpoint y parámetro está descrito con precisión. Puedes consultar los formatos de salida, los códigos de error estándar y ejemplos de código en nuestra página de documentación.

La documentación incluye especificaciones exactas sobre los límites de caracteres y las velocidades de generación, facilitando la planificación de tus sistemas de transporte.

  • Esquemas de solicitud JSON claros.
  • Guías de integración con SDKs compatibles.

Soporte por correo electrónico

No hay números de teléfono ni salas de chat en vivo. Si tienes una duda sobre tu cuenta o una transacción, escríbenos.

Un miembro de nuestro equipo revisará tu caso y te responderá por correo electrónico con la solución más rápida posible.

Manejo de errores comunes

Si la síntesis falla, el cargo se devuelve íntegramente. Verifica que tu clave API sea válida y que el texto no supere los 4096 caracteres.

Si la cola está saturada, la generación puede tardar más de lo habitual. Revisa el estado de tu solicitud en el panel de facturación.

Asegúrate de que el idioma esté explícitamente configurado si usas texto en latinoamericano que no sea inglés, para evitar detecciones incorrectas.

  • Código 401: Clave inválida o expirada.
  • Código 429: Límite de 60 solicitudes por minuto excedido.
  • Código 413: Texto superior a 4096 caracteres.

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-node on GitHub
  3. FFmpeg documentation
  4. IETF RFC 7845: Ogg Opus
  5. Creative Commons Attribution 4.0
  6. MDN: Web Speech API
  7. Python documentation
  8. openai-python on GitHub
  9. LibriVox public-domain audiobooks
  10. LibriTTS-R paper (arXiv 2305.18802)
  11. Node.js documentation
  12. OpenAI API reference: create speech

Más en este sitio