Guía completa para integrar la API de texto a voz

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

Esta guía técnica detalla la integración paso a paso de la API de texto a voz de VozLumina, diseñada específicamente para ingenieros de ML y desarrolladores indie que necesitan generar grandes volúmenes de audio sintético para conjuntos de datos. Aprenderás a configurar el entorno, gestionar claves API y ejecutar solicitudes mediante cURL o el SDK de OpenAI con una estructura predecible y programática.

Cubrimos desde la optimización de lotes y el manejo de límites de velocidad hasta el cálculo preciso de costes y la gestión de licencias CC BY 4.0. El contenido se centra en flujos de trabajo reales, ejemplos de código concretos y mejores prácticas para escalado, sin abstracciones innecesarias, permitiéndote integrar la síntesis de voz de manera eficiente en tus pipelines de entrenamiento de modelos.

Guía completa para integrar la API de texto a voz

Preguntas frecuentes

¿Qué lenguaje de programación es mejor?

No hay uno mejor; cualquier lenguaje que pueda enviar peticiones HTTP POST funciona. La API sigue el formato de solicitud de OpenAI, por lo que puedes usar Python, Go, Rust o cualquier otro que soporte JSON y autenticación Bearer sin dependencias específicas de nuestra marca.

¿Cómo manejo errores de red?

Implementa reintentos exponenciales para errores temporales (5xx). Si la síntesis falla, la carga se devuelve íntegramente. Para errores de red, verifica la conectividad y reintenta. Los errores de límite de tasa (429) indican que debes reducir la frecuencia de tus peticiones o esperar.

¿Se puede usar en JavaScript?

Sí. Puedes usar la API directamente con fetch o Axios. También es compatible con los SDKs oficiales de OpenAI modificando la propiedad base_url a https://api.vs777.info/v1 y proporcionando tu clave API en el encabezado de autorización, tal como lo harías con cualquier servicio REST.

¿Cuántas voces puedo rotar?

Puedes rotar entre las 8 voces preestablecidas disponibles: aria, nova, luna, sage, felix, milo, atlas y orion. Puedes especificar cualquier voz en cada solicitud individual mediante el campo voice, permitiendo variación dinámica en la generación de audio para tus conjuntos de datos de ML.

¿Qué es el SDK de OpenAI?

Es una biblioteca oficial que facilita las llamadas a la API. Puedes reutilizarlo para VozLumina cambiando la base_url a https://api.vs777.info/v1. No ofrecemos un SDK propietario propio; la compatibilidad se logra mediante la similitud en la forma del cuerpo de la solicitud y los endpoints.

¿Cómo divido textos largos?

Debes dividir el texto en fragmentos de hasta 4096 caracteres por solicitud. Genera el audio para cada fragmento individualmente y luego une los archivos de audio resultantes en tu aplicación cliente. Esto evita límites de tamaño y permite un control granular sobre la síntesis.

¿Es necesario cachear el audio?

Es recomendable si generas el mismo texto repetidamente, ya que la síntesis tarda aproximadamente el tiempo real de habla. El audio generado no se almacena en nuestros servidores tras la respuesta, por lo que el almacenamiento local o en tu infraestructura es responsabilidad tuya para optimizar costos.

¿Cómo se gestiona la tasa de peticiones?

El límite es de 60 solicitudes por minuto por clave (10 antes del primer recargo). Procesa las solicitudes secuencialmente o gestiona colas para no exceder el límite. Si superas la tasa, recibirás errores HTTP que indicarás la necesidad de reducir la velocidad de tus peticiones entrantes.

¿Qué formato es más eficiente?

MP3 es eficiente para almacenamiento y transmisión general. FLAC ofrece compresión sin pérdida. OPUS es un formato eficiente. PCM es sin comprimir. La elección depende de tu pipeline de ML; MP3 suele ser una opción equilibrada entre tamaño de archivo y calidad para entrenamiento.

¿Se puede paralelizar las peticiones?

Sí, puedes enviar múltiples solicitudes simultáneas si tienes capacidad de servidor. Sin embargo, el procesamiento es secuencial bajo carga, por lo que las peticiones pueden esperar en una cola. Monitorea los tiempos de respuesta y ajusta la concurrencia para evitar saturación o tiempos de espera excesivos.

¿Cómo auditar los costes?

Consulta la página de tu cuenta para ver el saldo, los caracteres restantes y el historial de uso. Cada solicitud cuenta caracteres (incluyendo espacios). Los fallos son gratuitos. Registra tus propias solicitudes para correlacionarlas con el consumo reportado en tu panel de control de la API.

¿Qué hacer si falla la solicitud?

Si la síntesis falla, la carga se devuelve íntegramente. Verifica que el texto esté dentro del límite de 4096 caracteres y que la voz sea válida. Si el error es de red, reintenta. Si persiste, contacta a soporte por correo electrónico indicando el ID de la solicitud si está disponible.

¿Hay límite de almacenamiento?

No almacenamos el audio generado tras enviártelo. Tú eres responsable de guardar los archivos en tu infraestructura. No hay límite de almacenamiento por parte de la API, pero debes gestionar tu propio almacenamiento para los archivos de audio que generas según tus necesidades de proyecto.

¿Cómo contacto con soporte?

El soporte es únicamente por correo electrónico. No ofrecemos chat en vivo ni teléfono. Envía tus consultas técnicas o de facturación a la dirección de soporte indicada en la página de contacto. Las respuestas se proporcionan según la disponibilidad del equipo de soporte técnico.

Paso 1: Configuración inicial

Ilustración de onda de sonido para: Paso 1: Configuración inicial

Para comenzar a generar audio sintético, accede a la página de registro en vs777.info/get-api-key/. Puedes autenticarte con tu cuenta de Google o crear un usuario con correo y contraseña. La plataforma te asigna inmediatamente una clave API única (formato tts-...) que actúa como tu identificador principal para todas las solicitudes.

El registro con Google incluye automáticamente un crédito de prueba de $0.50 válido durante 7 días, equivalente a aproximadamente 50.000 caracteres. Si eliges el registro por email, el saldo inicial será cero hasta que realices una recarga. Esta clave es el único requisito de autenticación para acceder a los endpoints de la API.

Registro y obtención de clave

Accede a /get-api-key/ para crear tu cuenta. El sistema genera una clave Bearer activa al instante. Puedes revocar la clave actual y emitir una nueva en cualquier momento desde el mismo panel; la anterior dejará de funcionar inmediatamente.

Asegúrate de almacenar esta clave de forma segura, ya que es el único mecanismo de autenticación soportado mediante el encabezado Authorization: Bearer.

Configuración de entorno

Define la URL base de la API como https://api.vs777.info/v1. Esto asegura que todas las solicitudes HTTP se dirijan al endpoint correcto de síntesis.

Configura tu entorno de desarrollo para manejar respuestas JSON y archivos binarios. No se requiere instalación de SDKs propietarios; puedes usar librerías HTTP estándar o el SDK de OpenAI con la URL base modificada.

  • URL base: https://api.vs777.info/v1
  • Formato de auth: Bearer <tu_clave>
  • Sin SDKs nativos requeridos

Variables de entorno

Almacena tu clave API en variables de entorno para evitar su exposición en el código fuente. Utiliza nombres descriptivos como VOOLUMINA_API_KEY.

Si utilizas SDKs, configura la variable de entorno para la URL base. Esto facilita el cambio entre entornos de prueba y producción sin modificar el código de la aplicación.

Verifica que tu entorno de ejecución soporte la recepción de archivos binarios (mp3, wav, etc.) para procesar la respuesta de la API correctamente.

  • VOOLUMINA_API_KEY: tu_clave_secreta
  • VOOLUMINA_BASE_URL: https://api.vs777.info/v1

Paso 2: Primera solicitud con cURL

Ilustración de onda de sonido para: Paso 2: Primera solicitud con cURL

Para probar la API sin dependencias externas, utiliza una solicitud cURL directa al endpoint de síntesis. El comando envía el texto y las preferencias de audio en el cuerpo JSON, autenticándose con la clave Bearer obtenida en el registro.

Estructura del comando

La estructura sigue el estándar de OpenAI. Envía un POST a https://api.vs777.info/v1/audio/speech con el encabezado Authorization: Bearer tts-tu_clave y el cuerpo JSON requerido. Este enfoque permite validar la conectividad y la autenticación antes de integrar SDKs más complejos.

  • Endpoint: POST /v1/audio/speech
  • Header: Authorization: Bearer <clave>
  • Body: JSON con model, input, voice

Parámetros básicos

Necesitas definir al menos tres campos: model ("tts-1" o "tts-1-hd"), input (texto de hasta 4096 caracteres) y voice (uno de los 8 presets como "aria" o "nova"). El campo response_format es opcional por defecto a mp3.

Verificación de respuesta

Una respuesta 200 incluye el archivo de audio binario en el cuerpo. Si hay un error (4xx o 5xx), la API devuelve un JSON descriptivo sin cargo. Verifica que el archivo descargado sea reproducible y tenga la duración esperada según la longitud del texto.

Paso 3: Integración con OpenAI SDK

Ilustración de onda de sonido para: Paso 3: Integración con OpenAI SDK

La API de VozLumina mantiene la misma estructura de petición que el endpoint de speech de OpenAI, lo que permite reutilizar los SDKs oficiales sin cambios en la lógica de negocio. Solo es necesario ajustar la URL base para apuntar a nuestro servicio.

Este enfoque reduce la fricción de integración para ingenieros de ML que ya tienen pipelines configurados para la sintaxis de OpenAI, permitiendo generar audio sintético de manera programática con mínima modificación de código.

Modificación de base_url

Para conectar el SDK, modifica la variable base_url para que apunte a https://api.vs777.info/v1. Mantén la clave de API (tts-...) en la cabecera Authorization: Bearer. Esto asegura que las solicitudes sigan el formato JSON estándar esperado por la biblioteca.

No necesitas cambiar la estructura del cuerpo de la solicitud; los campos model, input, voice y response_format se interpretan correctamente.

  • base_url = 'https://api.vs777.info/v1'
  • Usa el mismo cliente HTTP del SDK de OpenAI.
  • No se requieren librerías adicionales.

Código de ejemplo Python

El siguiente ejemplo muestra cómo inicializar el cliente y solicitar la síntesis de voz. El audio se devuelve como un archivo binario que puedes guardar directamente.

Asegúrate de que la versión de tu SDK sea compatible con la sintaxis de SpeechResponse. La respuesta contiene el flujo de audio listo para ser procesado o almacenado.

El código es mínimo y está diseñado para integrarse rápidamente en scripts de generación de datasets.

  • from openai import OpenAI
  • client = OpenAI(base_url='https://api.vs777.info/v1', api_key=os.environ['VOZLUMINA_KEY'])
  • response = client.audio.speech.create(model='tts-1', input='Hola mundo', voice='nova', response_format='mp3')
  • with open('output.mp3', 'wb') as f:
  • f.write(response.content)

Manejo de errores

El SDK lanzará excepciones estándar de OpenAI para errores HTTP (4xx, 5xx). Captura OpenAIError o APIError para manejar casos como claves inválidas o límites de tasa excedidos.

Si la solicitud falla, no se cobra el crédito. Registra el código de estado y el mensaje de error para depurar problemas de conexión o autenticación.

Para errores temporales, implementa un reintento con backoff exponencial, ya que la cola de procesamiento puede estar saturada bajo carga.

Paso 4: Gestión de voces e idiomas

Ilustración de onda de sonido para: Paso 4: Gestión de voces e idiomas

La API expone GET /v1/voices para listar las 8 voces disponibles, sus idiomas y formatos soportados. Cada voz tiene un ID único que debes usar en el campo voice de la solicitud POST.

Listado de voces con GET

Consulta el endpoint para obtener la lista actualizada de voces y sus metadatos. Esto te permite verificar la disponibilidad de formatos como mp3, wav, opus, flac y pcm antes de generar audio.

Selección por ID

Selecciona una de las ocho voces predefinidas (aria, nova, luna, sage, felix, milo, atlas, orion) usando su ID en la carga útil JSON. La elección afecta el tono pero no el idioma base.

Forzado de idioma

Si el texto está en latín pero no es inglés, establece el campo language con el código ISO correspondiente. Sin esto, el sistema adivinará el idioma, lo que puede fallar para textos multilingües.

  • Idiomas soportados: 23 idiomas listados en la API.
  • El campo language es opcional pero recomendado para precisión.

Paso 5: Optimización de lotes

Ilustración de onda de sonido para: Paso 5: Optimización de lotes

Optimizar la generación de audio para conjuntos de datos implica gestionar la longitud del texto y la velocidad de síntesis. La API limita cada solicitud a 4096 caracteres; textos mayores deben dividirse y concatenarse posteriormente.

El control de velocidad (0.25–4.0) permite ajustar la duración del audio sin alterar la voz. Combinar esto con formatos de compresión adecuada reduce drásticamente el almacenamiento final.

División de texto largo

Cada solicitud POST acepta un máximo de 4096 caracteres en el campo input. Si tu texto excede este límite, debes dividirlo manualmente en fragmentos y enviar varias solicitudes.

Una vez recibidas las respuestas, debes concatenar los archivos de audio resultantes en el orden original para reconstruir el audio completo. Esto asegura que la síntesis no corte palabras o frases a mitad de un lote.

  • Límite estricto de 4096 caracteres por request
  • Concatenar archivos en el orden de división
  • Contar espacios y puntuación como caracteres

Control de velocidad

El parámetro speed acepta valores entre 0.25 y 4.0. Aumentar la velocidad reduce el tiempo de generación y la longitud final del archivo, mientras que disminuirla lo expande.

Para conjuntos de datos de ML, mantener la velocidad por defecto (1.0) suele ser lo más seguro, pero ajustes moderados pueden optimizar el tamaño sin perder inteligibilidad.

  • Rango válido: 0.25 a 4.0
  • Afecta directamente la duración del audio
  • Velocidad por defecto: 1.0

Formatos eficientes

Selecciona mp3 o opus para obtener la mejor relación calidad-tamaño. Estos formatos comprimidos reducen significativamente el espacio de almacenamiento comparado con wav o flac.

Usa pcm solo si necesitas audio sin compresión para procesamiento inmediato, aunque ocupará mucho más espacio. Para almacenamiento a largo plazo, mp3 o opus son más eficientes.

  • mp3: equilibrio calidad/tamaño
  • opus: alta compresión, buena calidad
  • wav/flac: sin compresión, mayor tamaño

Paso 6: Manejo de límites

Ilustración de onda de sonido para: Paso 6: Manejo de límites

La API impone un límite de 60 solicitudes por minuto por clave activa. Antes del primer recargo, este umbral se reduce a 10 req/min, lo que puede afectar el flujo inicial de generación masiva.

Respetar estos límites evita rechazos silenciosos o errores 429. Implementa una lógica de reintento que respete la cabecera Retry-After si está presente, ajustando la velocidad de producción según la capacidad actual de la cola de procesamiento.

Rate limiting (60 req/min)

El límite es estricto por clave API. Al superar las 60 solicitudes en un minuto, las peticiones adicionales recibirán un error. Para flujos de alta densidad, considera escalar el uso mediante la generación de múltiples claves y distribuirlas.

  • Límite estándar: 60 req/min por clave.
  • Límite inicial (antes de primer pago): 10 req/min.
  • Los errores de límite son facturables solo si la síntesis comenzó; si se rechaza inmediatamente, no se cobra.

Backoff exponencial

Al recibir un error por límite (429), aplica un backoff exponencial entre reintentos. Esto permite que la cola de procesamiento se desborde gradualmente sin saturar el endpoint. Un inicio de 1 segundo con multiplicador de 2 es suficiente para la mayoría de casos.

Este enfoque minimiza la carga innecesaria en la API mientras esperas que se liberen cuotas. No hagas reintentos inmediatos sin espera, ya que la cola interna aún puede estar procesando la solicitud anterior.

Monitorización de cola

Las solicitudes se procesan en orden. En momentos de alta carga, el tiempo de respuesta puede aumentar significativamente más allá del tiempo normal de síntesis. Monitoriza el tiempo de latencia para ajustar tu tasa de envío.

Si el tiempo de respuesta se duplica o triplica, reduce la frecuencia de tus peticiones. Esto asegura que no acumules errores por timeout y mantienes un flujo constante de archivos de audio generados.

  • Procesamiento secuencial: las peticiones se encolan.
  • Latencia variable bajo carga alta.
  • Reduce la tasa de envío si detectas aumentos de latencia.

Paso 7: Costes y facturación

Ilustración de onda de sonido para: Paso 7: Costes y facturación

La facturación se basa estrictamente en el procesamiento de caracteres. El coste es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Tanto los espacios como la puntuación se cuentan como caracteres válidos. Las solicitudes fallidas se procesan sin cargo alguno; si la síntesis falla, el importe se devuelve íntegramente.

El único método de recarga disponible es mediante la criptomoneda USDT en la red TRON (TRC-20). No se aceptan tarjetas, PayPal ni suscripciones. El importe mínimo de recarga es de $5 y el saldo se acredita automáticamente en cuestión de minutos tras la confirmación de la transferencia en la blockchain.

Cálculo de caracteres

Para estimar costes con precisión, cuenta todos los caracteres del campo input, incluyendo espacios y signos de puntuación. El límite por solicitud es de 4.096 caracteres; textos más largos deben dividirse en lotes.

Si una solicitud devuelve un error (por ejemplo, límite de velocidad o formato incorrecto), no se genera cargo alguno. Esto permite probar la integración sin riesgo financiero hasta que la lógica de división de texto esté estabilizada.

  • Coste: $0.01 por cada 1.000 caracteres procesados con éxito.
  • Los fallos de síntesis devuelven el saldo íntegramente.
  • Los espacios y la puntuación cuentan como caracteres.

Recarga en USDT

Las recargas se realizan exclusivamente mediante transferencias USDT (TRC-20) a la dirección mostrada en tu panel. No existe facturación con IVA ni facturas tradicionales.

El saldo no tiene fecha de caducidad. Una vez acreditada la transacción en la red TRON, los fondos están disponibles inmediatamente para realizar nuevas síntesis.

El monto mínimo permitido para una recarga es de $5 USD equivalentes.

  • Red: TRON (TRC-20).
  • Moneda: USDT.
  • Mínimo: $5 USD.
  • Tiempo de crédito: automático en minutos.

Monitoreo de saldo

Accede a la sección de tu cuenta para ver el saldo actual, el crédito de prueba restante (si aplica) y el historial de uso.

Los metadatos de las solicitudes (tiempo, caracteres, estado) se conservan únicamente para la facturación precisa y la auditoría de costes.

Paso 7: Costes y facturación

Paso 8: Depuración común

Ilustración de onda de sonido para: Paso 8: Depuración común

La depuración sistemática es clave para mantener la estabilidad del pipeline de síntesis. Los errores más frecuentes suelen derivarse de credenciales caducadas, parámetros mal formateados o tiempos de espera excedidos durante la cola de procesamiento.

Errores de autenticación

Si recibes un 401, verifica que tu clave tts-... esté activa y correcta. La emisión de una nueva clave invalida inmediatamente a la anterior; asegúrate de haber actualizado tu entorno antes de que expire la sesión anterior.

Formatos inválidos

El cuerpo JSON debe contener input, voice y model. Si el texto excede los 4096 caracteres, la API rechaza la solicitud. Asegúrate de que response_format sea mp3, wav, opus, flac o pcm, y que speed esté entre 0.25 y 4.0.

Timeouts

Las solicitudes se procesan en cola. Si el texto es extenso, el tiempo de generación puede exceder el límite de tu cliente HTTP. Implementa reintentos con backoff exponencial y monitoriza el estado de la cola para evitar interrupciones en producción.

Paso 9: Producción y escalado

Ilustración de onda de sonido para: Paso 9: Producción y escalado

En producción, el límite de 60 solicitudes por minuto por clave puede ser insuficiente para generar grandes volúmenes de audio. La estrategia recomendada es emitir múltiples claves simultáneamente para distribuir la carga de trabajo sin superar los límites individuales.

Multiplicidad de claves

Gestiona varias claves activas para paralelizar las peticiones. Cada clave cuenta con su propio límite de 60 req/min, lo que permite escalar el throughput añadiendo más credenciales a tu pool de solicitudes.

Balanceo de carga

Distribuye las solicitudes entre las claves disponibles usando un round-robin o un balanceador de carga ligero. Esto evita cuellos de botella en la cola de procesamiento y mantiene una tasa de generación constante, crucial para conjuntos de datos masivos.

Almacenamiento de audio

La API no almacena los audios generados; solo devuelve el archivo en la respuesta. Diseña tu pipeline para guardar inmediatamente los archivos en un sistema de objetos (S3, GCS) o disco local, verificando el código de estado 200 antes de la persistencia.

Paso 10: Mejores prácticas

Ilustración de onda de sonido para: Paso 10: Mejores prácticas

Optimiza el flujo de trabajo garantizando que cada solicitud sea eficiente y rastreable desde el primer momento de la integración.

Aplica estas tres prácticas para reducir latencia, minimizar errores y facilitar el diagnóstico en entornos de producción.

Uso de formatos ligeros

Selecciona mp3 o opus para balancear calidad y tamaño de carga útil. Evita wav o flac en producción masiva, ya que multiplican el ancho de banda sin mejorar la intelligibilidad para modelos de ML.

El formato pcm es útil solo si necesitas audio crudo sin overhead de codec, pero consume significativamente más almacenamiento temporal.

  • Preferir mp3 para compatibilidad universal.
  • Usar opus para menor tamaño de archivo.
  • Evitar wav/flac en generación de datasets a gran escala.

Validación de entrada

Verifica que el texto no exceda los 4096 caracteres antes de enviar la solicitud. La API no truncará automáticamente el input; un excedente resultará en un error o comportamiento indefinido.

Normaliza la codificación (UTF-8) y elimina caracteres de control no imprimibles que puedan corromper la síntesis o los logs de billing.

  • Limitar input a 4096 caracteres.
  • Verificar codificación UTF-8.
  • Validar longitud antes del POST.

Logs detallados

Registra el número de caracteres enviados y el formato solicitado para correlacionar costos con volúmenes de datos. Esto facilita auditorías precisas de facturación.

Almacena los IDs de solicitud y tiempos de respuesta para identificar cuellos de botella en la cola de procesamiento, especialmente bajo carga alta.

  • Loggear caracteres enviados vs. cargo.
  • Registrar tiempos de respuesta (latencia).
  • Guardar IDs de solicitud para trazabilidad.

Paso 11: Licencias de contenido

Ilustración de onda de sonido para: Paso 11: Licencias de contenido

Las voces provienen de grabaciones con licencia CC BY 4.0 (LibriTTS-R/LibriVox). Puedes usar el audio generado comercialmente sin restricciones adicionales, ya que la licencia recae sobre la grabación base, no sobre tu texto.

La atribución debe dirigirse a la fuente original de los datos de voz, no a VozLumina. No es obligatorio mencionar el modelo o la API en cada archivo, pero sí indicar el origen de la síntesis si se distribuye el contenido.

CC BY 4.0 explicado

La licencia Creative Commons BY 4.0 permite adaptar y crear obras derivadas sin restricciones de formato, siempre que se mantenga la atribución adecuada a los creadores originales de los datos de voz.

VozLumina opera bajo esta licencia para las voces base. Esto garantiza que el audio generado es libre de restricciones de uso posterior más allá de la atribución estándar.

  • Permite uso comercial e industrial.
  • Permite modificación y adaptación.
  • Requiere atribución a los creadores originales de los datos de voz.

Atribución requerida

Debes indicar claramente la fuente original de los datos de entrenamiento o grabación base. No es necesario atribuir específicamente a VozLumina, sino a la fuente de las voces licenciadas.

En contextos técnicos o datasets, una nota como 'Voz sintetizada a partir de datos licenciados CC BY 4.0' es suficiente.

Uso comercial

El audio generado puede integrarse en productos comerciales, datasets vendidos o aplicaciones monetizadas sin pagos adicionales por licencia.

La única condición es respetar la atribución a la fuente de las voces base. No hay restricciones de tipo de medio o distribución.

  • Audios para productos vendidos.
  • Inclusión en datasets comerciales.
  • Sin limitaciones de formato.

Paso 12: Recursos adicionales

Ilustración de onda de sonido para: Paso 12: Recursos adicionales

Accede a la referencia técnica completa en /docs/, donde se detalla el esquema de peticiones, los códigos de estado HTTP y los parámetros opcionales para cada endpoint. Esta documentación sirve como fuente única para validar la integración programática.

Utiliza los ejemplos de código en Python y cURL proporcionados para replicar rápidamente la lógica de división de texto largo y manejo de errores. Estos recursos están diseñados para minimizar el tiempo de integración en tus pipelines de datos.

Documentación completa

La página /docs/ contiene la especificación completa del API, incluyendo la estructura JSON de entrada y salida para los modelos tts-1 y tts-1-hd. Aquí puedes verificar los formatos soportados (mp3, wav, opus, flac, pcm) y los rangos válidos para la velocidad.

Se incluye una guía paso a paso para la autenticación con la clave Bearer y la gestión de errores comunes. Esta sección es esencial para asegurar que tus scripts manejen correctamente los límites de tasa y los fallos de síntesis.

Ejemplos de código

Descarga snippets listos para usar que demuestran cómo modificar la base_url de la SDK de OpenAI hacia https://api.vs777.info/v1. Estos ejemplos cubren casos básicos y el envío de lotes mediante división de texto.

Los scripts incluyen lógica para leer el audio generado y guardarlo en disco, facilitando la creación de conjuntos de datos sintéticos para entrenamiento de modelos ML sin necesidad de escribir lógica de descarga desde cero.

Soporte por email

Para incidencias técnicas o dudas sobre facturación, el contacto es exclusivamente por correo electrónico. No ofrecemos chat en vivo ni soporte telefónico.

Envía tu consulta con los detalles de tu clave API y los logs de error para una resolución más rápida. Los tiempos de respuesta dependen de la carga actual del equipo de soporte.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Puedes revocar la clave actual y emitir una nueva en cualquier momento desde el mismo panel; la anterior dejará de funcionar inmediatamente.

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. curl documentation
  3. Node.js documentation
  4. Python documentation
  5. IETF RFC 7845: Ogg Opus
  6. openai-node on GitHub
  7. MDN: Web Speech API
  8. LibriVox public-domain audiobooks
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. OpenAI API reference: create speech
  11. FFmpeg documentation
  12. LibriTTS-R corpus (OpenSLR 141)

Más en este sitio