Integra voz sintética natural en tus chatbots y asistentes

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

Si desarrollas asistentes de voz o chatbots, esta API simplifica la integración de audio natural en tus aplicaciones con una sola llamada HTTP. El endpoint sigue el formato de la API de OpenAI, por lo que puedes usar los SDKs oficiales modificando la URL base y autenticándote con tu clave de SonidoNet.

Recibe archivos de audio en formatos como MP3, WAV, Opus, FLAC o PCM con soporte para 23 idiomas y 8 voces predefinidas. Ideal para indie developers que buscan una solución directa, sin suscripciones ni complicaciones, para dar voz a sus proyectos con un control preciso de velocidad y formato.

Integra voz sintética natural en tus chatbots y asistentes

Preguntas frecuentes

¿Qué es una voz robot en una API de texto a voz?

Es una síntesis de voz generada por software que puede sonar artificial si no se ajustan parámetros como la velocidad o la voz. Nuestra API utiliza voces basadas en grabaciones licenciadas. Además, cada archivo generado incluye una marca de agua inaudible que identifica claramente el audio como voz sintética.

¿Puedo usar la API para mi asistente de voz?

Sí, es ideal para asistentes de voz. Envías texto y recibes un archivo de audio mediante una llamada HTTP POST. Soporta formatos como mp3, wav, opus, flac y pcm. Puedes ajustar la velocidad entre 0.25 y 4.0 para adaptar la voz a la interacción del usuario, facilitando la integración en aplicaciones conversacionales.

¿Cómo funciona la integración con chatbots?

La integración es sencilla: envías el texto del chatbot en un cuerpo JSON a nuestro endpoint y recibes el audio. Las SDKs oficiales de OpenAI funcionan cambiando la base_url. Solo necesitas autenticarte con tu clave Bearer. Es un flujo directo sin necesidad de SDKs propietarios ni de streaming.

¿Qué voces están disponibles para tonos conversacionales?

Ofrecemos ocho voces preestablecidas. Para tonos conversacionales, destaca Milo (amigable) o Nova (alegre). También tienes Aria (narradora clara), Luna (historias), Felix (energético), Sage (instruccional), Atlas (neutral) y Orion (documental). Todas pueden hablar los 23 idiomas soportados, permitiendo elegir el tono exacto para tu asistente o chatbot.

¿Es necesario configurar el idioma manualmente?

No siempre. Si no se especifica, el sistema adivina el idioma según el guion; el texto en latino por defecto es inglés. Sin embargo, para texto en latino que no sea inglés, debes establecer el campo language con el código ISO. Esto asegura que la voz pronuncie correctamente textos multilingües.

¿Qué formato de audio es mejor para web?

El formato mp3 es ampliamente compatible con la mayoría de los navegadores y reproductores web, lo que lo hace una opción segura. También puedes usar opus para eficiencia o wav para alta calidad. Elige según las necesidades de tu aplicación web, asegurando que el cliente final pueda reproducir el audio sin problemas.

¿Cuánto cuesta la prueba gratuita?

La prueba gratuita ofrece $0.50 de crédito, equivalente a unos 50 000 caracteres. Es válida durante 7 días y se otorga al iniciar sesión con Google. Las cuentas creadas con correo y contraseña comienzan sin este crédito. El costo general es de $10 por millón de caracteres.

¿Cuántas solicitudes puedo hacer por minuto?

El límite es de 60 solicitudes por minuto por clave. Antes de la primera recarga, el límite es de 10 solicitudes por minuto. Si hay mucha carga, las solicitudes pueden esperar en cola. Esto garantiza que el servicio sea estable, aunque el procesamiento es secuencial y puede tardar unos segundos en frases cortas.

¿Se puede ajustar la velocidad de la voz?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0. Esto permite acelerar o ralentizar la voz sintética según el contexto de tu aplicación. Es útil para asistentes de voz que necesitan hablar rápido o para hacer el audio más pausado y comprensible. El ajuste se aplica directamente en la solicitud API.

¿Qué idiomas soporta la API?

Soporta 23 idiomas: árabe, chino, danés, neerlandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco y turco. Cualquier voz puede hablar cualquiera de estos idiomas. No se apoyan idiomas como vietnamita, tailandés o ucraniano.

¿Se almacena el texto que envío?

El texto de entrada se usa solo para producir el audio y no se utiliza para entrenamiento. El audio generado se devuelve en la respuesta y no se almacena. Solo se conservan los metadatos de la solicitud (hora, caracteres, estado) para fines de facturación y control de uso de la API.

¿Qué pasa si la solicitud falla?

Si la síntesis falla, la carga se devuelve completamente. No se te cobra por las solicitudes fallidas. Esto garantiza que solo pagues por el audio generado con éxito.

¿Necesito una clave API para probar?

Sí, necesitas una clave API para autenticar tus solicitudes. Se obtiene al registrarse en el sitio. La clave se usa en el encabezado Authorization: Bearer. Puedes emitir una nueva clave en cualquier momento, lo que invalida la anterior inmediatamente. Es necesario para acceder a los endpoints de la API.

¿Cómo se procesan los textos largos?

Los textos largos se dividen en partes de hasta 4096 caracteres. Cada parte se sintetiza por separado y luego se unen los archivos de audio resultantes. Esto permite manejar textos extensos sin límites estrictos en una sola solicitud. El proceso es automático, asegurando que recibas un audio continuo y coherente.

Primera solicitud

curl

curl https://api.pak500.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Voz sintética para chatbots

Ilustración de onda de sonido para: Voz sintética para chatbots

Convierte texto en audio natural para tus asistentes de voz con una única llamada HTTP. Nuestra API REST acepta texto y devuelve archivos de audio listos para reproducirse, simplificando la integración técnica para que puedas enfocarte en la lógica de tu aplicación sin complicaciones de infraestructura.

El flujo es directo: envías el texto y recibes el audio. No necesitas gestionar servidores de streaming ni protocolos complejos. Cada solicitud genera un archivo de audio independiente que puedes almacenar o reproducir inmediatamente, manteniendo tu arquitectura ligera y escalable.

Integración con API REST

Integración con API REST

Envía texto y recibe audio en formato JSON. Solo necesitas hacer una petición POST a nuestro endpoint, especificando el modelo y la voz deseada. Es el método más directo para añadir capacidades de voz a cualquier backend o servicio web.

  • Endpoint estándar POST /v1/audio/speech
  • Formato de cuerpo JSON simple y claro
  • Compatible con cualquier lenguaje que soporte HTTP

SDK compatible con OpenAI

Si ya usas el SDK de OpenAI, solo cambia la URL base a https://api.pak500.info/v1 y tu código funcionará inmediatamente. Aprovecha la familiaridad de las herramientas existentes sin aprender una nueva librería desde cero, reduciendo el tiempo de desarrollo.

  • Reutiliza código existente de OpenAI
  • Cambio mínimo de configuración (base_url)
  • Mismo formato de solicitud y respuesta

Respuesta en segundos

Las solicitudes se procesan en cola y responden en segundos, no en milisegundos. Para textos largos, la generación es aproximadamente en tiempo real (25 caracteres por segundo). Las frases cortas pueden tardar unos segundos adicionales debido a la cola de procesamiento bajo carga.

  • Procesamiento secuencial bajo carga
  • Latencia variable según la longitud del texto
  • Adecuado para chatbots no estrictamente en tiempo real

8 voces para diferentes tonos

Ilustración de onda de sonido para: 8 voces para diferentes tonos

Cada personalidad de tu asistente se define con una de nuestras ocho voces preestablecidas. No necesitas diseño de voz ni clonación; solo selecciona el tono que mejor se adapte a tu chatbot o aplicación de voz.

Voces femeninas claras

Aria ofrece una narradora cálida y clara, ideal para guías interactivas. Nova aporta un tono brillante y enérgico, perfecto para notificaciones rápidas. Luna es suave para historias, mientras que Sage mantiene la calma en instrucciones.

  • Aria: narradora clara y cálida
  • Nova: brillante y enérgica
  • Luna: suave y narrativa
  • Sage: calma e instruccional

Voces masculinas neutrales

Felix transmite energía para promociones, mientras que Milo suena conversacional y amigable. Atlas mantiene la neutralidad para noticias, y Orion aporta profundidad para documentales.

  • Felix: energía promocional
  • Milo: conversacional y amigable
  • Atlas: neutral para noticias
  • Orion: profundo y documental

Voces para narración

Todas las voces están basadas en grabaciones con licencia (LibriTTS-R) y pueden narrar cualquier texto. No necesitas configurar etiquetas de emoción; el tono está definido por la voz seleccionada. Solo elige la que mejor encaje con tu contenido.

Soporte multilingüe

Ilustración de onda de sonido para: Soporte multilingüe

Tu chatbot puede comunicarse con usuarios de todo el mundo sin necesidad de modelos de idioma separados. Nuestra API maneja la complejidad lingüística para que tú puedas concentrarte en la lógica de tu aplicación.

El sistema detecta automáticamente el idioma del texto de entrada para generar el audio correcto. Si el texto está en latín, asume inglés por defecto, pero puedes forzar cualquier idioma de los 23 soportados.

Detección de idioma

La API analiza el script del texto para inferir el idioma más probable. Esta funcionalidad reduce la cantidad de parámetros que debes gestionar en tus llamadas HTTP, simplificando la integración en asistentes de voz.

Es importante notar que la detección no es infalible para textos muy cortos o ambiguos. Si tu aplicación maneja idiomas específicos en latín distintos al inglés, siempre es recomendable especificarlo explícitamente.

  • Detecta automáticamente el idioma basado en el script del texto
  • Por defecto, asume inglés para texto en alfabeto latino
  • Soporta 23 idiomas diferentes sin configuración extra

Configuración por ISO

Para mayor precisión, puedes pasar el código ISO del idioma en el campo language de la solicitud. Esto asegura que la voz generada pronuncie correctamente los acentos y entonaciones propios de ese lenguaje.

Esta opción es crucial cuando el texto contiene palabras mezcladas o cuando la detección automática podría confundirse entre idiomas con alfabetos similares.

Los 23 idiomas disponibles incluyen desde inglés y español hasta árabe, chino, japonés y swahili, entre otros.

  • Especifica el campo language con el código ISO
  • Garantiza pronunciación precisa en textos ambiguos
  • Compatible con los 23 idiomas listados en la documentación

23 idiomas disponibles

Nuestra API soporta una amplia gama de idiomas para cubrir necesidades globales. Desde idiomas europeos hasta asiáticos y africanos, puedes integrar voz natural en tu aplicación sin límites geográficos.

El campo input acepta texto en cualquiera de estos idiomas. La velocidad de generación se mantiene constante, independientemente del idioma seleccionado.

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish
  • No soporta vietnamita, indonesio, tailandés, ucraniano, rumano, checo, bengalí ni otros no listados
  • Cualquier voz puede hablar cualquier idioma soportado

Formatos de audio variados

Ilustración de onda de sonido para: Formatos de audio variados

La API devuelve el audio generado en el formato que tu aplicación necesite. Puedes solicitar MP3, WAV, Opus, FLAC o PCM directamente en la solicitud.

MP3 para web

El formato MP3 es ideal para la mayoría de aplicaciones web y móviles gracias a su equilibrio entre calidad y tamaño de archivo. Es la opción predeterminada más común para reproducir respuestas de chatbots en navegadores.

WAV para alta calidad

Si tu sistema requiere audio sin compresión para procesamiento posterior o grabación, el formato WAV ofrece la fidelidad original. Es útil cuando necesitas mantener la máxima calidad de audio sin pérdidas.

FLAC y Opus

Para casos de uso específicos, puedes solicitar FLAC para compresión sin pérdidas o Opus para una eficiencia de compresión superior con buena calidad. Estos formatos son útiles para ahorrar ancho de banda o almacenamiento sin sacrificar la claridad.

Velocidad ajustable

Ilustración de onda de sonido para: Velocidad ajustable

Ajusta la velocidad de la voz sintética entre 0.25x y 4.0x mediante el parámetro speed en la API. Esto permite adaptar la entonación del texto generado a contextos específicos sin necesidad de editar el audio posteriormente.

Puedes optimizar la experiencia de usuario variando la velocidad según el tipo de contenido. Por ejemplo, acelerar la voz para noticias o reducirla para instrucciones detalladas.

Control de velocidad (0.25–4.0)

El parámetro speed acepta valores entre 0.25 y 4.0. Esto permite ajustar la velocidad de la voz generada en tiempo real. Puedes probar diferentes velocidades para encontrar la que mejor se adapte a tu aplicación.

  • Valores válidos: 0.25 a 4.0
  • Ajuste mediante API
  • Sin necesidad de post-producción

Voz rápida para noticias

Para contenido informativo o noticias, puedes acelerar la voz hasta 4.0x. Esto permite transmitir información rápidamente sin sacrificar la claridad del audio. Ideal para aplicaciones de lectura de noticias o resúmenes.

  • Ideal para noticias y resúmenes
  • Mantiene claridad incluso a alta velocidad
  • Optimiza el tiempo de escucha

Voz lenta para instrucción

Para instrucciones detalladas o tutoriales, reduce la velocidad a 0.25x. Esto permite a los usuarios seguir las instrucciones paso a paso sin perderse. Ideal para aplicaciones de aprendizaje o asistencia técnica.

  • Ideal para tutoriales y aprendizaje
  • Facilita la comprensión paso a paso
  • Mejora la experiencia de usuario en instrucciones
Velocidad ajustable

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

Genera audio natural por solo $0.01 por cada 1.000 caracteres, sin importar el modelo (tts-1 o tts-1-hd). Si la síntesis falla, el cargo se devuelve íntegramente. El saldo nunca expira y no hay mínimos de gasto ni planes mensuales.

El pago es directo y simple: solo aceptamos USDT en la red TRON (TRC-20). No hay tarjetas, ni PayPal, ni facturas con IVA. Recarga un mínimo de $5 y los fondos se acreditan automáticamente en minutos.

$0.01 por 1.000 caracteres

El costo es fijo y predecible: un centavo por cada mil caracteres de entrada. Los espacios y la puntuación cuentan como caracteres. No hay cobros por segundo de audio ni por el formato elegido.

Sin costos ocultos

No hay suscripciones ni cargos por API calls adicionales. Si una solicitud falla, el crédito se devuelve. No se guardan datos de audio generados, solo metadatos para facturación.

Pago con USDT (TRC-20)

Realice recargas mínimas de $5 mediante USDT en la red TRON (TRC-20). El saldo se acredita automáticamente tras la confirmación de la blockchain, sin necesidad de facturas ni procesamiento manual.

Demo en vivo

Ilustración de onda de sonido para: Demo en vivo

Prueba la API ahora enviando una solicitud POST a https://api.pak500.info/v1/audio/speech. Recibirás un archivo de audio en segundos, ideal para integrar voz en tus chatbots o asistentes sin complicaciones.

Prueba la API ahora

Envía texto y recibe audio. La integración es sencilla: usa el SDK de OpenAI cambiando la base_url o haz una llamada HTTP directa con tu clave API.

Escucha las voces

Explora las ocho configuraciones predefinidas, desde narradoras claras hasta voces neutrales para noticias. Cada voz tiene un tono único adaptado a diferentes estilos de comunicación.

Genera audio al instante

La síntesis es rápida y predecible. Para textos largos, la velocidad es aproximadamente en tiempo real, mientras que las frases cortas se generan en pocos segundos.

Datos y privacidad

Ilustración de onda de sonido para: Datos y privacidad

Tu texto viaja por la API únicamente para generar el archivo de audio y se elimina tras la síntesis. No lo usamos para entrenar nuestros modelos ni para mejorar la precisión del motor de voz.

Texto no usado para entrenamiento

El contenido que envías se procesa en tiempo real y no se almacena para mejorar el algoritmo de la API.

Audio no almacenado

El archivo de audio generado se devuelve en la respuesta HTTP y no se guarda en nuestros servidores de forma permanente.

Metadatos de facturación

Guardamos únicamente la fecha, la cantidad de caracteres y el estado de la solicitud para calcular tu saldo con precisión.

Comunidad y soporte

Ilustración de onda de sonido para: Comunidad y soporte

Si tienes dudas o necesitas ayuda con la integración, nuestro canal oficial es el correo electrónico. No hay chat en vivo ni número de teléfono, pero respondemos tus consultas de manera directa y eficiente.

Soporte por correo electrónico

El soporte se realiza exclusivamente por correo electrónico. No ofrecemos atención telefónica ni chat en vivo, manteniendo un canal claro y sin esperas innecesarias para resolver tus incidencias.

Documentación técnica

Encuentra toda la información necesaria en nuestra sección de docs. Cubrimos desde la configuración básica de la API REST hasta los detalles de autenticación y límites de uso.

Ejemplos de código

Integra la voz en tus chatbots con ejemplos prácticos. Utilizamos el SDK oficial de OpenAI cambiando solo la base URL, facilitando la implementación inmediata en tus proyectos.

Los ejemplos incluyen la estructura del cuerpo JSON y los parámetros esenciales para generar audio rápidamente.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Coloca lado a lado las voces femeninas y masculinas para comparar calidez frente a neutralidad.

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. TRON developer hub: TRC-20
  3. W3C WAI: making audio and video accessible
  4. ISO 639 language codes
  5. Node.js documentation
  6. Python documentation
  7. MDN: Web Speech API
  8. LibriVox public-domain audiobooks
  9. FFmpeg documentation
  10. openai-node on GitHub
  11. OpenAI API reference: create speech
  12. Creative Commons Attribution 4.0

Más en este sitio