Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube que convierte texto en archivos de audio mediante una llamada HTTP. Envías texto y recibes el audio generado. Es ideal para integrar voz en chatbots sin gestionar infraestructura compleja, utilizando un endpoint HTTP estándar.
¿Por qué usar API en lugar de archivos?
Una API genera audio bajo demanda, adaptándose a respuestas dinámicas en tiempo real. Los archivos estáticos no pueden personalizar el contenido al instante. Con nuestra API, cada mensaje del chatbot se sintetiza específicamente para la conversación del usuario, manteniendo la naturalidad.
¿Qué lenguaje es mejor para la integración?
No importa el lenguaje de programación, ya que la API funciona con cualquier cliente HTTP. Solo necesitas enviar una solicitud POST con el texto y la clave API. La mayoría de los desarrolladores indie usan Python, Node.js o cURL por su simplicidad.
¿Cómo se manejan los errores?
Si la síntesis falla, la solicitud no se cobra y el crédito se devuelve íntegramente. La API devuelve un código de estado HTTP indicando el error. Puedes implementar lógica de reintento en tu chatbot para manejar fallos transitorios sin perder dinero.
¿Qué es el SDK de OpenAI?
Es una librería de OpenAI para consumir su API. Como nuestro endpoint es compatible con la misma estructura de solicitud, puedes usar este SDK cambiando la base_url. Es una forma rápida de integrar la voz sin escribir código HTTP desde cero.
¿Cómo se configura la base_url?
Debes configurar la base_url de tu cliente HTTP o SDK a https://api.pak500.info/v1. Esto redirige las solicitudes al endpoint correcto de SonidoNet. Asegúrate de usar tu clave API en el encabezado Authorization para que las peticiones sean válidas.
¿Qué pasa si el texto es muy largo?
El límite es de 4096 caracteres por solicitud. Para textos más largos, debes dividirlos en partes, generar el audio de cada fragmento y unirlos. Esto permite crear respuestas largas para tu chatbot sin exceder los límites de la API en una sola llamada.
¿Cómo se optimiza la latencia?
La generación es aproximadamente en tiempo real. Para chatbots, usa voces rápidas (hasta 4.0x) y formatos ligeros como MP3. Evita solicitudes simultáneas excesivas, ya que se procesan en cola. Un diseño asíncrono mejora la experiencia del usuario final.
¿Se puede usar en Node.js?
Sí, perfectamente. Puedes usar la librería fetch nativa de Node.js o el SDK de OpenAI configurado con nuestra base_url. Solo necesitas enviar el texto, el modelo y la voz en el cuerpo JSON de la solicitud POST al endpoint de speech.
¿Se puede usar en Python?
Sí, es muy común. Puedes usar requests o el SDK de OpenAI con la base_url ajustada. Instala la librería, configura tu clave API y envía el texto. El SDK maneja la serialización JSON y la autenticación automáticamente para ti.
¿Qué formatos de audio son mejores?
MP3 es ideal para chatbots por su equilibrio entre calidad y tamaño. WAV ofrece calidad sin pérdida pero es más pesado. OPUS y FLAC son opciones eficientes. Elige según la necesidad de tu aplicación: MP3 suele ser suficiente para voz en aplicaciones.
¿Cómo se calcula el costo?
Cobra $10 por cada millón de caracteres. Los espacios y puntuación cuentan como caracteres. Si la síntesis falla, no se cobra nada. El costo es proporcional a la longitud del texto enviado en cada solicitud exitosa a la API.
¿Qué es el límite de caracteres?
Cada solicitud puede contener hasta 4096 caracteres. Si tu mensaje es más largo, debes dividirlo manualmente en partes más pequeñas. Cada parte genera un archivo de audio que luego puedes concatenar para obtener la respuesta completa en tu chatbot.
¿Cómo se gestiona la autenticación?
Usa una clave API única por cuenta. Incluye el encabezado Authorization: Bearer tts-... en cada solicitud. Puedes emitir una nueva clave en cualquier momento desde tu panel; la anterior dejará de funcionar inmediatamente. Mantén tu clave segura en tu entorno.
Qué es una API de texto a voz
Una API de texto a voz (TTS) es un servicio en la nube que convierte texto escrito en archivos de audio. En lugar de grabar manualmente cada respuesta, tu chatbot envía un texto a través de una llamada HTTP y recibe el audio listo para reproducirse.
Esta tecnología permite generar voz natural bajo demanda, adaptándose a cualquier mensaje dinámico sin necesidad de almacenar miles de archivos pregrabados.
Definición de TTS
La síntesis de voz transforma caracteres en audio mediante modelos neuronales. Envías un texto y recibes un archivo (mp3, wav, opus, etc.). Es una herramienta básica para dar voz a interfaces conversacionales.
- Entrada: texto plano (hasta 4096 caracteres).
- Salida: archivo de audio sintetizado.
- Formatos: mp3, wav, opus, flac, pcm.
Ventajas sobre archivos estáticos
Los archivos estáticos son fijos; una API genera la voz exacta que el usuario necesita en ese momento. Esto elimina la necesidad de mantener una biblioteca masiva de clips de audio para cada posible respuesta.
Además, puedes cambiar la voz o el idioma en cualquier momento sin volver a grabar o descargar nuevos archivos, manteniendo tu aplicación ligera y actualizada.
Generación bajo demanda
Cada solicitud genera audio fresco en tiempo real. No hay almacenamiento permanente del audio generado, solo se devuelve en la respuesta inmediata.
Esto garantiza que siempre se usa la última versión del motor de voz y reduce la complejidad de gestión de activos multimedia en tu servidor.
Por qué usar una API para chatbots
Integrar una API de texto a voz transforma las respuestas estáticas de un chatbot en conversaciones naturales y dinámicas. Al generar audio bajo demanda, el bot puede adaptar su tono y voz en tiempo real según el contexto de la conversación, mejorando significativamente la experiencia del usuario.
La flexibilidad es clave: puedes cambiar la voz o el idioma sin actualizar la aplicación. Además, al no almacenar miles de archivos de audio pregrabados, reduces el uso de almacenamiento y garantizas que la información siempre esté actualizada al momento de la generación.
Respuestas dinámicas
Permite generar audio al instante para cada mensaje, adaptando la voz según la configuración de la solicitud. Esto crea una experiencia más fluida y humana, sin la rigidez de los archivos pregrabados.
El audio se genera bajo demanda con una sola llamada HTTP.
- Generación inmediata bajo demanda
- Adaptación contextual en tiempo real
Actualización de voces
Puedes cambiar la voz asignada a tu bot en cualquier momento sin necesidad de regenerar o reemplazar archivos. Simplemente actualiza el parámetro voice en la API.
Esta flexibilidad permite probar diferentes estilos (como nova para tono alegre o atlas para noticias) y ajustar la experiencia del usuario según los datos de uso.
No hay que esperar actualizaciones de la aplicación para modificar las voces disponibles; todo se gestiona desde la configuración de la API.
- Cambio instantáneo de voz
- Sin regeneración de archivos
Reducción de almacenamiento
Al generar audio en la nube, no necesitas almacenar miles de archivos MP3 o WAV en tu servidor. Solo guardas la lógica de la llamada a la API.
Esto reduce costos de infraestructura y simplifica la gestión de versiones, ya que el audio se crea al momento de la interacción.
Ideal para chatbots con respuestas variadas, donde almacenar cada posible frase en formato de audio sería inviable.
- Sin almacenamiento local de audio
- Menor carga de servidor
Pasos para la integración
Integrar SonidoNet en tu chatbot comienza con la obtención de tu clave API única. Regístrate en /get-api-key/ para generarla al instante; esta credencial autentica todas tus solicitudes.
Configura tu cliente HTTP o SDK para apuntar a https://api.pak500.info/v1. Envía tu texto mediante la endpoint /v1/audio/speech y recibe el audio listo para reproducirse.
Obtención de la clave API
Crea una cuenta en la página /get-api-key/ mediante Google o correo electrónico. El sistema genera una clave Bearer única que identifica tu cuenta y saldo.
- Regístrate con Google o email
- Clave única por cuenta
- Uso inmediato tras la creación
Configuración del cliente
Apunta tu cliente HTTP o SDK al base URL https://api.pak500.info/v1. Asegúrate de incluir el encabezado Authorization: Bearer con tu clave.
- Base URL: api.pak500.info/v1
- Header: Authorization: Bearer [clave]
- Compatible con SDKs OpenAI
Envío de la solicitud
Envía un POST a /v1/audio/speech con el texto en el campo input. El sistema procesa la solicitud y devuelve el archivo de audio en el formato elegido.
- Endpoint: POST /v1/audio/speech
- Formatos: mp3, wav, opus, flac, pcm
- Respuesta: archivo de audio binario
Manejo de errores en la respuesta
Cuando tu chatbot recibe una respuesta inesperada, es clave saber si el fallo viene de tu aplicación o de la API. Los códigos HTTP te indican si el texto fue muy largo, la voz no existe o hubo un error interno. Saber distinguir estos casos evita que tu bot quede mudo o se bloquee.
La mayoría de los errores son temporales. Configurar un reintento automático con backoff exponencial asegura que una caída momentánea no interrumpa la conversación. Esto mantiene la fluidez de la voz sin que el usuario note la interrupción técnica.
Códigos HTTP de error
Los errores 4xx suelen ser de formato o autenticación. Un error 400 indica que el texto supera los 4096 caracteres o que el modelo no es válido. El 401 significa que la clave API es incorrecta o ha sido revocada. Revisar el cuerpo de la respuesta te da el detalle exacto para corregir la llamada antes de volver a intentar.
- 400: Parámetros inválidos o texto demasiado largo.
- 401: Clave API incorrecta o expirada.
- 500: Error interno del servidor (reintentar).
Reintentos automáticos
Implementa un mecanismo de reintento con retardos crecientes para los errores 5xx. Esto protege tu aplicación de picos de carga momentáneos. Evita los reintentos inmediatos para no saturar el servidor nuevamente. Un retraso inicial de 1 segundo y un máximo de 3 intentos suele ser suficiente para mantener la experiencia del usuario fluida.
- Usa backoff exponencial para evitar el 'thundering herd'.
- Limita los reintentos a errores temporales (5xx).
- No reintentes errores de formato (4xx).
Límites de velocidad
La API permite 60 solicitudes por minuto por clave. Si superas este límite, recibirás un 429. Es crucial implementar una cola de solicitudes en tu chatbot para respetar este límite. Si estás en fase de prueba sin top-up, el límite es de 10 por minuto, así que monitorea de cerca el uso para evitar bloqueos temporales.
Gestiona los errores 429 detectando el encabezado Retry-After y esperando el tiempo indicado antes de reemitir la solicitud. Esto asegura que tu chatbot no se sobrecargue y mantenga la calidad del servicio.
- Límite estándar: 60 req/min.
- Límite inicial: 10 req/min.
- Maneja el código 429 con paciencia.
Ejemplo con Python
Integrar SonidoNet en un chatbot con Python es directo. Usamos la librería requests para enviar el texto y recibir el audio binario sin dependencias complejas.
Este enfoque permite que tu bot devuelva audio al instante, mejorando la experiencia del usuario final con respuestas naturales y dinámicas.
Librería requests
La librería requests es estándar en Python y suficiente para manejar las llamadas POST a la API. No necesitas SDKs adicionales ni configuraciones complejas para empezar.
- Envío de JSON con
model,inputyvoice - Manejo automático de headers de autenticación
- Descarga de audio binario en la respuesta
Código completo
Aquí tienes un ejemplo mínimo para generar audio. Reemplaza TU_API_KEY con tu clave y ajusta la voz según tu necesidad.
El código muestra cómo configurar la cabecera Authorization y enviar el texto. La API devuelve el audio en el formato solicitado.
import requestsheaders = {'Authorization': 'Bearer TU_API_KEY'}response = requests.post(url, headers=headers, json=payload)
Procesamiento de audio
La respuesta es un archivo de audio binario. Puedes guardarlo directamente o reproducirlo en memoria. Para chatbots, es útil convertirlo a bytes o escribirlo en un archivo temporal si el cliente lo requiere.
- Guardar como
.mp3o.wav - Enviar bytes a la respuesta HTTP
- Reproducir con librerías como
pydub
Ejemplo con Node.js
En Node.js, la integración es directa usando fetch o HTTP nativo. La API devuelve audio binario, no texto, por lo que debes manejar la respuesta como un flujo de datos continuo para mantener el rendimiento en chatbots de alto tráfico.
Uso de fetch
Utiliza fetch con POST a https://api.pak500.info/v1/audio/speech. Incluye la cabecera Authorization: Bearer tu_clave y el JSON con model, input, voice y response_format. El endpoint responde inmediatamente con el archivo de audio generado.
Manejo de streams
Consume el stream de la respuesta para evitar cargar todo en memoria. En Node.js, la respuesta de fetch es un stream que puedes redirigir directamente a un archivo o buffer sin leerlo completo primero, optimizando el uso de RAM en el servidor.
Conversión a buffer
Convierte el stream a un Buffer si necesitas procesar el audio antes de enviarlo al cliente. Esto te permite manipular los datos binarios (mp3, wav, etc.) antes de devolverlos al chatbot o guardarlos temporalmente.
Optimización de la latencia
La latencia en TTS depende de la cola de procesamiento. Dado que las solicitudes se procesan secuencialmente bajo carga, una sola frase puede tardar varios segundos. Ejecutar varias solicitudes en paralelo si el bot necesita generar múltiples respuestas alternativas simultáneamente ayuda a mitigar este tiempo de espera inicial.
Solicitudes en paralelo
Ejecuta varias solicitudes en paralelo si el bot necesita generar múltiples respuestas alternativas al mismo tiempo. Esto permite seleccionar la mejor opción sin que el usuario espere a que cada síntesis se procese una tras otra.
Cache de respuestas frecuentes
Almacenar en caché los resultados de texto idéntico reduce drásticamente la latencia. Si el bot repite frases comunes, devuelve el audio generado previamente en lugar de realizar una nueva solicitud a la API, ahorrando tiempo y créditos.
Compresión de audio
Elige formatos como opus o mp3 para reducir el tamaño de los archivos. Esto acelera la transmisión al cliente y consume menos ancho de banda, mejorando la experiencia general del usuario en conexiones móviles.

Uso del SDK de OpenAI
El SDK de OpenAI funciona con SonidoNet porque nuestra API sigue la misma estructura de solicitud. Solo necesitas ajustar la URL base para apuntar a nuestro servicio y usar tu clave API de SonidoNet.
Esta compatibilidad permite integrar voz en tus chatbots usando la misma librería que ya conoces, sin aprender una sintaxis nueva ni añadir dependencias complejas.
Instalación del paquete
Instala la librería oficial de OpenAI en tu entorno de desarrollo. Es una forma de tener disponible el método de generación de audio sin escribir código HTTP desde cero.
- Ejecuta: pip install openai
- Compatible con Python 3.8+
Configuración de base_url
Configura la variable de entorno o el parámetro base_url para apuntar a nuestra API. Esto redirige todas las llamadas al endpoint correcto de SonidoNet.
- URL: https://api.pak500.info/v1
- Clave: tu clave personal de SonidoNet
Llamada al método de speech
Usa el método audio.speech.create pasando el modelo, el texto y la voz deseada. La respuesta contiene el archivo de audio listo para reproducir en tu bot.
- Modelos: tts-1 o tts-1-hd
- Formatos: mp3, wav, opus, flac, pcm
Manejo de textos largos en chatbots
Los chatbots a menudo procesan respuestas extensas que superan el límite de 4096 caracteres por solicitud. La solución consiste en dividir el texto en fragmentos manejables antes de enviarlos a la API.
Segmentación del texto
Cada solicitud POST soporta un máximo de 4096 caracteres, incluyendo espacios y puntuación. Divide el texto de la respuesta del chatbot en bloques consecutivos que respeten este límite para garantizar que cada parte se sintetice correctamente.
Concatenación de audio
La API devuelve un archivo de audio por cada solicitud. Para mantener la fluidez de la conversación, descarga cada fragmento y concaténalos en un solo archivo final antes de reproducirlo para el usuario.
Gestión de memoria
Al procesar textos largos, descarga los fragmentos de audio de manera secuencial o en paralelo controlado. Libera la memoria de los fragmentos ya concatenados para evitar saturar el servidor del chatbot durante la síntesis masiva.
Pruebas de integración
Verifica que la integración funcione correctamente antes de pasar a producción. Las pruebas iniciales aseguran que la API responde como se espera y que la configuración es precisa.
El flujo de trabajo incluye ejecutar solicitudes de prueba simples, confirmar la calidad de la voz generada y validar que el formato de audio sea el correcto para tu aplicación.
Curl de prueba
Usa el comando cURL proporcionado en la sección /docs/ para enviar una solicitud básica. Este método te permite confirmar que tu clave API es válida y que el endpoint responde correctamente.
Es ideal para verificar la conectividad y la autenticación sin necesidad de escribir código complejo.
- Reemplaza YOUR_API_KEY con tu clave activa.
- Verifica que la respuesta contenga el archivo de audio en formato binario o base64, según la configuración.
Verificación de voz
Escucha el audio generado para confirmar que la voz seleccionada (como 'nova' o 'atlas') es la esperada y que el idioma se ha reconocido correctamente.
Asegúrate de que la entonación sea natural y adecuada para el contexto de tu chatbot.
Validación de formato
Confirma que el archivo de audio devuelto coincide con el formato solicitado (mp3, wav, opus, flac o pcm).
Revisa que la velocidad y la calidad sean las configuradas en la solicitud inicial.
Costos en integración masiva
La facturación se calcula estrictamente por carácter, incluyendo espacios y puntuación, a $0.01 por cada 1.000 caracteres. Este modelo lineal facilita la previsión de gastos sin costos fijos ni suscripciones mensuales.
Los fallos en la síntesis se devuelven completamente, por lo que no pagas por respuestas fallidas. Con una clave de 60 solicitudes por minuto, el volumen escalable permite integrar voz en chatbots de alto tráfico sin sorpresas en la factura.
Cálculo por caracteres
El precio base es de $10 por cada millón de caracteres procesados. Cada espacio, coma o signo de interrogación cuenta como un carácter, por lo que debes dimensionar tu presupuesto considerando la longitud promedio de las respuestas del bot.
- Precio: $0.01 por 1.000 caracteres.
- Incluye espacios y puntuación en el conteo.
- Las solicitudes fallidas son gratuitas.
Volumen de solicitudes
Tu clave API soporta 60 peticiones por minuto (tras la recarga). Para chatbots con alta concurrencia, monitorea el límite para evitar retardos en la cola de procesamiento, ya que las peticiones se procesan en orden secuencial.
- Límite estándar: 60 req/min.
- Procesamiento secuencial bajo carga.
- Saldo ilimitado y sin expiración.
Optimización de costos
Implementa caché para frases frecuentes y segmenta textos largos para evitar tiempos de espera prolongados. Usa el formato MP3 para reducir el ancho de banda. Recarga con USDT (TRC-20) desde $5 para mantener la operación continua sin costos ocultos.
- Cachea respuestas repetitivas.
- Usa MP3 para eficiencia.
- Recarga mínima: $5 en USDT.
Soporte y documentación
La documentación técnica completa está disponible en la ruta /docs/ del sitio. Incluye la especificación de los endpoints, los parámetros de la solicitud y los formatos de respuesta admitidos.
El soporte para dudas específicas se realiza exclusivamente por correo electrónico. No ofrecemos teléfono ni chat en vivo, lo que permite una comunicación más detallada y asincrónica.
Acceso a la documentación
Todos los detalles de la API se centralizan en /docs/. Puedes consultar la estructura JSON, los códigos de error y las guías de integración paso a paso.
La documentación se mantiene alineada con la API real para evitar confusiones durante la integración.
- Especificación de endpoints
- Ejemplos de curl y SDK
Contacto por email
Para cualquier consulta técnica o sobre facturación, envía un correo a la dirección indicada en la página de contacto.
Es el único canal de atención disponible, sin números de teléfono ni chats en vivo.
Ejemplos actualizados
Los snippets de código en Python y Node.js están disponibles directamente en la documentación.
Se actualizan para reflejar las mejores prácticas de manejo de errores y latencia.
- Snippets en Python
- Snippets en Node.js
- Configuración de base_url
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
