API de texto a voz para aplicaciones multilingües

Por Equipo editorial de VozNativa · Actualizado 2026-11-19

VozNativa es una API de texto a voz diseñada para startups de educación lingüística que necesitan audio de calidad para sus apps. Ofrecemos voces realistas y multilingües para mejorar la experiencia de escucha de sus usuarios.

En esta página encontrarás cómo integrar nuestra solución en minutos, explorar las 8 voces preset disponibles y probar la demo en vivo. Aprende a generar audio rápido, controla tus costos con precios transparentes y comienza tu prueba gratuita de $0.50 sin compromisos.

API de texto a voz para aplicaciones multilingües

Preguntas frecuentes

¿Qué es un generador de voz con texto?

Es una API en la nube que convierte texto en archivos de audio mediante una solicitud POST. Envías el texto y recibes el archivo de audio generado, ideal para integrar audio en aplicaciones de aprendizaje de idiomas sin necesidad de grabaciones manuales.

¿Qué voces están disponibles para el aprendizaje de idiomas?

Ofrecemos 8 voces preestablecidas: Aria, Nova, Luna y Sage (femeninas); Felix, Milo, Atlas y Orion (masculinas). Todas pueden hablar los 23 idiomas soportados, permitiendo elegir el tono adecuado para narraciones, instrucciones o conversaciones en tus aplicaciones educativas.

¿Cuántos idiomas soporta la API?

La API soporta 23 idiomas, incluyendo inglés, español, alemán, francés, japonés, chino y árabe. Cualquier voz puede hablar cualquiera de estos idiomas. Si no especificas el código ISO, el sistema intenta adivinar el idioma basándose en el script del texto.

¿Es compatible con el SDK de OpenAI?

Sí, la API sigue la misma estructura de solicitud que el endpoint de speech de OpenAI. Puedes usar los SDK oficiales de OpenAI cambiando la base_url a https://api.11111bet.info/v1 y utilizando tu clave de API específica de VozNativa.

¿Cuánto cuesta el servicio?

El costo es de $10 por cada 1 millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. Las solicitudes fallidas son gratuitas y el cargo se devuelve íntegramente si la síntesis falla.

¿Qué formatos de audio puedo descargar?

Puedes solicitar audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos se especifican en el campo response_format de tu solicitud JSON. El formato elegido se devuelve directamente en la respuesta de la API tras procesar el texto.

¿Hay límite de caracteres por solicitud?

Sí, cada solicitud puede contener hasta 4096 caracteres de texto. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Esto permite manejar contenido extenso manteniendo la estructura de la API.

¿Cómo funciona la prueba gratuita?

Al registrarte con Google, recibes $0.50 de crédito (aproximadamente 50.000 caracteres) válidos por 7 días. Si te registras con correo y contraseña, no obtienes crédito de prueba inicial. El saldo no expira y puedes recargarlo cuando necesites más capacidad.

¿Se pueden ajustar la velocidad de la voz?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 mediante el campo speed en la solicitud. Esto permite acelerar o ralentizar la voz sintetizada según el ritmo necesario para tus lecciones de idiomas, adaptándote a diferentes niveles de comprensión.

¿Qué métodos de pago aceptan?

Aceptamos únicamente USDT en la red TRON (TRC-20) para recargas, con un mínimo de $5. El crédito se acredita automáticamente en minutos. No aceptamos tarjetas, PayPal ni suscripciones mensuales. No hay facturación con IVA ni planes fijos obligatorios.

¿Las voces son generadas por IA o grabaciones?

Las voces están basadas en grabaciones con licencia de LibriTTS-R (CC BY 4.0) de lecturas de audiolibros de dominio público de LibriVox. Cada archivo generado lleva una marca de agua inaudible que indica que es habla sintética, .

¿Cuántas solicitudes por minuto puedo hacer?

El límite es de 60 solicitudes por minuto por clave API. Antes de la primera recarga, el límite es de 10 solicitudes por minuto. Las solicitudes se procesan en cola, por lo que bajo carga alta puede haber pequeñas esperas.

¿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 conservamos metadatos de la solicitud (tiempo, caracteres, estado) para facturación.

¿Ofrecen soporte telefónico?

No ofrecemos soporte telefónico ni chat en vivo. El soporte se realiza exclusivamente por correo electrónico. No contamos con garantía de SLA ni número de teléfono directo para consultas.

Primera solicitud

curl

curl https://api.11111bet.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

Cómo funciona la API

Ilustración de onda de sonido para: Cómo funciona la API

Envía texto y recibe audio en segundos. Nuestra API convierte texto en speech con una sola llamada HTTP.

El endpoint POST /v1/audio/speech acepta un cuerpo JSON con el texto, el modelo y la voz elegida. Si el texto supera los 4096 caracteres, se divide y une automáticamente.

Endpoint POST /v1/audio/speech

Endpoint POST /v1/audio/speech

La solicitud usa autenticación Bearer con tu clave API. Los modelos tts-1 y tts-1-hd usan el mismo motor y precio. Las solicitudes fallidas no se cobran.

  • Endpoint: POST https://api.11111bet.info/v1/audio/speech
  • Modelos: tts-1 o tts-1-hd
  • Límite: 4096 caracteres por solicitud
  • Autenticación: Authorization: Bearer <tu-clave>

Formatos de audio (mp3, wav, opus, flac, pcm)

Elige el formato que mejor se adapte a tu aplicación. MP3 y OPUS son ideales para streaming eficiente. WAV y FLAC ofrecen alta fidelidad. PCM es útil para procesamiento raw.

Velocidad ajustable (0.25–4.0x)

Ajusta la velocidad de habla entre 0.25x y 4.0x para mejorar la comprensión en el aprendizaje de idiomas. Una velocidad más lenta ayuda a los estudiantes a pronunciar correctamente.

Voces naturales para el aprendizaje

Ilustración de onda de sonido para: Voces naturales para el aprendizaje

Selecciona la voz que mejor se adapte al contexto de tu aplicación educativa. Cada preset está optimizado para diferentes tipos de contenido, desde explicaciones técnicas hasta relatos narrativos.

Nuestras voces no ofrecen clonación personalizada, pero ofrecen un tono natural y consistente para mejorar la experiencia de escucha.

Aria: narradora clara y cálida

Aria es ideal para explicaciones de gramática o vocabulario. Su tono cálido y claro mantiene la atención del estudiante sin resultar monótona durante lecciones largas.

  • Modo narrador claro

Nova: tono brillante y dinámico

Utiliza Nova para ejercicios de pronunciación rápida o interacciones tipo quiz. Su energía brillante mantiene la motivación alta en aplicaciones con tiempo limitado.

  • Modo dinámico

Luna: suave para historias

Luna es perfecta para audiolibros o cuentos interactivos. Su voz suave facilita la comprensión en contextos de inmersión lingüística sin fatiga auditiva.

  • Modo storytelling

Cobertura multilingüe

Ilustración de onda de sonido para: Cobertura multilingüe

Ofrecemos soporte para 23 idiomas, incluyendo español, inglés, alemán, francés, japonés, chino y árabe, entre otros. Esta cobertura permite a tu aplicación atender a una audiencia global sin necesidad de integrar múltiples motores de síntesis.

Soporte para 23 idiomas clave

Nuestro API procesa textos en arábigo, danés, finés, griego, hebreo, hindi, coreano, malayo, noruego, polaco, portugués, ruso, sueco, suajili y turco, además de los idiomas principales. Cada idioma se ejecuta con la misma calidad de audio consistente, ideal para aplicaciones de aprendizaje de idiomas.

  • Español, inglés, alemán, francés, italiano
  • Chino, japonés, coreano, árabe, hindi
  • Ruso, portugués, turco, polaco, griego
  • Danés, sueco, noruego, finés, suajili
  • Malayo, hebreo, neerlandés

Detección automática por script

Si no especificas el idioma, el sistema infiere el idioma basado en el script del texto enviado. Por defecto, el texto en latín se asume como inglés. Esta automatización simplifica la integración para desarrolladores que manejan contenido variado sin necesidad de lógica adicional compleja.

Configuración manual de idioma ISO

Para textos en latín que no son inglés, o para asegurar la pronunciación correcta, debes establecer el campo language con el código ISO correspondiente. Esto garantiza que la voz generada respete las reglas fonéticas específicas del idioma objetivo, mejorando la experiencia del usuario final.

  • Campo language en la petición JSON
  • Códigos ISO estándar (ej. es, fr)
  • Recomendado para texto latino no inglés

Integración fácil para devs

Ilustración de onda de sonido para: Integración fácil para devs

Si ya usas las librerías oficiales de OpenAI, puedes empezar en minutos. Solo necesitas ajustar la URL base a nuestra API y reemplazar la clave de autenticación. La estructura del cuerpo de la solicitud es idéntica, lo que elimina la necesidad de aprender una sintaxis nueva desde cero.

Compatible con SDKs de OpenAI

Nuestra API sigue el mismo formato de solicitud que el endpoint de speech de OpenAI. Esto significa que puedes usar las SDKs oficiales de OpenAI cambiando la configuración del cliente.

Autenticación con Bearer Token

Envía tu clave API en el encabezado de la solicitud usando el esquema Authorization: Bearer tts-.... Cada cuenta tiene una sola clave activa que puedes renovar instantáneamente desde tu panel si es necesario.

Ejemplos de código listos

Encontrarás ejemplos de curl y llamadas SDK listas para copiar en la sección de documentación. Estas muestras demuestran cómo enviar texto, seleccionar voz y formato, y manejar la respuesta de audio directamente en tu entorno de desarrollo.

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

VozNativa ofrece un modelo de pago por uso simple y predecible, diseñado para que las startups de educación lingüística controlen sus costos sin sorpresas. No hay planes mensuales ni compromisos de mínimo, lo que permite escalar el uso de la API conforme crece tu base de usuarios.

$10 por 1 millón de caracteres

El precio es de $10 por cada 1 millón de caracteres procesados, lo que equivale a $0.01 por cada 1 000 caracteres. Los espacios y la puntuación cuentan como caracteres. Las solicitudes fallidas son gratuitas y el cargo se devuelve íntegramente si la síntesis falla.

  • Costo: $0.01 por 1 000 caracteres.
  • Caracteres incluidos: espacios y puntuación.
  • Reembolso automático en fallos de síntesis.

Pago con USDT (TRC-20)

Aceptamos únicamente USDT en la red TRON (TRC-20) para recargas. No hay tarjetas de crédito, PayPal ni facturas con IVA. El mínimo de recarga es de $5 y el saldo se acredita automáticamente en minutos tras la transferencia.

  • Red: TRON (TRC-20).
  • Mínimo: $5.
  • Credito automático en minutos.

Sin costos ocultos ni suscripciones

El saldo no expira y puedes emitir una nueva clave API en cualquier momento si lo necesitas. No hay cargos por asiento ni planes fijos; solo pagas por lo que realmente consumes.

Precios transparentes

Demo en vivo

Ilustración de onda de sonido para: Demo en vivo

Interactúa directamente con la API de VozNativa para verificar la calidad de audio antes de integrar. Selecciona un texto de prueba, elige una de las ocho voces preset y genera un archivo de audio para evaluar la naturalidad.

Experimenta con diferentes configuraciones para encontrar el tono perfecto para tu aplicación educativa. Puedes ajustar la velocidad de reproducción y verificar la compatibilidad con tu flujo de trabajo técnico.

Prueba las 8 voces preset

Elige entre voces femeninas como Aria, Nova o Luna, o masculinas como Felix, Milo, Atlas y Orion. Cada voz ofrece un estilo distinto, desde narración clara hasta tono dinámico, ideal para diferentes contextos de aprendizaje.

  • Aria: narradora clara y cálida
  • Nova: tono brillante y dinámico
  • Luna: suave para historias
  • Felix: energético y promocional
  • Milo: amigable y conversacional
  • Atlas: neutral y noticioso
  • Orion: profundo y documental

Selecciona formato de salida

Elige entre mp3, wav, opus, flac o pcm según las necesidades de tu app. Estos formatos estándar garantizan compatibilidad con la mayoría de los reproductores de audio móviles y web.

  • mp3
  • wav
  • opus
  • flac
  • pcm

Descarga audio generado

Una vez generado, descarga el archivo de audio directamente. Este archivo no se almacena en nuestros servidores, por lo que debes guardarlo en tu infraestructura si lo necesitas para pruebas posteriores.

Ideal para edtech

Ilustración de onda de sonido para: Ideal para edtech

VozNativa permite a las plataformas de aprendizaje lingüístico generar audio realista al instante, eliminando la necesidad de grabaciones costosas para cada variación de texto. Con soporte para 23 idiomas y detección automática, tus usuarios reciben pronunciaciones precisas que mejoran la experiencia de escucha.

La API se integra directamente en tus flujos de estudio, ofreciendo control total sobre la velocidad (0.25–4.0x) y el formato de salida para optimizar el rendimiento en dispositivos móviles.

Práctica de pronunciación

Genera miles de frases de ejemplo en segundos para que los usuarios escuchen la pronunciación correcta. Al enviar texto y recibir un archivo de audio, puedes ofrecer retroalimentación auditiva inmediata sin depender de grabaciones estáticas preexistentes.

  • Generación bajo demanda para cualquier texto nuevo
  • Ajuste de velocidad (0.25–4.0x) para niveles de dificultad
  • Soporte para 23 idiomas con detección automática

Audiolibros interactivos

Convierte contenido educativo o narrativo en audio sin límites de longitud. Al dividir textos largos en partes de 4096 caracteres, la API une los fragmentos para crear archivos continuos, ideal para historias o lecciones extensas.

Las voces como Luna (suave para historias) o Aria (narradora clara) ofrecen tonos específicos para mantener el engagement del estudiante.

  • Límite de 4096 caracteres por solicitud
  • Unión automática de fragmentos de audio
  • Formatos mp3, opus o flac para eficiencia

Tutoría virtual 24/7

Proporciona respuestas de voz inmediatas para ejercicios de conversación o repetición. La generación de audio es rápida (aproximadamente 25 caracteres por segundo en textos largos), permitiendo interacciones fluidas.

  • Respuestas de audio instantáneas
  • Integración con SDKs de OpenAI
  • Autenticación segura con Bearer Token

Calidad y licencias

Ilustración de onda de sonido para: Calidad y licencias

La calidad de las voces en VozNativa se basa en grabaciones licenciadas de LibriTTS-R y lecturas de dominio público de LibriVox. Esto garantiza una base acústica sólida y natural para todas las voces sintetizadas, optimizadas para la claridad en aplicaciones de aprendizaje de idiomas.

Voces basadas en LibriTTS-R

Nuestras ocho voces preset (Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion) provienen de este conjunto de datos abierto, asegurando consistencia y realismo en cada generación.

Licencia CC BY 4.0

Al utilizar material basado en fuentes con licencia Creative Commons Attribution 4.0 International, integramos estándares abiertos en nuestra infraestructura. Esto facilita la transparencia sobre el origen de los activos de audio que utilizamos para generar el audio.

Agua marca digital invisible

Cada archivo de audio generado lleva una marca de agua inaudible que identifica el contenido como speech synthetic. Esto permite a las plataformas edtech verificar el origen del audio sin afectar la experiencia de escucha de los estudiantes.

Empieza hoy

Ilustración de onda de sonido para: Empieza hoy

Comienza a integrar audio realista en tu app de aprendizaje de idiomas sin riesgo financiero. Con una prueba gratuita de $0.50, tienes acceso a unos 50.000 caracteres de generación de voz durante 7 días al registrarte con Google.

Esta cantidad es suficiente para validar la calidad de las voces en tus flujos de trabajo reales antes de comprometer fondos, permitiendo probar la integración técnica sin necesidad de tarjeta de crédito ni suscripciones.

Prueba gratuita de $0.50

Recibirás crédito automático al iniciar sesión con tu cuenta de Google. Este saldo es válido durante 7 días y te permite generar hasta 50.000 caracteres, suficiente para probar múltiples voces y formatos.

Si decides continuar, el saldo no expira y puedes recargar cuando necesites más volumen de generación.

  • Válido por 7 días
  • Genera ~50.000 caracteres
  • Requiere registro con Google

Crea tu cuenta en Google

Accede a la página /get-api-key/ e inicia sesión con tu cuenta de Google. El proceso es rápido y no requiere confirmación por email ni datos adicionales.

Las cuentas creadas con correo y contraseña no incluyen la prueba gratuita, por lo que se recomienda usar Google para maximizar tu tiempo de prueba.

  • Registro inmediato
  • Sin formularios largos
  • Incluye crédito inicial

Obtén tu clave API al instante

Una vez registrado, tu clave API se muestra en el panel junto con tu saldo y ejemplos de código listos para copiar. Puedes emitir una nueva clave en cualquier momento si es necesario.

Usa esta clave con el SDK de OpenAI o HTTP directo para comenzar a enviar texto y recibir audio en segundos.

  • Clave única por cuenta
  • Ejemplos de código incluidos
  • Renovable en cualquier momento

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Puedes seleccionar el registro adecuado según el tipo de contenido, ya sea un juego de roles o una lectura académica.

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. LibriTTS-R paper (arXiv 2305.18802)
  3. openai-python on GitHub
  4. curl documentation
  5. ISO 639 language codes
  6. Creative Commons Attribution 4.0
  7. openai-node on GitHub
  8. MDN: Web Speech API
  9. OpenAI API reference: create speech
  10. Tether (USDT)
  11. FFmpeg documentation
  12. LibriTTS-R corpus (OpenSLR 141)

Más en este sitio