Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube que convierte texto en archivos de audio. Envías texto y recibes un archivo de audio mediante una solicitud POST. Es ideal para apps de idiomas que necesitan audio claro sin infraestructura compleja.
¿Cómo se configura la API Key?
Regístrate en /get-api-key/ con Google o email. La página muestra tu clave activa y un ejemplo curl. La clave se usa en el encabezado Authorization: Bearer tts-... Puedes emitir una nueva clave en cualquier momento, invalidando la anterior.
¿Qué es un endpoint POST?
Es la dirección URL donde envías tus datos. Para esta API, usas POST https://api.11111bet.info/v1/audio/speech. Envías un cuerpo JSON con el texto, modelo, voz y formato. La API procesa la solicitud y devuelve el archivo de audio.
¿Qué formato de audio es mejor para apps móviles?
MP3 es excelente por su equilibrio entre calidad y tamaño. También puedes usar WAV o FLAC para máxima calidad, o OPUS y PCM. Elige según tus necesidades de ancho de banda y compatibilidad con el reproductor de tu aplicación móvil.
¿Cómo se manejan los errores en la integración?
Si la síntesis falla, el cargo se devuelve íntegramente. Si excedes el límite de 60 solicitudes por minuto, recibirás un error 429. Asegúrate de manejar estos códigos HTTP en tu código para reintentar o notificar al usuario adecuadamente.
¿Qué es el SDK de OpenAI?
Es una biblioteca de OpenAI para interactuar con sus APIs. Funciona con nuestra API cambiando la base_url a https://api.11111bet.info/v1. No tenemos SDK propio, pero este SDK permite usar nuestras voces fácilmente en tus proyectos.
¿Cómo se calcula el costo por solicitud?
El costo es $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. Un millón de caracteres cuestan $10. El texto se limita a 4096 caracteres por solicitud. Si la síntesis falla, no se cobra nada.
¿Qué es la detección automática de idioma?
Si no especificas el idioma, la API lo infiere por el script. El texto latino se asume inglés por defecto. Para otros idiomas con caracteres latinos, debes establecer el parámetro language explícitamente para garantizar una pronunciación correcta en tu app.
¿Cómo se optimiza el uso de caracteres?
Divide textos largos en fragmentos de máximo 4096 caracteres. Junta los archivos de audio resultantes en tu aplicación. Esto evita errores de límite y permite gestionar mejor la longitud del contenido educativo o narrativo que generes para tus usuarios.
¿Qué es un token Bearer?
Es un mecanismo de autenticación HTTP. Debes incluir Authorization: Bearer tts-... en cada solicitud. Reemplaza tts-... con tu clave única generada en tu panel. Esto verifica que tu cuenta tiene saldo suficiente para procesar la síntesis de voz.
¿Se puede usar la API en segundo plano?
Sí, es una API REST estándar. Puedes generar audio en segundo plano mientras el usuario interactúa con la app. Los archivos se devuelven en la respuesta, por lo que puedes almacenarlos localmente o reproducirlos directamente sin bloquear la interfaz de usuario.
¿Qué pasa si se agota el saldo?
Las solicitudes dejarán de procesarse hasta que recargues. Aceptamos USDT (TRC-20) con un mínimo de $5. El saldo se acredita automáticamente en minutos. No hay cargos por suscripción ni caducidad del saldo, por lo que puedes usarlo cuando necesites.
¿Cómo se audita el uso de la API?
Tu panel en /get-api-key/ muestra el historial de uso, caracteres consumidos y estado de las solicitudes. Mantenemos metadatos de facturación (tiempo, caracteres, estado). El texto no se usa para entrenamiento ni el audio generado se almacena permanentemente por nosotros.
¿Es segura la transmisión de datos?
La API se accede mediante HTTPS, asegurando la transmisión de tu texto y clave. El texto se usa solo para generar audio y no se almacena. Los metadatos se guardan para facturación. No ofrecemos garantías SLA ni certificaciones específicas como SOC 2.
¿Qué es la latencia en una API?
Es el tiempo entre tu solicitud y la respuesta. Para textos largos, la generación es aproximadamente en tiempo real (25 caracteres por segundo). Las solicitudes se procesan en cola, por lo que bajo carga puede haber espera. Las frases cortas toman unos segundos.
¿Cómo se maneja el caché de audio?
La API no gestiona caché automáticamente. Debes implementar tu propia lógica de caché en el servidor o cliente para evitar regenerar el mismo audio repetidamente. Esto optimiza costos y mejora la velocidad de carga en tu aplicación de idiomas.
¿Qué es un error 429?
Indica que has excedido el límite de velocidad. El límite es de 60 solicitudes por minuto por clave (10 antes del primer recargo). Si recibes este error, espera a que el contador se reinicie o reduce la frecuencia de tus llamadas.
¿Se puede personalizar la voz?
No ofrecemos clonación de voz personalizada ni diseño de voces. Tienes 8 voces predefinidas (como Aria, Nova, Luna, Felix, etc.). Puedes ajustar la velocidad (0.25–4.0) y el idioma, pero la voz base es fija y seleccionada de nuestra lista.
¿Qué es la velocidad de síntesis?
Es el parámetro 'speed' que ajusta la velocidad de lectura. Puedes configurarlo entre 0.25 y 4.0. Un valor de 1.0 es la velocidad normal. Esto permite adaptar el ritmo de audio para ejercicios de escucha o pronunciación en tu app.
¿Cómo se prueba la API localmente?
Usa la herramienta curl o Postman. Ejecuta la solicitud POST con tu clave en el encabezado y el texto en el cuerpo JSON. La respuesta contendrá el archivo de audio. Puedes usar el ejemplo curl proporcionado en tu panel de API.
Por qué usar una API para edtech
Integrar una API de texto a voz permite a tu startup de idiomas ofrecer experiencias auditivas de alta calidad sin gestionar infraestructura de síntesis. Al delegar la generación de audio a un servicio externo, tu equipo se enfoca en la pedagogía mientras la escalabilidad técnica es automática.
Escalabilidad automática
La API procesa solicitudes secuencialmente a una velocidad aproximada de 25 caracteres por segundo. Esto asegura que el audio se genere en tiempo real para textos largos, aunque bajo carga puede haber espera en cola., manteniendo la fluidez de la experiencia de usuario sin necesidad de ajustar servidores.
Control total del contenido
Envías el texto exacto que tus estudiantes deben aprender y recibes el archivo de audio correspondiente. No hay intermediarios ni variaciones aleatorias en la pronunciación, lo que garantiza consistencia pedagógica en cada lección.
- Texto de entrada preciso
- Formatos de audio variados (mp3, wav, opus)
Costos predecibles
El precio es fijo: 0.01 USD por cada 1,000 caracteres. Puedes calcular exactamente cuánto costará generar el audio de tus cursos antes de desplegarlos, sin sorpresas ni costos ocultos por tiempo de procesamiento.
- $0.01 por 1,000 caracteres
- Solicitudes fallidas son gratuitas
Paso 1: Configuración de la clave
Para comenzar, accede a /get-api-key/ y regístrate con tu cuenta de Google o correo electrónico. Este registro es específico para 11111bet.info y te permitirá acceder al panel de control inicial.
Registro en la plataforma
El proceso es inmediato y no requiere facturación previa. Si usas Google, obtienes $0.50 de crédito de prueba válido por 7 días. Con email y contraseña, empezarás sin saldo. Este crédito cubre aproximadamente 50,000 caracteres, ideal para validar la integración básica.
Obtención del token Bearer
Una vez registrado, tu panel mostrará la clave API activa con el prefijo 'tts-...'. Esta clave se utiliza en el encabezado Authorization: Bearer. Recuerda que cada cuenta solo mantiene una clave activa; al generar una nueva, la anterior deja de funcionar inmediatamente.
- La clave se genera en la página /get-api-key/.
- Copia el token completo para evitar errores de sintaxis.
Almacenamiento seguro
Almacena el token como una variable de entorno en tu servidor, no en el código fuente del cliente. Esto evita que usuarios de tu app de idiomas puedan robar tu cuota de caracteres. Usa herramientas como dotenv para gestionar esta variable de forma segura.
Paso 2: Primera solicitud
Para sintetizar tu primer audio, envía una petición POST a https://api.11111bet.info/v1/audio/speech con un cuerpo JSON que incluya el modelo (tts-1 o tts-1-hd), el texto en input y la voz seleccionada. El texto no puede exceder los 4096 caracteres por solicitud.
Debes especificar el formato de salida (mp3, wav, opus, flac o pcm) y, opcionalmente, ajustar la velocidad entre 0.25 y 4.0. Si el texto no está en inglés, asigna el código ISO del idioma para evitar la detección automática incorrecta.
Estructura JSON requerida
La solicitud debe contener los campos model, input, voice y response_format. El campo input acepta hasta 4096 caracteres, donde los espacios y la puntuación cuentan como caracteres facturables.
Parámetros de voz y formato
Elige entre ocho voces preestablecidas, como aria para narración clara o nova para un tono animado. Puedes solicitar audio en MP3, WAV, OPUS, FLAC o PCM según la compatibilidad de tu reproductor.
Manejo de la respuesta
La API devuelve el archivo de audio binario directamente en el cuerpo de la respuesta. Si la síntesis falla, no se realiza ningún cargo y la respuesta indicará el error para que puedas reintentar.
Paso 3: Integración con OpenAI SDK
El SDK de OpenAI funciona directamente con nuestra API, ya que la estructura de la petición es idéntica. Solo necesitas ajustar la URL base para apuntar a nuestro endpoint en lugar de los servidores de OpenAI.
Modificación de base_url
Debes actualizar la variable base_url de tu cliente SDK para que apunte a https://api.11111bet.info/v1. Esto permite reutilizar la misma lógica de llamada que usarías con OpenAI, pero procesando las solicitudes en nuestra infraestructura.
Instalación del paquete
Instala la librería de Python con tu gestor de paquetes preferido.
- pip install openai
Ejemplo de código en Python
Aquí tienes un ejemplo mínimo para generar audio. Configura tu clave Bearer y llama al método audio.speech con el modelo tts-1.
```python from openai import OpenAI client = OpenAI(base_url="https://api.11111bet.info/v1", api_key="tts-tu-clave-aqui") with client.audio.speech.create( model="tts-1", voice="nova", input="Bienvenido a tu lección de inglés", response_format="mp3" ) as response: response.stream_to_file("output.mp3") ```
Paso 4: Manejo de errores
En una app de idiomas, los fallos en la síntesis pueden interrumpir la fluidez del usuario. Es crucial capturar excepciones de red o API para evitar bloqueos. La API devuelve errores claros que permiten distinguir entre problemas de autenticación y límites de velocidad.
El manejo robusto de errores garantiza que la experiencia de aprendizaje no se vea afectada por picos de demanda o errores transitorios.
Captura de excepciones
Envuelve las llamadas a requests.post en bloques try/except. Captura específicamente HTTPError para códigos 4xx y 5xx, y ConnectionError para fallos de red. Verifica que el código de estado sea 200 antes de intentar decodificar el audio.
- Usa
except requests.exceptions.HTTPErrorpara errores de la API. - Maneja
except requests.exceptions.ConnectionErrorpara problemas de infraestructura. - Valida el código de estado antes de procesar la respuesta.
Reintento con backoff
Si la API devuelve 429 (Too Many Requests) o 503, aplica un reintento con retraso exponencial. La API tiene un límite de 60 solicitudes por minuto por clave. Espera 2 segundos antes del primer reintento y duplica el tiempo si falla de nuevo, hasta un máximo de 3 intentos.
- Implementa backoff exponencial para códigos 429 y 503.
- Espera 2s, 4s y 8s entre reintentos.
- No reintentes errores de 400 (parámetros inválidos).
Logs de depuración
Registra el texto enviado, la voz seleccionada y el código de error recibido. Esto es vital para auditar costos y diagnosticar problemas de idioma. Usa niveles de log apropiados: INFO para éxito, WARNING para reintentos, ERROR para fallos definitivos.
- Loguea el
model,voiceyinputtruncado. - Registra el tiempo de respuesta en milisegundos.
- Almacena el código de error HTTP para análisis posterior.
Paso 5: Optimización de costos
Optimiza tu presupuesto generando audio por lotes. La API cobra por caracteres, no por solicitud; agrupar textos cortos en una sola llamada reduce la sobrecarga y mantiene los costos predecibles para tus lecciones.
Mantén un registro preciso del uso. Monitorear los caracteres consumidos te permite anticipar gastos y evitar sorpresas en la facturación mensual.
Agrupación de textos cortos
Combina varias frases de vocabulario en un solo cuerpo de petición JSON. Esto aprovecha el límite de 4096 caracteres y minimiza el número de llamadas API necesarias para completar una lección.
Asegúrate de que el texto combinado tenga sentido contextual para el estudiante, evitando saltos abruptos que puedan confundir la síntesis.
- Agrupa palabras de un mismo tema.
- Une frases de ejercicios de pronunciación.
- Mantén el total bajo 4096 caracteres.
Uso de caché de audio
Almacena localmente los archivos de audio generados para contenido estático, como listas de números o alfabeto. Esto evita reprocesar el mismo texto una y otra vez.
Elimina los audios cacheados cuando actualices el contenido didáctico para mantener la fidelidad de la lección.
- Guarda audios de vocabulario fijo.
- Invalida caché en actualizaciones.
- Usa claves de caché por versión.
Monitoreo de caracteres
Rastrea el consumo en tiempo real desde tu dashboard. Cada solicitud cuenta espacios y puntuación, por lo que pequeños detalles afectan el costo total.
Establece alertas cuando el saldo baje de $0.50 para evitar interrupciones en la generación de audio durante las clases en vivo.
- Revisa el dashboard semanalmente.
- Monitorea el uso por usuario.
- Ajusta límites de caracteres.
Paso 6: Pruebas en producción
Antes de lanzar tu app de idiomas, valida el rendimiento con tu saldo real. La prueba gratuita de $0.50 permite generar aproximadamente 50,000 caracteres en 7 días, suficientes para verificar que la integración funciona sin costo inicial.
Uso de la prueba gratuita
Regístrate en la plataforma para obtener crédito inmediato. Utiliza este saldo para ejecutar solicitudes de prueba con diferentes voces y formatos, asegurando que la API responde correctamente antes de comprometer fondos.
Verificación de latencia
Monitorea el tiempo de generación. Los textos cortos tardan unos segundos, mientras que textos largos se procesan a una velocidad similar al habla real (aproximadamente 25 caracteres por segundo). Si hay cola, los tiempos aumentan.
Audición de calidad
Evalúa la claridad en los idiomas objetivo. Verifica que la voz seleccionada pronuncie correctamente el vocabulario específico de tu lección. Asegúrate de que el formato de audio elegido (mp3, wav, etc.) sea compatible con tu reproductor.

Mejores prácticas de UX
Una buena experiencia de usuario en apps de idiomas depende de cómo se maneja la generación de audio. Los usuarios esperan respuestas inmediatas, pero la síntesis puede tardar segundos incluso en frases cortas. Es crucial gestionar esta latencia sin frustrar al estudiante.
La clave está en comunicar claramente el estado del sistema y permitir que la interfaz siga siendo usable mientras el audio se procesa. Esto mantiene el flujo de aprendizaje natural y evita que la app parezca congelada.
Indicadores de carga
Mostra un spinner sutil o una barra de progreso mientras se solicita el audio. Dado que la generación es asíncrona y puede haber cola, indica que el sistema está trabajando sin bloquear la pantalla.
No prometas un tiempo exacto, pero sí comunica que el proceso está en marcha. Esto reduce la ansiedad del usuario al esperar la síntesis de texto a voz.
- Usa iconos de ondas sonoras animadas para indicar estado activo.
- Muestra un mensaje claro como 'Generando audio...' en lugar de dejar la pantalla estática.
Descarga asíncrona
Permite que el usuario continúe navegando mientras el audio se genera en segundo plano. No obligues al usuario a esperar la finalización completa antes de interactuar con otros elementos de la app.
Esta práctica es esencial en apps de idiomas donde las lecciones pueden tener múltiples pasos. La descarga asíncrona mantiene el flujo de aprendizaje fluido y natural.
Considera cachear el audio generado si es reutilizable en lecciones futuras, evitando reprocesamiento innecesario.
- Genera audio en background sin bloquear la UI principal.
- Permite al usuario avanzar mientras el audio se prepara.
Accesibilidad de audio
Asegúrate de que el audio generado sea accesible para todos los usuarios. Proporciona controles de reproducción claros y compatibles con lectores de pantalla.
Incluye texto alternativo para el contenido auditivo y permite ajustar el volumen desde la interfaz. Esto mejora la experiencia de aprendizaje para usuarios con diferentes necesidades.
La claridad del audio es vital en apps de idiomas; verifica que los controles sean intuitivos y accesibles desde cualquier dispositivo.
- Incluye controles de play/pause visibles y accesibles.
- Proporciona texto alternativo para el contenido auditivo generado.
Gestión de idiomas
La API detecta automáticamente el idioma basándose en el script del texto enviado. El texto en latín se asume como inglés por defecto, pero para otros idiomas latinos es crucial especificar el campo language para evitar errores de pronunciación.
Detección automática
Si omites el parámetro language, el sistema infiere el idioma del script. Esto funciona bien para inglés, pero falla con otros idiomas en alfabeto latino.
Forzado de idioma ISO
Define explícitamente el idioma usando su código ISO (ej. es, fr, de). Esto garantiza que la voz correcta se utilice incluso si el texto contiene palabras en otro idioma.
Manejo de script mixto
Para textos con caracteres de scripts distintos (ej. japonés y latín), especifica el idioma principal. La API soporta 23 idiomas, incluyendo árabe, chino y coreano.
- Soporta 23 idiomas específicos
- Incluye scripts no latinos
Despliegue en la nube
Desplegar VozNativa en entornos cloud requiere una gestión rigurosa de las credenciales y la infraestructura subyacente. Al usar variables de entorno para almacenar la clave API, garantizas que el token Bearer no se exponga en el código fuente ni en repositorios públicos, manteniendo la seguridad de tu cuenta de desarrollo.
Variables de entorno
Almacena la clave en variables como TTS_API_KEY y la URL base https://api.11111bet.info/v1. Esto permite cambiar entornos (staging/producción) sin modificar el código de tu aplicación de idiomas.
Configuración de servidores
Configura tu servidor para leer estas variables al iniciar. Asegúrate de que el tiempo de espera (timeout) sea mayor a 5 segundos, ya que la generación de audio puede variar según la cola de carga.
Monitoreo de API
Vigila los límites de 60 solicitudes por minuto. Implementa logs que registren el tiempo de respuesta y el estado de cada solicitud para detectar cuellos de botella antes de que afecten a tus usuarios de aprendizaje.
Mantenimiento continuo
Mantener la estabilidad de tu integración requiere atención a tres áreas clave: seguridad de acceso, compatibilidad técnica y gestión de recursos. Al ser una API basada en el estándar de OpenAI, tus integraciones son robustas, pero la gestión activa de claves y límites asegura que tu app de idiomas siga funcionando sin interrupciones.
La rotación periódica de la clave API y el monitoreo del uso de caracteres previenen sorpresas en la facturación y mantienen el acceso seguro. Aunque no tenemos SDK propio, actualiza los paquetes de la librería de OpenAI para mantener la compatibilidad con el endpoint /v1/audio/speech y aprovechar mejoras en la estructura de la solicitud.
Rotación de claves
Puedes emitir una nueva clave API en cualquier momento desde tu panel. La clave anterior dejará de funcionar inmediatamente, lo que permite revocar accesos rápidamente si hay sospecha de compromiso sin necesidad de esperar a un ciclo mensual.
Almacena la clave en variables de entorno de tu servidor y no la expongas en el código del cliente móvil o web. Esto minimiza el riesgo de uso no autorizado y facilita la rotación cuando sea necesario.
- Emite una nueva clave desde el panel de usuario.
- La clave antigua se invalida al instante.
- Almacena la clave en variables de entorno seguras.
Actualización de SDK
No tenemos SDK propio, pero utilizamos el formato estándar de OpenAI, por lo que tus integraciones existentes son robustas. Simplemente actualiza las versiones de tus paquetes de desarrollo para asegurar compatibilidad con las últimas mejoras en el endpoint de /v1/audio/speech.
Mantener las dependencias actualizadas garantiza que tu aplicación siga interpretando correctamente la estructura JSON de las respuestas y los errores, evitando fallos silenciosos en la generación de audio para tus estudiantes.
- No hay SDK propietario que mantener.
- Actualiza las librerías oficiales de OpenAI.
- Verifica la compatibilidad con /v1/audio/speech.
Revisión de límites
Monitorea el límite de 60 solicitudes por minuto por clave. Si tu app genera audio para muchos usuarios simultáneamente, considera implementar cola de procesamiento o múltiples claves para evitar cuellos de botella.
Revisa el consumo de caracteres regularmente. Cada solicitud tiene un límite de 4096 caracteres; divide textos largos para evitar errores y optimiza el uso del crédito disponible en tu cuenta.
El monitoreo proactivo de estos límites evita interrupciones en la experiencia de aprendizaje de tus usuarios, asegurando que las lecciones de audio se generen a tiempo.
- Respetar el límite de 60 req/min.
- Dividir textos mayores a 4096 caracteres.
- Monitorear el consumo de caracteres y saldo.
Recursos adicionales
Para profundizar en la integración de VozNativa, consulta la documentación oficial en /docs/. Allí encontrarás la referencia completa de los endpoints, los parámetros de las voces y los formatos de audio disponibles para tu aplicación de idiomas.
Documentación completa
La documentación técnica detalla la estructura JSON requerida para las solicitudes POST y GET. Incluye ejemplos de curl y la especificación de los campos model, voice y response_format para asegurar una integración precisa.
- Referencia de endpoints /v1/audio/speech y /v1/voices
- Guía de autenticación con clave Bearer
- Especificación de límites y formatos
Ejemplos de código
Accede a ejemplos listos para usar en Python y otras lenguas comunes. Estos fragmentos muestran cómo modificar la base_url para usar el SDK de OpenAI con nuestra API, facilitando la implementación rápida en tu stack tecnológico.
- Ejemplo en Python con OpenAI SDK
- Solicitud cURL básica
- Manejo de respuestas JSON
Comunidad de devs
Envía tus dudas técnicas o sugerencias directamente por correo electrónico. El soporte es por email.
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
Fuentes y lecturas adicionales
- Wikipedia
- W3C WAI: making audio and video accessible
- ISO 639 language codes
- FFmpeg documentation
- OpenAI API reference: create speech
- Creative Commons Attribution 4.0
- TRON developer hub: TRC-20
- curl documentation
- LibriTTS-R paper (arXiv 2305.18802)
- Tether (USDT)
- IETF RFC 7845: Ogg Opus
- LibriTTS-R corpus (OpenSLR 141)
