Convierte texto en audio para tu aplicación móvil

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

Esta página te explica cómo integrar una API de texto a voz en tu aplicación móvil sin depender de grandes plataformas. Aprenderás a usar el endpoint compatible con OpenAI, los 8 estilos de voz disponibles y los formatos de audio que mejor se adaptan a tu app.

Está diseñada para desarrolladores freelance que necesitan generar audio de forma simple y económica. Aquí encontrarás ejemplos de integración, precios por uso y la documentación técnica necesaria para comenzar a convertir texto en audio en tu proyecto.

Convierte texto en audio para tu aplicación móvil

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 solicitud POST. Envías el texto y recibes el audio, simplificando la integración de voz en tus aplicaciones móviles sin depender de grandes plataformas.

¿Cómo se integra la API en una app móvil?

Envía una solicitud POST a https://api.g7777.info/v1/audio/speech con el texto y la voz deseada. Puedes usar los SDKs oficiales de OpenAI cambiando la base_url, o realizar llamadas HTTP directas con tu clave API en el encabezado.

¿Cuántos idiomas soporta la API?

Soporta 23 idiomas, incluyendo inglés, español, alemán, japonés y árabe. Cualquier voz puede hablar cualquier idioma de la lista. Si no especificas el código ISO, el sistema intenta adivinarlo, pero es recomendable definirlo para textos en latinos no ingleses.

¿Qué formato de audio es mejor para apps?

Puedes elegir entre mp3, wav, opus, flac o pcm. MP3 es ideal para equilibrar calidad y tamaño en móviles. WAV ofrece alta calidad sin compresión. Elige según tus necesidades de almacenamiento y compatibilidad con el reproductor de tu aplicación.

¿Hay un límite de caracteres por solicitud?

Sí, el límite es de 4096 caracteres por solicitud. Si tu texto es más largo, debes dividirlo en partes de este tamaño y unir los archivos de audio resultantes. Los espacios y puntuación cuentan como caracteres.

¿Se puede cambiar la voz después de generar el audio?

No. La voz se selecciona al momento de la solicitud y se fija en el archivo generado. Si necesitas otra voz, debes realizar una nueva solicitud con el parámetro voice diferente y pagar por los caracteres consumidos nuevamente.

¿Qué sucede si falla una solicitud?

Si la síntesis falla, la carga se devuelve completamente. No se te cobra por las solicitudes que no se completaron exitosamente. Esto asegura que solo pagues por el audio generado correctamente, manteniendo tu saldo intacto en caso de error.

¿Es necesario un plan mensual?

No. No hay planes mensuales, suscripciones ni mínimos de gasto. Pagas solo por los caracteres que consumes. El saldo no expira y puedes recargar cuando quieras. Es un modelo flexible ideal para desarrolladores con volúmenes de uso variables.

¿Puedo usar mi propia clave API?

Cada cuenta tiene una clave activa por sitio. Puedes emitir una nueva clave en cualquier momento, y la anterior dejará de funcionar inmediatamente. Usa esta clave en el encabezado Authorization: Bearer para autenticar tus solicitudes a la API.

¿Las voces suenan naturales?

Las voces están basadas en grabaciones con licencia de LibriTTS-R y Lecturas de dominio público de LibriVox. Ofrecen un tono cálido, claro o narrativo dependiendo de la preset. Cada archivo incluye una marca de agua inaudible que indica que es síntesis.

¿Hay cargos por uso inactivo?

No. Solo se cobra por los caracteres procesados en solicitudes exitosas. No hay costos fijos mensuales ni cargos por mantener la cuenta activa. Si no usas la API, no pagas nada. El saldo restante permanece disponible indefinidamente.

¿Cuánto tarda en generarse el audio?

Típicamente, la generación es aproximadamente en tiempo real, unos 25 caracteres por segundo. Frases cortas pueden tardar unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga podría haber una pequeña espera antes de la generación.

¿Se puede usar en producción?

Sí, es una API REST estándar diseñada para integración programática. Soporta hasta 60 solicitudes por minuto por clave. Es estable para uso en aplicaciones móviles. Ideal para proyectos freelance.

¿Qué voces están disponibles?

Hay 8 voces: Aria, Nova, Luna, Sage (femeninas) y Felix, Milo, Atlas, Orion (masculinas). Cada una tiene un tono distinto, desde narrador cálido hasta documental profundo. Puedes seleccionar cualquiera de estas presets al realizar la solicitud de audio.

Primera solicitud

curl

curl https://api.g7777.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

Integración rápida para desarrolladores

Ilustración de onda de sonido para: Integración rápida para desarrolladores

Integra voz en tu app móvil enviando texto al endpoint POST /v1/audio/speech. La estructura del cuerpo JSON es idéntica a la API de OpenAI, lo que permite usar los SDKs oficiales cambiando solo la base_url a https://api.g7777.info/v1.

Endpoint compatible con OpenAI

Endpoint compatible con OpenAI

Envía una solicitud con tu clave Bearer y recibe un archivo de audio. El formato de la solicitud es el mismo que usa OpenAI, lo que facilita la migración o el uso simultáneo sin reescribir lógica compleja.

SDK oficial o HTTP puro

Utiliza los SDKs oficiales de OpenAI ajustando la URL base, o implementa peticiones HTTP estándar si prefieres control total. No necesitas un SDK propietario adicional.

Documentación técnica clara

La documentación detalla los campos necesarios: model, input, voice y response_format. Los ejemplos de código están listos para copiar y pegar en tus proyectos de desarrollo móvil.

Voces naturales para tu app

Ilustración de onda de sonido para: Voces naturales para tu app

Ofrece a tus usuarios una experiencia auditiva clara y atractiva desde el primer momento. Nuestras voces están optimizadas para lectura en aplicaciones móviles, garantizando que el contenido se escuche natural sin fatigar al oyente durante sesiones prolongadas.

No necesitas diseñar voces personalizadas ni pagar por clonación. Solo elige el preset que mejor se adapte al tono de tu app y empieza a integrar audio en segundos.

8 voces predefinidas

Selecciona entre ocho presets diseñados para diferentes contextos: desde narradores cálidos hasta voces neutras para noticias.

Tanto hombres como mujeres están disponibles para cubrir la diversidad de tus personajes o asistentes virtuales.

  • Femeninas: aria, nova, luna, sage
  • Masculinas: felix, milo, atlas, orion

Datos de audio licenciados

Las voces se basan en grabaciones licenciadas de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox.

Esto asegura una base sólida y legal para el uso comercial en tus aplicaciones móviles sin preocupaciones adicionales.

Marcas de agua sintéticas

Cada archivo generado incluye una marca de agua inaudible que identifica el audio como generado por IA.

Esto ayuda a mantener la transparencia con tus usuarios sobre el origen del contenido auditivo.

Idiomas disponibles

Ilustración de onda de sonido para: Idiomas disponibles

Nuestra API soporta 23 idiomas, desde el inglés y español hasta el árabe, chino y japonés. Puedes usar cualquier voz para generar audio en cualquiera de estos idiomas, lo que simplifica la gestión de recursos en tu aplicación móvil.

Si no especificas el idioma, el sistema lo detecta automáticamente basándose en el script del texto. Para textos en latín que no sean inglés, recomendamos establecer el campo language explícitamente para evitar suposiciones incorrectas.

23 idiomas soportados

Puedes generar audio en arabe, chino, danés, neerlandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, swahili, sueco y turco. No se admiten idiomas como vietnamita, tailandés o ucraniano.

Cada idioma ofrece la misma calidad de audio independientemente de la voz seleccionada, lo que permite una experiencia de usuario consistente en todo el mundo.

  • Soporte completo para scripts latinos, cirílico, árabes y asiáticos.
  • Sin restricciones de vocabulario por idioma; el modelo maneja términos técnicos y nombres propios.

Detección automática de idioma

El sistema intenta adivinar el idioma si no se proporciona el parámetro language. Para texto en latín, la suposición predeterminada es inglés.

Para textos en otros idiomas con escritura latina (como alemán o francés), establece explícitamente el campo language con el código ISO correspondiente para garantizar la pronunciación correcta.

  • Detección basada en la script del texto de entrada.
  • Recomendamos especificar language para evitar errores de pronunciación en idiomas no ingleses con escritura latina.

Soporte multilingüe

Puedes mezclar idiomas en una sola solicitud si el texto contiene múltiples lenguas, aunque la precisión puede variar si no se especifica el idioma principal.

Ideal para aplicaciones que sirven a usuarios de diferentes regiones sin necesidad de múltiples proveedores de TTS.

Formatos de audio flexibles

Ilustración de onda de sonido para: Formatos de audio flexibles

Elige el formato que mejor se ajuste a tu aplicación móvil. Cada opción balancea calidad, tamaño de archivo y compatibilidad con los reproductores nativos de iOS y Android.

MP3 para eficiencia

Formato estándar con compresión lossy. Ideal para reducir el uso de datos móviles y acelerar la carga inicial en redes celulares.

  • Tamaño de archivo reducido
  • Amplia compatibilidad nativa
  • Ideal para notificaciones

WAV para alta calidad

Audio sin compresión. Garantiza fidelidad máxima para contenido crítico o edición posterior, aunque incrementa el tamaño del archivo.

  • Calidad sin pérdida
  • Procesamiento inmediato
  • Mayor consumo de almacenamiento

OPUS y FLAC disponibles

OPUS ofrece compresión eficiente. FLAC proporciona audio sin pérdida con compresión lossless, ideal para archivos de alta definición.

  • OPUS: compresión eficiente
  • FLAC: alta fidelidad
  • Opciones versátiles

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

La generación de audio se cobra únicamente por caracteres procesados, a una tarifa fija de $10 por millón de caracteres. Los espacios y la puntuación cuentan como caracteres. Si la síntesis falla, el cargo se devuelve íntegramente, por lo que solo pagas por resultados exitosos.

Pago por uso

Calcula tu presupuesto con precisión. Con $0.01 por cada 1.000 caracteres, el costo es predecible y proporcional al volumen. No hay sorpresas ni cargos ocultos por la infraestructura subyacente.

  • Tarifa: $10 por 1 millón de caracteres
  • Cargo solo por solicitudes exitosas
  • Espacios y puntuación cuentan como caracteres

Sin costos fijos

Olvídate de suscripciones mensuales o planes con asientos fijos. No hay mínimo de gasto ni pagos recurrentes obligatorios. Puedes usar la API solo cuando tu aplicación lo requiera.

Prueba gratuita incluida

Inicia con $0.50 de crédito (aproximadamente 50.000 caracteres) válido por 7 días al registrarte con Google. Si usas correo y contraseña, el crédito inicial no se incluye. El saldo restante no expira.

  • Crédito inicial: $0.50 (válido 7 días)
  • Válido al iniciar sesión con Google
  • Saldo sin fecha de caducidad
Precios transparentes

Límites y rendimiento

Ilustración de onda de sonido para: Límites y rendimiento

La API permite 60 solicitudes por minuto por clave, con un límite inicial de 10 rpm hasta realizar el primer recargo. Esto asegura estabilidad en entornos de producción móvil sin saturar el servicio.

Cola de procesamiento

Las solicitudes se procesan secuencialmente. Bajo carga, una petición puede esperar en cola antes de generar el audio, lo que añade algunos segundos de latencia adicional a la generación básica.

Larga duración de textos

El límite es de 4096 caracteres por solicitud. Para textos más largos, debes dividirlos en partes y unir los archivos de audio resultantes. La velocidad promedio es de 25 caracteres por segundo de audio generado.

Precios transparentes

Se cobra $0.01 por cada 1000 caracteres (espacios incluidos). Las solicitudes fallidas son gratuitas y el saldo no caduca. Solo aceptamos USDT en la red TRON para recargos mínimos de $5.

Casos de uso en apps

Ilustración de onda de sonido para: Casos de uso en apps

Integra voces naturales directamente en tu flujo de trabajo móvil. Con un endpoint compatible con OpenAI, los desarrolladores freelance pueden generar audio de alta calidad sin depender de plataformas grandes, manteniendo el control total sobre la experiencia del usuario.

Lectores de libros

Convierte capítulos de novelas o artículos extensos en audio para ahorrar datos. Al soportar hasta 4096 caracteres por solicitud y permitir la división manual de textos largos, puedes ofrecer una experiencia de lectura auditiva fluida y continua.

  • Generación de audio para contenido de texto largo
  • Formatos MP3 y OGG para optimización de datos móviles

Asistentes virtuales

Proporciona respuestas habladas inmediatas a las consultas de tus usuarios. Con velocidades ajustables entre 0.25x y 4.0x, puedes adaptar el ritmo de la voz para que coincida perfectamente con la interacción, ya sea para instrucciones claras o conversaciones más relajadas.

  • Respuestas de texto a voz
  • Control de velocidad para ajustar la claridad

Notificaciones por voz

Alertas personalizadas que captan la atención más que un simple tono. Utiliza las 8 voces disponibles para dar carácter a las notificaciones de tu app, asegurando que el mensaje sea claro y memorable sin requerir intervención manual del usuario.

  • Alertas de voz claras y distintivas
  • 8 voces predefinidas con tonos únicos

Seguridad y privacidad

Ilustración de onda de sonido para: Seguridad y privacidad

Tu seguridad comienza con una clave activa por cuenta, revocable al instante. Los metadatos de la solicitud (tiempo, caracteres, estado) se conservan exclusivamente para la facturación.

El texto enviado se utiliza únicamente para generar el audio y no se usa para entrenar modelos. Los archivos de audio generados se devuelven en la respuesta y no se almacenan en nuestros servidores.

Claves API únicas

Cada cuenta tiene una sola clave activa. Si emites una nueva, la anterior deja de funcionar inmediatamente, garantizando que solo tú tengas acceso.

Datos no usados para entrenamiento

A diferencia de otras plataformas, el texto que envías no se utiliza para mejorar nuestros modelos de IA. Tu contenido permanece tuyo.

Procesamiento en la nube

Todas las solicitudes se procesan en nuestra infraestructura cloud. No se requiere instalación on-premise ni elección de centros de datos específicos.

Comunidad y soporte

Ilustración de onda de sonido para: Comunidad y soporte

Para desarrolladores freelance que integran audio en aplicaciones móviles, el soporte es directo y sin burocracia. No hay chat en vivo ni número de teléfono; toda la comunicación se gestiona por correo electrónico, lo que permite un seguimiento claro de los casos técnicos y administrativos.

La comunidad de desarrolladores conecta a otros freelancers que integran nuestra API en sus aplicaciones móviles. Este espacio permite compartir experiencias específicas sobre la integración técnica y el flujo de trabajo con la API.

Soporte por correo

El soporte es por correo electrónico únicamente. No ofrecemos chat en vivo ni número de teléfono, lo que garantiza que cada consulta técnica o de facturación sea tratada con detalle y quede registrada para tu referencia futura.

Es el canal oficial para resolver dudas sobre claves API, estados de saldo o errores de sintaxis en las solicitudes. Respondemos a las consultas técnicas con precisión, evitando la sobrecarga de llamadas telefónicas.

  • Sin chat en vivo ni número de teléfono
  • Comunicación por correo electrónico única
  • Registro claro de cada consulta

Comunidad de desarrolladores

Conecta con otros freelancers que integran nuestra API en sus aplicaciones móviles. Este espacio permite compartir experiencias específicas sobre la integración técnica y el flujo de trabajo con la API.

Las discusiones se centran en el uso práctico de la API, como el manejo de colas de procesamiento o la optimización de caracteres para reducir costos en tus proyectos móviles.

Actualizaciones constantes

Mantente informado sobre cambios en la API, nuevas voces o actualizaciones de precios directamente desde tu panel. Recibirás notificaciones clave sobre mejoras que afectan tu integración.

No hay contratos de servicio ni garantías de tiempo de actividad, pero sí comunicación clara sobre las mejoras que impactan tu flujo de trabajo diario.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. La simplicidad de la integración REST permite a desarrolladores freelance generar audio rápidamente sin configurar infraestructura adicional.

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. LibriTTS-R corpus (OpenSLR 141)
  4. IETF RFC 7845: Ogg Opus
  5. openai-python on GitHub
  6. Tether (USDT)
  7. TRON developer hub: TRC-20
  8. FFmpeg documentation
  9. W3C WAI: making audio and video accessible
  10. MDN: Web Speech API
  11. ISO 639 language codes
  12. Creative Commons Attribution 4.0

Más en este sitio