¿Cómo integrar la API TTS en apps móviles?

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

Esta guía explica cómo integrar nuestra API de texto a voz en aplicaciones móviles para Android e iOS. Aprenderás a enviar texto, recibir audio y gestionar la autenticación con tu clave API. Es ideal para desarrolladores freelance que buscan una solución directa, sin dependencias de grandes plataformas.

Descubre cómo optimizar costos, elegir el formato de audio adecuado y manejar errores comunes. También veremos cómo escalar tu proyecto manteniendo la privacidad de los datos. Si necesitas añadir voz a tu app de forma rápida y económica, este es el lugar para empezar a construir.

¿Cómo integrar la API TTS en apps móviles?

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 a un endpoint. Envías el texto y recibes el audio generado. Funciona con el mismo formato que la API de OpenAI, lo que facilita su uso con los SDKs oficiales de OpenAI cambiando la base_url.

¿Cómo se integra en una app móvil?

Tu app envía una solicitud POST a https://api.g7777.info/v1/audio/speech con el texto y la voz deseada. Recibes un archivo de audio (mp3, wav, etc.) que puedes reproducir directamente. Usa el SDK de OpenAI cambiando solo la base_url. Autentica con tu clave Bearer en el encabezado Authorization.

¿Es difícil la integración técnica?

No, si ya usas el SDK de OpenAI, solo cambias la base_url a https://api.g7777.info/v1. El formato de la solicitud es idéntico. Soporta modelos tts-1 y tts-1-hd. Es ideal para desarrolladores que buscan una integración rápida sin depender de grandes plataformas ni aprender protocolos complejos.

¿Qué formato de audio es mejor?

Elige según tus necesidades: mp3 para equilibrio entre calidad y tamaño, wav para alta fidelidad, opus para eficiencia, flac para pérdida cero o pcm para datos crudos. No hay streaming ni WebSocket, así que recibes el archivo completo tras la solicitud. El formato no afecta el precio, solo el almacenamiento.

¿Cómo optimizo los costos?

Cobramos $10 por millón de caracteres. Los espacios y puntuación cuentan. Divide textos largos en partes de 4096 caracteres para evitar errores. Las solicitudes fallidas son gratuitas. Usa la prueba gratuita de $0.50 para validar tu integración antes de invertir. No hay planes mensuales ni costos ocultos por uso.

¿Qué ocurre si falla la API?

Si la síntesis falla, el cargo se devuelve íntegramente. No pagas por audio no generado. Si hay alta demanda, las solicitudes pueden esperar en cola, pero no pierdes tu cuota. Mantén tu clave activa y monitorea los límites de velocidad para evitar interrupciones en la generación de audio.

¿Puedo escalar mi app fácilmente?

Sí, la API es cloud y no requiere infraestructura propia. Puedes hacer 60 solicitudes por minuto por clave. Si necesitas más, emite una nueva clave o gestiona la cola. No hay límites de volumen fijos, solo límites de velocidad por clave que puedes ajustar según tu crecimiento.

¿Mis datos están seguros?

El texto se usa solo para generar audio y no se entrena con él. El audio generado no se almacena en nuestros servidores. Conservamos metadatos (tiempo, caracteres, estado) solo para facturación. No compartimos tus datos con terceros. La privacidad es prioritaria para desarrolladores que manejan contenido sensible.

¿Hay ejemplos de código?

Sí, en la página /get-api-key/ encontrarás un ejemplo curl listo para usar. También puedes usar el SDK de OpenAI cambiando la base_url. Los parámetros son estándar: model, input, voice, response_format y speed. Es fácil de adaptar a cualquier lenguaje de programación que soporte HTTP.

¿Qué voces están disponibles?

Ofrecemos 8 voces: aria, nova, luna, sage (femeninas) y felix, milo, atlas, orion (masculinas). Cada una tiene un tono distinto, desde narrador hasta documental. Puedes especificar el idioma ISO o dejar que se detecte automáticamente. Todas las voces hablan los 23 idiomas soportados sin costo extra.

¿Cuánto tarda la integración?

Si ya usas el SDK de OpenAI, solo cambias la base_url. La integración puede tomar minutos si conoces la API. Para nuevos usuarios, el ejemplo curl y la documentación en /docs/ aceleran el proceso. La generación de audio tarda unos segundos por frase corta.

¿Puedo cambiar de API más tarde?

Sí, usamos el formato de solicitud de OpenAI, lo que facilita la migración. Si decides volver, tu código solo necesita revertir la base_url. No hay lock-in técnico. Tu clave es específica de esta tienda, pero el formato de datos es estándar y portable.

¿Qué soporte ofrecen?

El soporte es por correo electrónico únicamente. No tenemos chat en vivo ni teléfono. Responderemos a tus dudas sobre integración, facturación o uso de la API. No ofrecemos garantía de SLA ni soporte 24/7. Es un servicio diseñado para desarrolladores autónomos que prefieren la simplicidad.

¿Cómo inicio con la prueba gratuita?

Regístrate con Google en /get-api-key/ para recibir $0.50 de crédito válido por 7 días. Con email y contraseña no hay prueba. Usa ese crédito para probar voces y formatos. Si necesitas más, recarga con USDT TRC-20. El saldo no expira y puedes empezar sin tarjeta.

¿Hay límites de velocidad?

Sí, 60 solicitudes por minuto por clave. Antes del primer recargo, el límite es de 10 por minuto. Si excedes, las solicitudes pueden retrasarse en cola. Puedes emitir una nueva clave para obtener un límite adicional. Monitorea el uso desde tu panel para evitar interrupciones.

Integración técnica

Ilustración de onda de sonido para: Integración técnica

Integrar AliaVoz en tu app móvil es directo: usa el endpoint POST https://api.g7777.info/v1/audio/speech con el formato JSON estándar. Solo necesitas enviar el texto, la voz deseada y el idioma (opcional; si no se indica, se infiere del script, por defecto inglés para texto en latín).

Endpoints principales

El núcleo es POST /v1/audio/speech. Envías texto (máx. 4096 caracteres) y recibes el archivo de audio. Para obtener la lista de voces y formatos, usa GET /v1/voices. Si necesitas información de los modelos, consulta GET /v1/models.

Autenticación con clave

Incluye tu clave en el encabezado: Authorization: Bearer tts-... . Cada cuenta tiene una clave activa por sitio. Si la revocas, la anterior deja de funcionar al instante.

Manejo de respuestas

La API devuelve el audio directamente. Si la síntesis falla, no se cobra. Guarda el archivo recibido o transfiérelo a la interfaz de tu aplicación para la reproducción.

Optimización de costos

Ilustración de onda de sonido para: Optimización de costos

Controlar el consumo de caracteres es clave para mantener los costos bajos en tu app móvil. Cada solicitud acepta hasta 4096 caracteres, por lo que textos largos deben dividirse y unirse luego. El precio es de $0.01 por cada 1000 caracteres, incluyendo espacios y puntuación.

Estimación de caracteres

Calcula el tamaño del texto antes de enviarlo. Si superas el límite de 4096 caracteres, la solicitud fallará. Recuerda que cada carácter cuenta, incluso los espacios.

  • Precio: $10 por 1 millón de caracteres.

Uso eficiente de la API

Reutiliza las respuestas cuando sea posible o almacena localmente audios estáticos para evitar nuevas llamadas. Las solicitudes fallidas son gratuitas, pero las exitosas se cobran inmediatamente. Usa el formato adecuado para tu caso de uso.

Control de gastos

Monitorea tu balance en el panel. Las recargas son por USDT en la red TRON. No hay cargos fijos ni planes mensuales, solo pagas por lo que usas. Revisa el historial para identificar patrones de uso excesivo.

  • Sin costos ocultos ni suscripciones.

Calidad de audio

Ilustración de onda de sonido para: Calidad de audio

La calidad del audio generado depende de la selección adecuada de formato y voz. AliaVoz ofrece opciones que equilibran peso de archivo y fidelidad, esenciales para el rendimiento de aplicaciones móviles en redes variables.

Formatos recomendados

Utiliza MP3 para equilibrar compatibilidad y tamaño, o WAV para máxima calidad sin pérdida. Si necesitas eficiencia extrema, OPUS y FLAC son opciones válidas, mientras que PCM es ideal para procesamiento inmediato.

  • MP3: Equilibrio estándar.
  • WAV: Alta fidelidad.
  • OPUS: Compresión eficiente.
  • FLAC: Sin pérdida de calidad.

Voces disponibles

Elige entre 8 voces predefinidas con tonos distintos, desde narradores claros hasta voces profundas. Cada voz soporta 23 idiomas, permitiendo personalizar la experiencia de usuario sin clonación personalizada.

  • Femeninas: Aria, Nova, Luna, Sage.
  • Masculinas: Felix, Milo, Atlas, Orion.

Ajustes de velocidad

Ajusta la velocidad entre 0.25x y 4.0x para adaptar la voz a diferentes contextos. Esta flexibilidad permite optimizar la comprensión auditiva sin perder naturalidad en la generación.

Manejo de errores

Ilustración de onda de sonido para: Manejo de errores

En el desarrollo de apps móviles, la red es impredecible. Implementar reintentos automáticos con backoff exponencial es la primera línea de defensa para garantizar que el usuario no escuche silencio cuando la API tarda en responder.

Retries automáticos

Configura tu cliente para reintentar solicitudes fallidas hasta tres veces, aumentando el tiempo de espera entre cada intento. Esto maneja caídas temporales de red sin bloquear la interfaz de usuario.

  • Usa backoff exponencial (1s, 2s, 4s).
  • Límite máximo de 3 reintentos.
  • Cancela si el usuario abandona la pantalla.

Códigos de error comunes

El error 429 indica que has excedido los 60 requests por minuto. Espera un minuto o reduce la concurrencia. El 401 significa que la clave es inválida o expiró.

Los errores 500 son transitorios; si persisten, contacta por correo. Asegúrate de que el texto no supere los 4096 caracteres para evitar errores de formato.

Monitoreo básico

Registra el tiempo de respuesta y el código de estado en tu app. Esto te permite identificar si los retrasos son locales o de la API.

Monitorea el uso de tu cuenta para anticipar límites de velocidad. Si ves muchos 429, considera dividir textos largos en partes más pequeñas.

  • Loguea status codes.
  • Alerta si el balance baja de $1.

Escalabilidad

Ilustración de onda de sonido para: Escalabilidad

La API de AliaVoz está diseñada para escalar junto con tu aplicación móvil, manejando desde pruebas unitarias hasta miles de usuarios activos. Conocer los límites de velocidad y la lógica de procesamiento en cola te permite anticipar el comportamiento de tu app bajo carga sin sorpresas inesperadas.

La infraestructura soporta el crecimiento natural de un proyecto freelance, manteniendo la estabilidad incluso cuando aumentan las solicitudes. Esta sección detalla cómo gestionar estos límites para asegurar que tu integración permanezca fluida y predecible a medida que tu base de usuarios crece.

Límites de velocidad

Cada clave API tiene un límite de 60 solicitudes por minuto. Antes de tu primera recarga, este límite es de 10 solicitudes por minuto, lo cual es suficiente para pruebas iniciales. Si superas el límite, la API devolverá un error indicando que debes reducir la frecuencia de tus llamadas.

Cola de procesamiento

Las solicitudes se procesan en orden secuencial. En períodos de alta demanda, una solicitud puede esperar en una cola antes de comenzar la síntesis. Esto no afecta la calidad del audio, pero puede aumentar ligeramente la latencia percibida en tu aplicación durante picos de uso.

Para una experiencia de usuario óptima, considera implementar retroalimentación visual en tu app móvil mientras la solicitud está en cola, informando al usuario que el audio se está generando.

Crecimiento del proyecto

A medida que tu app gana tracción, la escalabilidad de AliaVoz se adapta a tu volumen. No hay límites de caracteres mensuales ni costos fijos, solo pagas por lo que usas. Puedes emitir una nueva clave para revocar la anterior, pero solo hay una clave activa por cuenta.

La estructura simple de la API permite integrar fácilmente la lógica de colas y reintentos sin necesidad de infraestructura compleja, facilitando el mantenimiento a largo plazo.

Privacidad de datos

Ilustración de onda de sonido para: Privacidad de datos

El texto que envías se utiliza exclusivamente para generar el archivo de audio correspondiente. No lo empleamos para entrenar nuestros modelos, garantizando que tu contenido no se convierta en parte de la base de datos de entrenamiento de la API.

Los archivos de audio generados se devuelven directamente en la respuesta y no se almacenan en nuestros servidores una vez entregados. Solo conservamos los metadatos de la solicitud (tiempo, caracteres y estado) estrictamente para fines de facturación y control de uso.

Uso de texto

Tus textos de entrada son efímeros en nuestro sistema. Una vez sintetizado el audio, la información textual no persiste para otros fines. Esto es ideal para aplicaciones que manejan contenido dinámico o personalizable por el usuario final.

  • Uso exclusivo para síntesis
  • Sin entrenamiento de modelos
  • Datos temporales

No almacenamiento de audio

El audio generado viaja hacia tu aplicación y no queda guardado en la nube de AliaVoz. Esto reduce la carga de almacenamiento y mantiene la integridad de tu flujo de datos, ya que tú controlas dónde se guarda el resultado final.

Normativas

Mantenemos un enfoque minimalista en la retención de datos. Solo guardamos lo necesario para verificar la facturación: hora de la solicitud, cantidad de caracteres procesados y estado de la misma. No realizamos seguimiento de usuario ni perfiles de comportamiento.

Privacidad de datos

Casos de uso

Ilustración de onda de sonido para: Casos de uso

La API de AliaVoz se integra fácilmente en aplicaciones móviles para convertir texto en audio, permitiendo a los desarrolladores freelance ofrecer funcionalidades de lectura sin depender de grandes plataformas. La integración es directa mediante solicitudes POST a nuestro endpoint, usando el SDK de OpenAI cambiando la base_url.

Este enfoque simplifica la generación de audio, ideal para crear asistentes de voz, lectores de libros electrónicos o incluso elementos interactivos en juegos móviles. Los usuarios reciben audio generado con voces claras, mejorando la experiencia de usuario.

Lectores de libros

Los lectores de libros pueden aprovechar la API de AliaVoz para convertir capítulos completos en audio, ofreciendo una experiencia de escucha inmersiva. Con voces como 'aria' y 'nova', el contenido es claro y fácil de seguir, especialmente para usuarios que prefieren escuchar en lugar de leer.

  • Convierte texto en audio con voces claras como 'aria' y 'nova'.
  • Ideal para libros electrónicos y contenido largo.
  • Compatible con SDKs de OpenAI para integración rápida.

Asistentes de voz

Los asistentes de voz pueden beneficiarse de la API de AliaVoz para generar respuestas audibles en tiempo real. Con velocidades ajustables entre 0.25x y 4x, las respuestas se adaptan a diferentes contextos, desde conversaciones rápidas hasta explicaciones detalladas.

  • Respuestas audibles en tiempo real con velocidades ajustables.
  • Voces como 'felix' y 'milo' para interacciones dinámicas.
  • Integración sencilla con SDKs compatibles.

Juegos

En el desarrollo de juegos, la API de AliaVoz permite agregar diálogos de personajes o narrativas dinámicas sin necesidad de grabaciones predefinidas. Con voces como 'luna' y 'atlas', los desarrolladores pueden crear experiencias inmersivas y personalizadas para sus jugadores.

  • Diálogos de personajes con voces como 'luna' y 'atlas'.
  • Narrativas dinámicas sin grabaciones predefinidas.
  • Experiencias inmersivas y personalizadas para jugadores.

Soporte

Ilustración de onda de sonido para: Soporte

Como desarrollador freelance, necesitas resolver dudas rápido. Nuestra documentación es el primer recurso: explica los endpoints, autenticación y ejemplos de código listos para copiar y pegar en tu app móvil.

Si la guía no basta, escríbenos. No hay chat en vivo ni teléfono; solo correo electrónico para consultas técnicas detalladas.

Documentación técnica

La documentación cubre la estructura JSON, los formatos de audio soportados y los códigos de error. Incluye ejemplos prácticos para integrar la API en entornos móviles sin fricción.

  • Referencia de endpoints y campos
  • Ejemplos de código en cURL
  • Guía de autenticación Bearer

Soporte por correo

El soporte es exclusivamente por correo electrónico. Es el canal directo para resolver problemas específicos que no se ajustan a los casos de uso estándar.

Recursos adicionales

Accede a la página de precios para calcular costos por carácter o al área de claves para generar tu nueva clave API si la perdiste.

  • Calculadora de costos
  • Gestión de API keys

Mantenimiento

Ilustración de onda de sonido para: Mantenimiento

Mantener tu integración móvil fluida requiere dos hábitos simples: rotar claves y vigilar el consumo. AliaVoz permite emitir una nueva clave en cualquier momento; la anterior deja de valer al instante, lo que facilita revocar accesos si detectas fugas o cambios en tu equipo de desarrollo.

El panel de tu cuenta muestra el balance, los caracteres restantes y el historial de solicitudes. Usa esa información para ajustar la velocidad o los límites de caracteres antes de que se agote el crédito, especialmente si tu app genera audio con frecuencia.

Gestión de claves

Emite una nueva clave desde /get-api-key/ cuando lo necesites. La antigua se invalida de inmediato, sin periodos de gracia.

Si usas la prueba gratuita, recuerda que la clave está vinculada a tu cuenta de Google y tiene un límite de tiempo.

  • Una clave activa por cuenta.
  • Invalidación inmediata al emitir una nueva.
  • Sin riesgo de uso duplicado.

Monitoreo de uso

Revisa el panel para ver caracteres consumidos y estado de las solicitudes.

Ajusta la velocidad o el modelo (tts-1 vs tts-1-hd) según tu presupuesto.

Configura alertas en tu app para pausar la generación si el saldo es bajo.

  • Balance visible en tiempo real.
  • Historial de solicitudes para auditoría.
  • Control de caracteres restantes.

Próximos pasos

Ilustración de onda de sonido para: Próximos pasos

Comienza con los $0.50 de crédito para familiarizarte con la API. Regístrate con Google para activar esta prueba de 7 días y generar aproximadamente 50.000 caracteres sin riesgo financiero.

Prueba gratuita

Utiliza este saldo inicial para validar la integración básica en tu entorno de desarrollo. Si tu cuenta se creó con email y contraseña, no tendrás crédito; registra una cuenta nueva con Google para acceder a la prueba.

  • Crédito de $0.50 válido por 7 días
  • Aproximadamente 50.000 caracteres de prueba
  • Activación inmediata con inicio de sesión en Google

Primeras solicitudes

Envía tu primera solicitud a POST /v1/audio/speech para obtener un archivo de audio. Verifica que la autenticación Bearer funcione correctamente y revisa los límites de velocidad de 10 solicitudes por minuto antes de tu primer recargo.

Despliegue en producción

Una vez validado, recarga tu cuenta con un mínimo de $5 vía USDT (TRC-20). El saldo se acredita automáticamente en minutos, permitiendo escalar tu app móvil sin interrupciones ni contratos de permanencia.

Limitaciones técnicas

Ilustración de onda de sonido para: Limitaciones técnicas

Esta API es un servicio síncrono: envías texto y recibes el archivo completo una vez terminado. No hay streaming de audio en tiempo real ni conexión WebSocket para recibir fragmentos progresivos. Cada solicitud se procesa en cola, por lo que la latencia depende del volumen de peticiones.

Sin streaming en tiempo real

Si tu app necesita audio inmediato sin esperar la finalización del archivo, este modelo síncrono puede no ser ideal. Debes gestionar la carga del archivo una vez que la API devuelva la respuesta completa.

Sin SSML ni fonemas

La API no interpreta etiquetas SSML ni diccionarios de fonemas personalizados. No puedes ajustar la pronunciación de palabras específicas o las pausas mediante marcado XML avanzado. El motor infiere la entonación automáticamente según el texto.

Sin clonación de voz

No ofrecemos clonación de voz personalizada ni diseño de voces nuevas. Solo puedes elegir entre las 8 voces preset disponibles (como Aria, Nova o Atlas). No se pueden subir grabaciones propias para crear una voz única.

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. Tether (USDT)
  3. openai-python on GitHub
  4. W3C WAI: making audio and video accessible
  5. LibriTTS-R paper (arXiv 2305.18802)
  6. TRON developer hub: TRC-20
  7. FFmpeg documentation
  8. Node.js documentation
  9. Python documentation
  10. IETF RFC 7845: Ogg Opus
  11. curl documentation
  12. openai-node on GitHub

Más en este sitio