Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube donde envías texto y recibes un archivo de audio. La API de VozNómada funciona mediante una llamada POST a su endpoint, permitiendo generar audio narrativo para tus aplicaciones móviles o dispositivos de visita sin necesidad de estudios de grabación físicos.
¿Puedo usar voces femeninas para audioguías?
Sí, ofrecemos cuatro voces femeninas: Aria, Nova, Luna y Sage. Puedes elegir cualquiera de ellas para crear audioguías, ideales para museos y startups de turismo.
¿Qué voces femeninas están disponibles?
Ofrecemos cuatro voces femeninas: Aria (narradora clara y cálida), Nova (brillante y animada), Luna (suave para contar historias) y Sage (calmada e instruccional). Todas están basadas en grabaciones con licencia y pueden hablar cualquiera de los 23 idiomas soportados por la API.
¿Cuántos idiomas soporta la API?
La API soporta 23 idiomas: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish. Si no especificas el idioma, se intenta adivinar por el script, pero recomendamos establecerlo manualmente para textos en latinos fuera del inglés.
¿El texto se guarda después de generar el audio?
No. El texto de entrada se utiliza únicamente para producir el audio y no se usa para entrenamiento. El audio generado se devuelve en la respuesta y no se almacena, manteniendo la privacidad de tu contenido narrativo. Solo conservamos metadatos de la petición para facturación.
¿Cuánto cuesta el servicio?
El costo es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y puntuación cuentan como caracteres. No hay planes mensuales ni mínimos de gasto; pagas solo por lo que usas mediante recargas de saldo.
¿Qué formato de audio puedo descargar?
Puedes solicitar el audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos se especifican en el campo response_format de tu petición JSON. El audio generado contiene una marca de agua inaudible que lo identifica como voz sintética generada por nuestra API.
¿Hay límites de caracteres por petición?
Sí, cada petición puede contener hasta 4096 caracteres. Para textos más largos, debes dividirlo en partes de este tamaño y unir los archivos de audio resultantes. Esto permite una gestión eficiente de la memoria y garantiza que la síntesis se complete correctamente en cada lote.
¿Se puede ajustar la velocidad de la voz?
Sí, puedes ajustar la velocidad de la voz entre 0.25 y 4.0 mediante el campo speed en la petición. Esto te permite acelerar o ralentizar la narración según las necesidades de tu audioguía o aplicación, manteniendo la claridad y la entonación natural de la voz seleccionada.
¿Cómo se paga con USDT?
El pago se realiza exclusivamente mediante USDT en la red TRON (TRC-20). El monto mínimo es de $5 y el saldo se acredita automáticamente en minutos tras la transferencia. No aceptamos tarjetas, PayPal ni suscripciones. El saldo no caduca.
¿Ofrecen clonación de voz personalizada?
No. No ofrecemos clonación de voz personalizada ni la posibilidad de subir tu propia voz. Las voces disponibles son ocho presets fijos basados en grabaciones con licencia. Si necesitas una voz específica, puedes elegir entre las opciones masculinas o femeninas ya configuradas en nuestra API.
¿Qué sucede si falla una petición?
Si la síntesis falla, la carga se devuelve completamente. No se te cobra por las peticiones que no generan audio correctamente. Esto asegura que solo pagues por el trabajo completado. Puedes reintentar la petición o dividir el texto si el error persiste por límites de longitud.
¿Tienen garantía de disponibilidad?
No ofrecemos garantía de disponibilidad (SLA) ni certificaciones como SOC 2 o HIPAA. Las peticiones se procesan en cola y, bajo carga, pueden tardar más. La velocidad típica es aproximadamente en tiempo real, pero no garantizamos un tiempo de respuesta específico ni un 100% de uptime.
¿Cómo contacto al soporte?
El soporte se realiza únicamente por correo electrónico. No contamos con chat en vivo ni número de teléfono. Puedes contactarnos a través de la página de contacto en nuestro sitio web. Para incidencias técnicas o facturas, nuestro equipo te responderá por este medio oficial.
Primera solicitud
curl
curl https://api.ak7x.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.mp3Voces ideales para audioguías
En VozNómada, las voces femeninas están diseñadas para dar vida a experiencias turísticas sin la complejidad de un estudio profesional. Nuestros presets capturan matices naturales que conectan directamente con el visitante, ya sea en una app móvil o en un dispositivo de visita guiada.
Aria: narradora cálida
Aria ofrece una voz clara y cercana, ideal para narrar historias con calidez. Su tono es perfecto para audioguías que buscan mantener la atención del usuario sin resultar invasivas, creando una atmósfera acogedora desde el primer segundo.
Luna: voz de historia
Luna tiene un estilo suave y narrativo, especialmente adecuado para contar la historia de un lugar o monumento. Su entrega suave invita a la reflexión y al disfrute del contenido cultural, manteniendo un ritmo pausado pero claro.
Nova: energía joven
Nova aporta un tono brillante y dinámico, ideal para audioguías dirigidas a públicos más jóvenes o para contenido promocivo vibrante. Su energía positiva mantiene la atención alta y transmite entusiasmo por el destino o la exposición.
Integración rápida para apps
Integra VozNómada en tu app con la misma estructura que la API de OpenAI. Solo cambia el base_url a https://api.ak7x.info/v1 y usa tus claves habituales; cualquier SDK oficial de OpenAI funciona sin modificaciones mayores.
SDK compatible con OpenAI
Utiliza el SDK de OpenAI ajustando la URL base. Esto te permite mantener tu código familiar y reducir el tiempo de integración en tu stack tecnológico actual.
Formatos MP3 y WAV
Elige entre MP3, WAV, OPUS, FLAC o PCM según tus necesidades de almacenamiento y calidad. La mayoría de reproductores móviles y web manejan MP3 y WAV de forma nativa.
Códigos de idioma ISO
Especifica el idioma con su código ISO (por ejemplo, es para español, en para inglés). Si no se indica, el sistema detecta el guion, pero para texto latino no inglés, es mejor definirlo explícitamente para evitar errores.
Idiomas para turismo internacional
VozNómada soporta 23 idiomas, incluyendo español, inglés, francés, alemán, italiano, portugués, japonés y chino, ideales para audioguías turísticas internacionales. Cada voz femenina y masculina puede hablar cualquiera de estos idiomas con naturalidad.
La API detecta automáticamente el idioma por el guion, pero para textos en latín no ingleses, recomendamos especificar el código ISO para mayor precisión. Esto asegura que las audioguías mantengan la pronunciación correcta en cada región.
Español, inglés y francés
Estos tres idiomas cubren la mayoría del turismo global. VozNómada incluye soporte completo para español, inglés y francés, además de otros 20 idiomas como alemán, italiano, portugués, japonés y chino.
Acentos neutros y regionales
Nuestras voces no imitan a celebridades ni clonan voces personalizadas. Utilizan grabaciones licenciadas de LibriTTS-R y LibriVox, ofreciendo acentos naturales y consistentes.
Detección automática
La API detecta el idioma basado en el guion de entrada. Para textos en latín distintos del inglés, especifica el código ISO para mayor precisión.
Precios justos por uso
Facturamos únicamente por caracteres generados, con un coste claro de $10 por cada millón de caracteres. Los espacios y la puntuación se cuentan como caracteres, pero si la síntesis falla, el cargo se devuelve íntegramente.
Sin costes fijos mensuales ni suscripciones obligatorias. No hay planes por plazas ni gasto mínimo. Tu saldo no caduca y puedes usarlo cuando necesites generar contenido para tus audioguías o apps.
$10 por millón de caracteres
El precio es uniforme para todos los modelos (tts-1 y tts-1-hd). Cada solicitud procesada cuenta caracteres exactos, incluyendo espacios y signos de puntuación. Si la generación falla, no se cobra nada.
- Precio: $0.01 por cada 1.000 caracteres.
Sin costes fijos mensuales
Empieza sin compromiso. No pagas por mantener la cuenta activa, solo por lo que realmente consumes. Ideal para proyectos turísticos con picos de demanda estacionales.
Pago con USDT TRC-20
Aceptamos únicamente USDT en la red TRON (TRC-20). El depósito mínimo es de $5 y el saldo se acredita automáticamente en minutos. Sin tarjetas, sin PayPal y sin facturas con IVA.
La clave API se emite tras recargar. Puedes generar una nueva clave en cualquier momento; la anterior deja de valer al instante.
- Mínimo de recarga: $5.
- Red: TRC-20 (TRON).
Calidad auditiva garantizada
El audio generado lleva una marca digital inaudible que confirma su origen sintético, asegurando transparencia en el contenido auditivo.
Nuestras voces provienen de grabaciones con licencia, ofreciendo una base sólida y clara para tus audioguías sin complicaciones legales.
Agua marca digital
Cada archivo de audio incluye una señal de agua digital inaudible que identifica claramente el contenido como generado por IA.
Voces licenciadas
Las voces están basadas en grabaciones licenciadas de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox.
Esto garantiza una calidad consistente y un uso legalmente claro para proyectos de museos y turismo.
Sin clonación personalizada
No ofrecemos clonación de voz personalizada ni subida de voces propias. Cada cliente utiliza los 8 presets fijos.
Esto mantiene el servicio simple, predecible y sin costos adicionales por diseño de voz.

Uso en museos y guías
Audio de larga duración
La generación de audio sigue un ritmo cercano al tiempo real, aproximadamente 25 caracteres por segundo en textos extensos. Las frases cortas pueden tardar unos segundos adicionales en procesarse. Bajo alta carga, las solicitudes pueden esperar en cola hasta ser atendidas.
División manual de texto
Debes dividir tus guiones en fragmentos de hasta 4096 caracteres y unir los archivos de audio resultantes. Esta gestión manual asegura que cada parte se sintetice correctamente sin superar los límites de la API.
Velocidad ajustable
Puedes controlar la velocidad de narración entre 0.25x y 4.0x. Ajusta este parámetro para adaptar el ritmo de la audioguía al contexto del museo o a la preferencia del usuario final.
Datos y privacidad
Cuando envías texto a nuestra API, lo usamos exclusivamente para generar el archivo de audio que recibirás. El texto de entrada se utiliza únicamente para producir el audio y no se usa para entrenamiento.
El archivo de audio generado se devuelve directamente en la respuesta y no se guarda en nuestros servidores. No conservamos copias del contenido narrado, lo que minimiza el riesgo de exposición de tus guiones o textos.
Texto no usado para entrenamiento
El texto que procesas es transitorio. Su único propósito es la síntesis inmediata de la voz y no entra en el ciclo de entrenamiento de nuestros modelos de IA.
Audio no almacenado
El archivo de audio generado se devuelve directamente en la respuesta y no se guarda. Esto asegura que tus audioguías o contenidos de museo permanezcan bajo tu control total sin residuos en nuestros discos.
Metadatos de facturación
Guardamos únicamente los datos necesarios para la facturación: el momento de la solicitud, la cantidad de caracteres procesados y el estado de la misma (éxito o fallo). Esta información es estricta y solo sirve para registrar tu saldo y permitir la emisión del cargo correcto.
Soporte técnico ágil
Solemos responder en menos de un día hábil. No hay colas telefónicas ni chats en vivo; todo va por correo para que quede constancia clara de tu consulta técnica o de facturación.
Atención por correo
Envía tu mensaje a [email protected]. Incluimos tu ID de cuenta y el error o duda concreta para agilizar la búsqueda de la solución sin vueltas.
Documentación clara
La página /docs/ explica el endpoint, los parámetros de voz y los formatos de respuesta con ejemplos listos para copiar. No asumimos que conozcas la API de memoria; todo está escrito paso a paso.
Límites de velocidad
La API acepta 60 solicitudes por minuto. Si superas este límite, los pedidos esperan en cola hasta que haya capacidad disponible, sin perder tu texto enviado.
Esto asegura que la síntesis no se degrade por sobrecarga y que recibas el audio completo en formato MP3 o WAV.
- 60 peticiones/minuto por clave
- Procesamiento secuencial bajo carga
- Sin garantía de tiempo fijo (SLA)
Comienza hoy mismo
Empieza a generar audioguías sin riesgo. Regístrate con tu cuenta de Google y recibe un saldo de $0.50 válido por 7 días, lo que equivale a aproximadamente 50 000 caracteres. Si prefieres crear una cuenta con correo y contraseña, el saldo inicial no se incluye automáticamente.
Prueba gratuita con Google
Accede al panel con autenticación OAuth y obtén tu saldo de prueba al instante. Este crédito te permite validar la calidad de las voces como Aria o Luna en tu entorno antes de decidir si continuas.
- Saldo de $0.50 incluido
- Válido durante 7 días
- Válido para 50 000 caracteres
Clave API inmediata
Una vez registrado, la página /get-api-key/ muestra tu clave única (formato tts-...) y el saldo disponible. Puedes emitir una nueva clave en cualquier momento; la anterior deja de funcionar inmediatamente.
- Una clave activa por cuenta
- Revocación instantánea
Ejemplo en curl
Envía texto a la API y recibe un archivo de audio en segundos. Copia la estructura JSON estándar y ajusta el base_url a https://api.ak7x.info/v1. Usa los modelos tts-1 o tts-1-hd con la voz y el formato que necesites.
- Método POST a /v1/audio/speech
- Body JSON estándar
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Entender las diferencias de tono es clave para que tu audioguía suene coherente con el espacio físico.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
