Texto a voz femenina natural para tu proyecto turístico

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

VozNómada ofrece una API de texto a voz diseñada para startups de turismo y museos. Convierte guiones en audio con voces femeninas y masculinas de acento natural, ideales para audioguías móviles sin necesidad de estudiar de grabación.

Envía texto y recibe archivos MP3, WAV, OPUS, FLAC o PCM; la generación suele tardar unos segundos para frases cortas, pero textos largos pueden tardar más. Con soporte para más de 20 idiomas y precios por uso, tu proyecto de visita guiada cobra vida con claridad y profesionalismo desde el primer día.

Texto a voz femenina natural para tu proyecto turístico

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.mp3

Voces ideales para audioguías

Ilustración de onda de sonido para: Voces 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: 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

Ilustración de onda de sonido para: 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

Ilustración de onda de sonido para: 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

Ilustración de onda de sonido para: 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

Ilustración de onda de sonido para: 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.

Calidad auditiva garantizada

Uso en museos y guías

Ilustración de onda de sonido para: 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

Ilustración de onda de sonido para: 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

Ilustración de onda de sonido para: 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

Ilustración de onda de sonido para: 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.

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. MDN: Web Speech API
  3. ISO 639 language codes
  4. TRON developer hub: TRC-20
  5. LibriVox public-domain audiobooks
  6. openai-python on GitHub
  7. Python documentation
  8. W3C WAI: making audio and video accessible
  9. IETF RFC 7845: Ogg Opus
  10. Tether (USDT)
  11. Node.js documentation
  12. OpenAI API reference: create speech

Más en este sitio