API de texto a voz para blogs y WordPress

Por Equipo editorial VozTexto · Actualizado 2026-11-18

En esta página encontrarás la documentación técnica para integrar la API de texto a voz de VozTexto directamente en tu sitio web o blog de WordPress. Si eres freelancer y buscas una alternativa ligera a los servicios grandes, aquí tienes los detalles precisos para conectar tu aplicación: desde el endpoint compatible con OpenAI hasta la gestión de caracteres y los formatos de audio disponibles.

Esta página está diseñada para desarrolladores que necesitan generar audio de forma programática sin depender de contratos complejos. Aquí encontrarás información clara sobre las voces disponibles, los 23 idiomas soportados, los precios por uso real y cómo gestionar tu cuenta para mantener el control total de tu integración técnica.

API de texto a voz para blogs y WordPress

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. Utiliza el endpoint POST /v1/audio/speech con un formato JSON idéntico al de OpenAI, lo que permite usar sus SDKs oficiales cambiando solo la URL base. Es ideal para integrar audio generado automáticamente en aplicaciones o sitios web sin infraestructura compleja.

¿Qué formatos de audio ofrece la API?

La API ofrece cinco formatos de salida: mp3, wav, opus, flac y pcm. Puedes especificar el formato deseado en el campo response_format de tu solicitud JSON. Estos formatos cubren necesidades estándar de reproducción web, edición profesional y compatibilidad con reproductores básicos, garantizando flexibilidad en la integración con tus herramientas existentes.

¿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 se especifica el campo language, el sistema lo adivina; para texto en latín que no sea inglés, se recomienda establecerlo manualmente para asegurar la pronunciación correcta.

¿Las voces son naturales o robóticas?

Las voces son basadas en grabaciones licenciadas de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox. Ofrecen 8 presets distintos, como Aria (narradora) o Felix (energética), con tonos claros y definidos. Cada archivo generado incluye una marca de agua inaudible que lo identifica como habla sintética.

¿Cuánto cuesta el servicio?

El costo es de $10 por cada 1 millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. El pago se realiza mediante recargas mínimas de $5 en USDT (TRC-20). No hay planes mensuales ni cargos ocultos.

¿Hay un límite de caracteres por solicitud?

Sí, cada solicitud HTTP acepta hasta 4096 caracteres en el campo input. Para textos más largos, debes dividirlos en partes de ese tamaño y unir los archivos de audio resultantes. Esto permite gestionar la generación de audio para artículos largos o documentos extensos de manera eficiente y controlada.

¿Puedo usar la API para mi sitio de WordPress?

Sí, es ideal para WordPress. Al usar el formato de solicitud estándar de OpenAI, puedes integrar la API mediante código personalizado o plugins que soporten HTTP JSON. Los freelancers la utilizan para generar audio de blogs sin depender de servicios grandes, manteniendo el control técnico y la facturación por uso real.

¿Los datos de texto se almacenan?

El texto de entrada se usa únicamente para producir el audio y no se utiliza para entrenar modelos. El audio generado se devuelve en la respuesta y no se almacena en nuestros servidores. Solo conservamos metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación y auditoría.

¿Qué ocurre si una solicitud falla?

Si la síntesis falla, la carga se devuelve íntegramente. No se te cobra por las solicitudes que no generan audio con éxito. Esto garantiza que solo pagues por el trabajo completado. Puedes verificar el estado de tu solicitud mediante la respuesta HTTP y los metadatos disponibles en tu panel de cuenta.

¿Cómo se paga con USDT?

El pago se realiza exclusivamente mediante USDT en la red TRON (TRC-20). El monto mínimo de recarga es de $5. Tras realizar la transferencia, el saldo se acredita automáticamente en minutos. No aceptamos tarjetas, PayPal ni suscripciones. El saldo no caduca y puedes emitir una nueva clave API en cualquier momento.

¿Hay una prueba gratuita disponible?

Sí, al registrarte con Google recibes $0.50 de crédito, equivalente a unos 50.000 caracteres, válidos por 7 días. Si te registras con correo y contraseña, no obtienes este crédito inicial. Este permiso permite probar la calidad de las voces y la velocidad de generación antes de realizar una recarga.

¿Qué es la marca de agua en el audio?

Cada archivo de audio generado contiene una marca de agua inaudible que lo identifica como habla sintética. Esta marca es parte del archivo resultante y permite distinguir el audio generado por la API de grabaciones humanas o de otros servicios. Es una característica técnica estándar en el producto.

¿Puedo ajustar la velocidad de la voz?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 mediante el campo speed en la solicitud. Esto permite acelerar o ralentizar la reproducción del audio generado. La velocidad predeterminada produce un audio aproximadamente en tiempo real, pero el ajuste manual te da control total sobre la duración final.

¿Hay soporte técnico por teléfono?

No, no ofrecemos soporte técnico por teléfono ni chat en vivo. La comunicación es exclusivamente por correo electrónico. No contamos con número de teléfono ni garantía de tiempo de actividad (SLA). El soporte se gestiona mediante tickets por email, manteniendo un modelo de costos directo para el usuario.

Primera solicitud

curl

curl https://api.getv777.com/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 técnica para sitios web

Ilustración de onda de sonido para: Integración técnica para sitios web

La API de texto a voz para blogs y WordPress se integra mediante un endpoint compatible con el SDK de OpenAI. Solo necesitas cambiar la base_url a https://api.getv777.com/v1 y usar tu clave de API. Esto permite generar audio desde cualquier stack tecnológico sin aprender una sintaxis nueva.

El formato de salida se define en el cuerpo de la solicitud. Puedes elegir entre mp3, wav, opus, flac o pcm según la compatibilidad de tu reproductor web. Los archivos se devuelven directamente en la respuesta, listos para ser incrustados en tus entradas o páginas estáticas sin procesamiento adicional.

Endpoint compatible con OpenAI SDK

Endpoint compatible con OpenAI SDK

Envía texto mediante POST https://api.getv777.com/v1/audio/speech. La estructura del JSON es idéntica a la de OpenAI, lo que facilita la migración o el uso de librerías existentes. Solo requiere autenticación con Authorization: Bearer <tu-clave>.

  • Método POST estándar con cuerpo JSON.
  • Compatible con SDKs oficiales de OpenAI (cambiando la URL base).
  • Clave de API única y segura por cuenta.

Formatos de audio para web (mp3, wav)

Selecciona mp3 para eficiencia de banda ancha o wav para máxima compatibilidad. Ambos formatos se entregan en la respuesta HTTP sin almacenamiento intermedio.

El formato opus también está disponible para navegadores modernos que lo soporten nativamente, ofreciendo menor tamaño de archivo.

Gestión de caracteres y longitud

La API acepta hasta 4096 caracteres por solicitud. Si tu texto excede este límite, debes dividirlo en partes, generar el audio de cada una y unirlos en el lado del cliente o servidor.

Los espacios y puntuación cuentan como caracteres. El precio se calcula por carácter exacto consumido, no por segundo de audio generado.

Voces disponibles para contenido

Ilustración de onda de sonido para: Voces disponibles para contenido

VozTexto ofrece ocho voces predefinidas con tonos distintos, adaptadas para narrar contenido en blogs o sitios WordPress. Cada voz tiene un registro y timbre específicos, permitiendo elegir el tono más adecuado para el tipo de texto que se va a generar.

Voces femeninas: aria, nova

Aria ofrece un tono cálido y claro, ideal para narradores o contenido editorial. Nova presenta un estilo brillante y enérgico, adecuado para textos promocionales o dinámicos.

Voces masculinas: atlas, orion, felix, milo

Atlas se mantiene neutral, apropiado para noticias o contenido informativo. Orion ofrece un tono profundo, ideal para documentales o narrativas serias. Felix aporta energía para contenido promocional, mientras que Milo mantiene un estilo amigable y conversacional.

Variedad de estilos narrativos

Cada voz está basada en grabaciones licenciadas (LibriTTS-R, LibriVox), garantizando calidad técnica y claridad. Puedes ajustar la velocidad entre 0.25 y 4.0 para adaptar la voz al ritmo de lectura del usuario.

  • Aria: Narradora clara y cálida
  • Nova: Estilo brillante y enérgico
  • Luna: Suave, para historias
  • Sage: Calma, para instrucción
  • Felix: Energético, para promociones
  • Milo: Amigable y conversacional
  • Atlas: Neutral, para noticias
  • Orion: Profundo, para documentales

Idiomas soportados

Ilustración de onda de sonido para: Idiomas soportados

La API de VozTexto procesa texto en audio con soporte para 23 idiomas, incluyendo español, inglés, alemán, francés, italiano, portugués, chino, japonés y árabe. Cada voz puede pronunciar cualquier idioma de la lista, lo que permite mezclar idiomas en un mismo proyecto sin restricciones de compatibilidad.

Español, inglés, alemán y más

El motor de síntesis maneja caracteres latinos, cirílicos, asiáticos y semitas con precisión técnica. Si no especificas el idioma, el sistema detecta la escritura (por ejemplo, texto en latín se asume inglés por defecto). Para otros idiomas latinos como español o alemán, debes configurar el campo language con el código ISO correspondiente para garantizar la pronunciación correcta.

  • Soporte nativo para escritura latina, cirílica, asiática y semita.
  • Configuración explícita recomendada mediante código ISO.

23 idiomas disponibles

La lista incluye: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish. No se soportan vietnamita, indonesio, tailandés, ucraniano, rumano, checo ni bengalí.

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish.

Detección automática de idioma

El campo language es opcional. Si se omite, el sistema infiere el idioma basándose en el script del texto. Esta detección es útil para contenido bilingüe o cuando se usa texto en inglés, pero se recomienda establecerlo manualmente para textos en otros idiomas latinos.

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

La facturación se calcula estrictamente por caracteres consumidos, a $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. Las solicitudes fallidas no generan cargo, asegurando que solo pagues por audio entregado con éxito.

El modelo es 100% de uso real: no hay planes mensuales obligatorios ni mínimos de gasto. El saldo no expira, permitiendo gestionar el presupuesto directamente según el volumen de contenido publicado en tu blog.

Pago por caracteres utilizados

El costo base es de $10 por cada millón de caracteres procesados. Esto equivale a $0.01 por cada 1.000 caracteres, una medida precisa para escalar la producción de audio sin sorpresas en la factura.

  • Tarifa: $0.01 / 1.000 caracteres
  • Conteo incluye espacios y puntuación
  • Cobro solo por solicitudes exitosas

Sin costos fijos mensuales

A diferencia de los planes de suscripción tradicionales, aquí no pagas por reserved capacity. No hay cuotas fijas ni cargos por inactividad, ideal para freelancers con volúmenes de publicación variables.

  • Sin planes mensuales obligatorios
  • Sin cargos por inactividad
  • Saldo no expirante

Crédito inicial para probar

Al registrarte con Google, recibes $0.50 de crédito válido por 7 días, equivalente a unos 50.000 caracteres. Las cuentas creadas con correo y contraseña comienzan sin crédito de prueba. Esto permite validar la integración técnica y la calidad de audio antes de realizar cualquier depósito.

  • Crédito: $0.50 (Google Sign-in)
  • Válido por 7 días
  • Equivalente a ~50.000 caracteres

Uso en blogs y WordPress

Ilustración de onda de sonido para: Uso en blogs y WordPress

Genera audio a partir de entradas de blog largas, dividiendo el texto en segmentos de hasta 4096 caracteres y uniéndolos. El sistema une los archivos de audio resultantes, ideal para lectores que prefieren escuchar el contenido mientras realizan otras actividades.

La integración es directa: los usuarios pueden reproducir el audio generado dinámicamente sin descargar archivos externos. Esto mantiene la experiencia de lectura fluida y accesible para quienes tienen dificultades con la lectura prolongada en pantalla.

Adapta el contenido escrito a formato auditivo de manera programática. Los freelancers pueden incrustar el audio directamente en la estructura del sitio, mejorando la retención de audiencia sin depender de servicios de terceros grandes.

Audiolibros para lectores

Convierte entradas extensas en audio continuo. El sistema divide el texto en partes de 4096 caracteres y las une. Esto permite a los lectores escuchar artículos largos sin interrupciones bruscas.

  • División automática de texto largo
  • Unión transparente de archivos de audio
  • Formatos compatibles: mp3, wav, opus

Accesibilidad para usuarios

Ofrece una alternativa auditiva para personas con dificultades visuales o de lectura. La generación de audio es on-demand, garantizando que el contenido esté disponible en el momento exacto que el usuario lo solicita.

  • Generación bajo demanda
  • Soporte para 23 idiomas
  • Sin necesidad de plugins externos

Contenido multimedia dinámico

Integra audio directamente en la arquitectura del blog. Los freelancers pueden usar la API para crear experiencias multimedia personalizadas sin depender de la infraestructura de grandes proveedores. El audio se sirve directamente desde la API.

  • Integración vía API REST
  • Control total sobre el reproductor
  • Costos solo por uso real
Uso en blogs y WordPress

Control de calidad y licencias

Ilustración de onda de sonido para: Control de calidad y licencias

La calidad de cada archivo de audio se sustenta en grabaciones licenciadas de LibriTTS-R (CC BY 4.0), extraídas de audiobooks de dominio público de LibriVox. Esta base garantiza una fidelidad técnica y una claridad narrativa adecuada para la publicación continua en blogs y sitios WordPress.

Voces basadas en grabaciones licenciadas

Utilizamos muestras de voz licenciadas bajo CC BY 4.0, lo que asegura que el contenido generado tiene una base legal clara para su uso comercial en proyectos de freelancers.

  • Fuente: LibriTTS-R (CC BY 4.0)

Marca de agua invisible en audio

Cada archivo de audio generado incluye una marca de agua inaudible que identifica el contenido como voz sintética, proporcionando transparencia técnica sin afectar la experiencia de escucha del usuario final.

Sin uso de datos para entrenamiento

El texto que envías a la API se utiliza exclusivamente para la síntesis inmediata del audio y no se incorpora a nuestros modelos de entrenamiento, garantizando la privacidad de tu contenido editorial.

Rendimiento y velocidad

Ilustración de onda de sonido para: Rendimiento y velocidad

La generación de audio alcanza una velocidad aproximada al tiempo real en textos largos, procesando cerca de 25 caracteres por segundo. Las frases cortas pueden tardar unos pocos segundos en completarse.

Generación en tiempo real

Las solicitudes se procesan en secuencia, por lo que bajo carga pueden esperar en una cola.

Cola de procesamiento bajo carga

Las solicitudes se procesan en secuencia. Bajo alta demanda, una solicitud puede esperar en la cola antes de iniciar la síntesis, lo que puede aumentar ligeramente el tiempo de respuesta total.

Velocidad ajustable

Puedes controlar la velocidad de la voz entre 0.25x y 4.0x mediante el parámetro speed en la API. Esto permite adaptar el audio a diferentes ritmos de lectura o necesidades de accesibilidad.

Soporte y documentación

Ilustración de onda de sonido para: Soporte y documentación

La documentación técnica detalla el endpoint POST /v1/audio/speech y la estructura JSON idéntica a OpenAI SDK, facilitando la integración en WordPress sin dependencias complejas. Incluye especificaciones sobre formatos de salida, límites de caracteres y gestión de claves API.

Documentación técnica clara

Accede a la referencia completa de la API en /docs/, donde se explican los campos de entrada (model, voice, input) y las respuestas esperadas. Se detalla el manejo de errores y la estructura de metadatos para facturación precisa.

Ejemplos en cURL y Python

Inicia rápidamente con ejemplos listos para copiar. Utiliza cURL para pruebas inmediatas o integra la lógica en scripts Python usando la librería oficial de OpenAI con el base_url ajustado a https://api.getv777.com/v1.

  • Comandos cURL para generación inmediata.
  • Snippet Python con openai SDK.
  • Configuración de base_url y Authorization.

Soporte por correo electrónico

Para dudas técnicas o incidencias con la API, el canal de comunicación es exclusivamente por correo electrónico. No ofrecemos chat en vivo ni teléfono, manteniendo un flujo de soporte directo y documentado para freelancers.

Ventajas para freelancers

Ilustración de onda de sonido para: Ventajas para freelancers

VozTexto está diseñado para integrarse rápidamente en cualquier sitio web mediante un endpoint compatible con la API de OpenAI. Solo necesitas ajustar la URL base y usar tu clave de API existente, sin depender de plugins específicos para WordPress o extensiones de navegador.

La facturación se basa estrictamente en los caracteres utilizados, lo que permite predecir costos con precisión. No hay cargos ocultos ni pagos por inactividad, ideal para proyectos con tráfico variable.

Integración rápida con API

La estructura de solicitud es idéntica a la de OpenAI, lo que significa que puedes usar los SDKs oficiales de OpenAI cambiando simplemente la base_url a https://api.getv777.com/v1. Esto simplifica la implementación en blogs y sitios web dinámicos sin necesidad de aprender una nueva sintaxis.

Costos predecibles

El precio es fijo: $10 por cada millón de caracteres procesados. Los caracteres incluyen espacios y puntuación, lo que facilita el cálculo exacto del costo antes de generar el audio. Si la síntesis falla, el cargo se devuelve íntegramente.

Sin contratos complejos

No hay planes mensuales obligatorios, ni mínimos de gasto ni cuotas por asiento. Puedes top up con USDT (TRC-20) por un mínimo de $5 y usar el saldo sin fecha de expiración. La gestión es directa: una clave activa por cuenta, sin facturas con IVA ni procesos de aprobación.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Esto evita bloquear el hilo principal y permite que el contenido principal sea visible inmediatamente.

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. openai-node on GitHub
  3. W3C WAI: making audio and video accessible
  4. Creative Commons Attribution 4.0
  5. LibriTTS-R paper (arXiv 2305.18802)
  6. FFmpeg documentation
  7. Python documentation
  8. OpenAI API reference: create speech
  9. LibriTTS-R corpus (OpenSLR 141)
  10. ISO 639 language codes
  11. Tether (USDT)
  12. MDN: Web Speech API

Más en este sitio