Cómo integrar la API de texto a voz en tu sitio web

Por Equipo editorial VozTexto · Actualizado 2026-11-18

Esta guía explica cómo integrar la API de texto a voz de VozTexto en blogs y sitios WordPress. Aprenderás a convertir texto en audio con precisión técnica, gestionando la facturación por uso real y optimizando la experiencia del usuario sin depender de servicios grandes.

Dirigida a freelancers, la página detalla la integración técnica básica, la selección de voces y el manejo de caracteres largos. Incluye ejemplos de código, estrategias de cache y consideraciones de accesibilidad para que puedas implementar audio de forma eficiente y confiable en tu proyecto.

Cómo integrar la API de texto a voz en tu sitio web

Preguntas frecuentes

¿Cómo se inserta audio en WordPress?

Llama al endpoint POST /v1/audio/speech con tu clave Bearer. Recibirás un archivo de audio que puedes incrustar en tu sitio mediante un reproductor HTML5 estándar o un bloque personalizado. No ofrecemos plugin oficial, por lo que la integración depende de tu código o del desarrollador que gestiona tu instalación.

¿Qué voz es mejor para noticias?

Atlas es la opción recomendada por su tono neutral y claro, ideal para lectura de noticias. También puedes usar Sage para un estilo más instruccional o calmado. Cada voz soporta los 23 idiomas disponibles, permitiendo adaptar el contenido sin importar el idioma original del texto que proceses.

¿Se puede reproducir audio automáticamente?

Sí, una vez que recibes el archivo de audio desde la API, puedes controlarlo mediante JavaScript estándar en el navegador. La API no gestiona la reproducción, solo la generación. Tú decides si el reproductor inicia automáticamente al cargar la página o si espera a la interacción del usuario.

¿Cómo se manejan los textos largos?

Debes dividir el texto en partes de máximo 4096 caracteres. Genera el audio para cada fragmento mediante llamadas individuales a la API y une los archivos resultantes. Esto asegura que cada solicitud sea procesada correctamente sin exceder los límites de caracteres por petición del endpoint de síntesis.

¿Qué formato es mejor para móviles?

MP3 es el formato más compatible con la mayoría de reproductores móviles y navegadores. También puedes usar WAV o FLAC para mayor calidad, aunque ocupan más espacio. El formato Opus es eficiente en ancho de banda, pero verifica la compatibilidad del dispositivo de tu audiencia antes de elegirlo.

¿Se puede cambiar la velocidad en el reproductor?

La API permite generar audio a velocidades entre 0.25 y 4.0 ajustando el campo 'speed' en la solicitud. Una vez generado el archivo, la velocidad es fija. Para cambiarla durante la reproducción, necesitas usar las funciones nativas del reproductor de audio HTML5 o una librería JavaScript externa.

¿Es necesario pagar por cada artículo?

Se cobra por caracteres procesados, no por artículo. El costo es de $0.01 por cada 1000 caracteres, incluyendo espacios y puntuación. Si un artículo tiene 5000 caracteres, pagarás $0.05. Las solicitudes fallidas son gratuitas, por lo que solo pagas por la síntesis exitosa de tu contenido.

¿Cómo se protege la clave API en WordPress?

Almacena tu clave en variables de entorno o en la base de datos de WordPress, no en el código visible. Úsala desde el backend para generar el audio y enviar el archivo al frontend. Como solo hay una clave activa por cuenta, revísala periódicamente y emite una nueva si sospechas una fuga.

¿Se pueden usar las voces en YouTube?

Sí, puedes usar el audio generado en YouTube. Cada archivo contiene una marca de agua inaudible que lo identifica como voz sintética. Las voces están basadas en grabaciones con licencia CC BY 4.0 (LibriTTS-R) y lecturas de dominio público (LibriVox).

¿Qué pasa si el servidor está lento?

Las solicitudes se procesan en cola. Si hay alta demanda, tu solicitud puede esperar antes de generarse. El tiempo típico es de unos 25 caracteres por segundo, pero los picos de carga pueden aumentar la latencia. No ofrecemos garantía de disponibilidad, por lo que planifica tiempos de espera en tu flujo.

¿Se puede descargar el audio generado?

Sí, la API devuelve el archivo de audio directamente en la respuesta de la solicitud. Puedes guardarlo en tu servidor o en tu almacenamiento local. No almacenamos los archivos generados por nosotros, por lo que si necesitas conservarlos, debes gestionarlos tú mismo tras recibir la respuesta exitosa.

¿Hay límites de reproduciones?

No hay límite en el número de veces que puedes reproducir el archivo de audio generado. El límite aplica solo a las solicitudes de generación: 60 por minuto por clave. Una vez descargado el audio, puedes reproducirlo las veces que necesites sin incurrir en nuevos cargos ni restricciones de uso.

¿Cómo se mide el éxito del audio?

El éxito se mide por la finalización de la solicitud y la entrega del archivo. No ofrecemos métricas de escucha integradas. Debes implementar tu propio seguimiento mediante analytics en tu sitio web o blog para medir reproducciones, tiempo de escucha y engagement de los usuarios con el contenido de audio.

¿Se puede traducir el contenido del blog?

La API no incluye traducción automática. Solo convierte texto a voz en los 23 idiomas soportados. Debes proporcionar el texto ya traducido en el idioma deseado. Si el idioma no está en la lista, como vietnamita o tailandés, no podrás generar audio para ese contenido directamente con esta herramienta.

Por qué usar audio en blogs

Ilustración de onda de sonido para: Por qué usar audio en blogs

El audio transforma la experiencia de lectura en blogs al ofrecer contenido accesible para quienes tienen dificultades visuales o dislexia. Al permitir que el texto se convierta en voz, se elimina la barrera de la lectura estática, garantizando que todos los usuarios puedan consumir el contenido sin importar sus capacidades.

Mejora la accesibilidad

Al incluir audio, se cumple con estándares web que facilitan la navegación a personas con discapacidad visual. Esta integración es esencial para blogs que buscan ser inclusivos sin requerir esfuerzo adicional por parte del lector.

Aumenta el tiempo de permanencia

Los usuarios que prefieren escuchar contenido tienden a quedarse más tiempo en la página. Esto reduce la tasa de rebote y aumenta las métricas de engagement, ya que el audio mantiene la atención de forma pasiva.

Audiencias multitarea

Muchos lectores consumen blogs mientras realizan otras actividades, como conducir o cocinar. El audio permite aprovechar estos momentos de atención dividida, convirtiendo el texto en un recurso utilizable sin necesidad de mirar la pantalla.

Selección de voces

Ilustración de onda de sonido para: Selección de voces

La elección de la voz afecta directamente la percepción del contenido. VozTexto ofrece ocho presets diseñados para diferentes contextos de lectura, permitiendo ajustar el tono según el género del blog.

Voz clara para noticias

Atlas es la opción ideal para reportes y noticias formales. Su tono neutral garantiza claridad en la transmisión de datos duros sin añadir carga emocional innecesaria.

  • Tono neutral y directo
  • Ideal para noticias y reportes

Voz cálida para historias

Luna ofrece un sonido suave, perfecto para narrativas y cuentos. Su estructura vocal aporta intimidad, manteniendo la atención del oyente durante lecturas más largas.

  • Estilo narrativo y suave
  • Apto para storytelling

Voz neutral para tutoriales

Sage es la voz recomendada para contenido instructivo. Su claridad en la dicción facilita la comprensión de pasos técnicos o guías paso a paso.

  • Clara y educativa
  • Ideal para tutoriales

Formatos recomendados

Ilustración de onda de sonido para: Formatos recomendados

La API acepta MP3, WAV, OPUS, FLAC y PCM. La elección del formato afecta la compatibilidad del reproductor y el tamaño del archivo final.

Seleccionar el formato correcto optimiza la experiencia del usuario sin comprometer la calidad esencial del audio generado.

MP3 para compatibilidad

MP3 es el formato más ampliamente soportado por navegadores y dispositivos móviles. Ideal para incrustar audio en blogs y sitios WordPress sin requerir plugins adicionales.

Ofrece una buena relación entre tamaño y calidad, asegurando que el contenido sea accesible para la mayoría de las audiencias.

  • Compatible con HTML5 audio estándar
  • Tamaño de archivo reducido
  • Amplio soporte en navegadores

WAV para calidad máxima

WAV proporciona audio sin pérdida, manteniendo la fidelidad original de la síntesis. Es útil cuando la integridad acústica es prioritaria sobre el tamaño.

Recomendado para archivos de audio que se descargarán o se usarán en entornos donde la compresión no es deseada.

  • Calidad sin pérdida
  • Ideal para descargas directas
  • Mayor tamaño de archivo

OPUS para eficiencia

OPUS ofrece alta eficiencia de compresión, reduciendo significativamente el ancho de banda necesario. Perfecto para sitios con tráfico alto o conexiones limitadas.

Proporciona una calidad de audio superior a MP3 en tamaños de archivo más pequeños, mejorando la velocidad de carga.

  • Alta eficiencia de compresión
  • Calidad superior a MP3
  • Reducción de ancho de banda

Integración técnica básica

Ilustración de onda de sonido para: Integración técnica básica

Integrar audio en WordPress o blogs mejora la experiencia del usuario sin requerir plugins complejos. La API VozTexto permite generar archivos de audio directamente desde el frontend mediante llamadas HTTP simples, eliminando la necesidad de un servidor intermedio para la síntesis básica.

Este enfoque reduce la carga del backend y permite a los freelancers ofrecer contenido auditivo rápidamente. La integración se basa en estándares abiertos, facilitando la compatibilidad con cualquier CMS moderno y manteniendo el control total sobre los recursos de la página.

Uso de JavaScript en el frontend

Utiliza fetch o axios para enviar el texto a la API. El código debe construir un objeto JSON con el campo input, especificando el modelo tts-1 o tts-1-hd. Recibirás un archivo de audio binario que puedes asignar directamente a un elemento <audio>.

Asegúrate de manejar los errores de rate limit (60 req/min) mostrando un mensaje al usuario si se excede el límite. Esto es común en cargas altas sin caché previo.

  • Usa fetch() para POST a https://api.getv777.com/v1/audio/speech
  • Espera la respuesta como blob para reproducirla localmente
  • Define response_format según tus necesidades (mp3, wav, opus)

Llamadas a la API desde el cliente

Cada solicitud debe incluir la cabecera Authorization: Bearer <tu-clave>. La API procesa la solicitud y devuelve el audio en tiempo real o casi real. Para textos largos, la API maneja la división interna, pero el cliente debe gestionar la espera.

Si necesitas mayor control, puedes dividir el texto en fragmentos menores a 4096 caracteres y concatenar los resultados. Esto es útil para artículos extensos donde el usuario no quiere esperar la generación completa de una sola pieza.

  • Incluye Authorization: Bearer en cada solicitud
  • Espera la respuesta como blob para reproducirla localmente
  • Define response_format según tus necesidades (mp3, wav, opus)

Manejo de la clave API

La clave se genera en la página /get-api-key/ y es única por cuenta. Puedes revocar y emitir una nueva clave en cualquier momento sin perder el saldo. Esto permite rotar credenciales si se exponen en el frontend.

Aunque es posible usar la clave desde el cliente, para mayor seguridad en producción, considera usar un proxy ligero que oculte la clave o limite su uso por dominio.

  • La clave se genera en la página /get-api-key/
  • Puedes emitir una nueva clave en cualquier momento
  • Rotar credenciales si se exponen en el frontend

Gestión de caracteres largos

Ilustración de onda de sonido para: Gestión de caracteres largos

La API impone un límite estricto de 4096 caracteres por solicitud, lo que exige dividir textos extensos antes de enviarlos. Este límite aplica a todo el contenido, incluyendo espacios y puntuación, por lo que es necesario implementar lógica de fragmentación en el cliente o servidor.

Límite de 4096 caracteres

Si tu artículo supera los 4096 caracteres, debes dividirlo manualmente o mediante script en bloques que respeten este máximo. La API no realiza esta división automáticamente; los textos largos deben dividirse en partes de hasta 4096 caracteres y los archivos de audio unirse.

División del texto en partes

Utiliza lógica de corte por palabras o oraciones para evitar fragmentar palabras a la mitad. Envía cada bloque como una solicitud independiente a /v1/audio/speech.

Unión de archivos de audio

Recibirás múltiples archivos de audio. Para una reproducción continua, únelos en el frontend mediante JavaScript o prepáralos en el servidor antes de servirlos al usuario final.

Optimización de costos

Ilustración de onda de sonido para: Optimización de costos

La facturación se basa estrictamente en los caracteres enviados, donde cada espacio y puntuación cuenta. Un error en la longitud del texto o una regeneración accidental duplica el costo sin generar valor, por lo que validar el input antes de la llamada POST es crítico.

Evitar regeneraciones innecesarias

Cada solicitud fallida se reembolsa, pero las exitosas se cobran inmediatamente. Implementa una validación cliente que cuente los caracteres antes de enviar la petición, asegurando que no excedas el límite de 4096 caracteres por lote para evitar errores silenciosos.

  • Validar longitud del texto antes de la llamada API.
  • Confirmar el formato JSON correcto para evitar errores de sintaxis.

Cache de audio generado

Almacena los archivos de audio generados en tu servidor o CDN. Dado que el texto no se entrena ni se almacena permanentemente en la API, recuperar el mismo audio desde tu infraestructura evita llamadas redundantes y reduce el consumo de caracteres.

  • Guardar el archivo MP3/WAV generado bajo un hash del texto.

Monitoreo de uso

Revisa el panel de control en /get-api-key/ para verificar el saldo restante y los caracteres consumidos. La tasa límite es de 60 solicitudes por minuto; superar este umbral no cobra más, pero puede ralentizar la cola de procesamiento durante alta demanda.

  • Monitorizar el balance en la cuenta.
  • Ajustar la velocidad de generación si se detectan cuellos de botella.

Accesibilidad web

Ilustración de onda de sonido para: Accesibilidad web

La accesibilidad no es solo una etiqueta, es una garantía de que tu contenido es utilizable por personas con discapacidad visual o motriz. Al integrar la API de texto a voz, ensures que los lectores puedan consumir tu contenido de blogs y sitios WordPress de forma auditiva, cumpliendo con estándares web básicos.

Es fundamental que el reproductor de audio sea navegable por teclado y que los lectores de pantalla puedan identificar claramente su función y estado actual sin ambigüedades.

Etiquetas ARIA para reproductores

Utiliza role="region" y aria-label="Audio del artículo" para que los lectores de pantalla identifiquen el bloque de audio. Incluye aria-live="polite" para anunciar cambios de estado sin interrumpir la lectura activa.

Asegúrate de que el botón de reproducción tenga un aria-label descriptivo como 'Reproducir audio' o 'Pausar audio' para evitar confusiones.

  • Usa role="region" y aria-label descriptivo.
  • Añade aria-live="polite" para cambios de estado.
  • Etiqueta clara para botones de play/pause.

Controles de velocidad

La API soporta velocidades entre 0.25 y 4.0. Ofrece al usuario un control deslizante o selector para ajustar la velocidad de reproducción según su capacidad de procesamiento auditivo.

Permitir ajustar la velocidad es crucial para usuarios con dificultades de procesamiento cognitivo o lectores no nativos del idioma.

  • Ajuste de velocidad 0.25x a 4.0x.
  • Control accesible por teclado.
  • Mejora la comprensión lectora.

Descarga de archivos

Proporciona un enlace de descarga directo para el archivo de audio generado. Esto permite a los usuarios guardar el contenido para escucharlo sin conexión o usarlo en dispositivos con menor capacidad de procesamiento.

Asegúrate de que el enlace de descarga tenga un texto alternativo claro, indicando el formato (mp3, wav, opus) y el título del artículo.

  • Enlace de descarga directo.
  • Indicador de formato de archivo.
  • Texto alternativo descriptivo.
Accesibilidad web

Ejemplo de código

Ilustración de onda de sonido para: Ejemplo de código

Este ejemplo muestra cómo generar audio desde el navegador. La clave API debe manejarse con cuidado; para producción, se recomienda usar un proxy backend para evitar exponerla.

El código utiliza la API de Fetch para enviar el texto y recibe un archivo blob que el reproductor HTML5 puede reproducir directamente.

Snippet en JavaScript

Usa fetch para enviar una solicitud POST a https://api.getv777.com/v1/audio/speech. Asegúrate de incluir el encabezado Authorization: Bearer tu-clave-aqui y el cuerpo JSON con el modelo, la voz y el texto.

  • Establece response_type: 'blob' para recibir audio.
  • Maneja errores de red o límites de caracteres.

Reproductor HTML5

Crea un elemento <audio> dinámico. Asigna la URL del blob generado a su atributo src. Esto permite controles nativos como play, pause y volumen sin librerías externas.

  • Añade atributos controls y preload.
  • Permite descargar el archivo generado.

Manejo de carga asíncrona

Muestra un indicador de carga mientras se procesa la solicitud. La generación toma unos segundos; no bloquees la interfaz del usuario durante esta espera.

  • Desactiva el botón de envío durante la petición.
  • Restablece el estado tras la respuesta o error.

Voces para diferentes géneros

Ilustración de onda de sonido para: Voces para diferentes géneros

La elección de la voz determina la percepción del contenido. VozTexto ofrece ocho presets diseñados para distintos géneros, permitiendo alinear el tono auditivo con la intención del texto sin configuraciones complejas.

Nova para contenido juvenil

Nova es una voz femenina brillante y enérgica, ideal para blogs dinámicos, reseñas rápidas o noticias ligeras. Su tono directo mantiene la atención del oyente en contenido breve y actual.

  • Tono brillante y optimista
  • Ideal para redes sociales y blogs modernos
  • Compatible con cualquier idioma soportado

Atlas para noticias formales

Atlas ofrece una voz neutral y clara, diseñada para transmitir información con precisión. Es la opción técnica para lecturas de noticias, informes o textos informativos donde la neutralidad es clave.

  • Voz masculina neutra
  • Claridad en la dicción
  • Uso recomendado para contenido informativo

Luna para cuentos

Luna es una voz femenina suave, adecuada para narración de historias o contenido relajado. Su tono natural facilita la inmersión del oyente en relatos o artículos de blog más largos.

  • Tono suave y narrativo
  • Ideal para cuentos y artículos largos
  • Facilita la escucha prolongada

Idiomas soportados

Ilustración de onda de sonido para: Idiomas soportados

La API detecta automáticamente el idioma a partir del guion del texto enviado. Si envías texto en latín sin especificar el idioma, el sistema asume inglés por defecto. Para textos en otros idiomas de script latino, es recomendable establecer el campo language explícitamente para evitar errores de pronunciación.

Esta detección simplifica la integración inicial, pero la precisión mejora al forzar el idioma. La API no soporta idiomas como vietnamita, tailandés o ucraniano, aunque cubre las necesidades principales de blogs en español, inglés, alemán y otros europeos.

Detección automática de idioma

El sistema analiza los caracteres para inferir el idioma. Si el texto contiene caracteres no latinos, la detección es directa. Para el script latino, el fallback es inglés.

Forzar idioma específico

Envía el código ISO de dos letras en el parámetro language. Esto asegura que la voz pronuncie correctamente textos en español, francés o alemán, incluso si contienen palabras en inglés.

  • Código ISO 639-1 (ej. 'es', 'fr', 'de').
  • Opcional pero recomendado para texto latino no inglés.

Soporte para 23 idiomas

VozTexto soporta 23 idiomas. Todas las voces pueden hablar cualquier idioma de la lista. No se requiere voz específica por idioma.

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

Rendimiento en el sitio

Ilustración de onda de sonido para: Rendimiento en el sitio

Cargar audio de forma diferida tras la interacción del usuario reduce la carga inicial del DOM, manteniendo la página rápida incluso con múltiples reproductores. Esto es crítico para blogs con listas extensas de artículos.

El formato OPUS ofrece alta eficiencia de compresión, reduciendo significativamente el ancho de banda necesario.

Carga diferida de audio

Inicia la solicitud de audio solo cuando el usuario hace clic en reproducir, no al cargar la página. Esto evita bloquear el hilo principal y permite que el contenido principal sea visible inmediatamente.

Utiliza eventos onclick o onmouseenter para disparar la llamada a la API o la descarga del archivo, liberando recursos para el renderizado inicial.

  • Usa IntersectionObserver para pre-cargar solo si el elemento está cerca del viewport.
  • Muestra un indicador de carga mientras se obtiene el audio.

Compresión de archivos

Selecciona el formato opus cuando la prioridad sea el ahorro de ancho de banda sin perder inteligibilidad. El formato mp3 es un equilibrio aceptable para compatibilidad universal.

Evita wav o flac para uso web general, ya que sus tamaños de archivo pueden ralentizar la reproducción en conexiones móviles lentas.

  • OPUS: menor tamaño de archivo, buena calidad.
  • MP3: máxima compatibilidad, tamaño moderado.

Uso de CDN para distribución

Si generas audio para contenido estático recurrente, sirve los archivos generados desde un CDN. Esto reduce la latencia para usuarios geográficamente dispersos.

Asegúrate de que las cabeceras de caché estén configuradas correctamente para evitar solicitudes repetidas al endpoint de la API para el mismo texto.

Una CDN distribuye el tráfico de audio lejos del servidor de la API, evitando saturar tus límites de 60 requests/min.

Mantenimiento y actualizaciones

Ilustración de onda de sonido para: Mantenimiento y actualizaciones

Mantener la integración operativa requiere gestionar las claves de acceso y los límites de la API. La renovación de credenciales y el monitoreo de uso garantizan que la generación de audio continúe sin interrupciones inesperadas.

Aunque no ofrecemos SDK propietario, la compatibilidad con la API estándar permite actualizar la integración con facilidad. El enfoque está en la estabilidad de las llamadas HTTP y la gestión de errores.

Renovación de claves API

Cada cuenta mantiene una clave activa por sitio. Si la comprometes o necesitas un cambio, emite una nueva desde el panel; la anterior deja de funcionar inmediatamente.

No hay período de gracia entre la emisión y la invalidación. Actualiza tu configuración antes de revocar la clave antigua para evitar errores de autenticación.

  • Emite una nueva clave desde la página de configuración.
  • La clave antigua se invalida al instante.
  • Una sola clave activa por cuenta.

Actualización de la integración

No proporcionamos un SDK propietario ni plugins. La integración se basa en llamadas HTTP estándar o el SDK de OpenAI con la URL base modificada.

Actualiza tu código cuando cambie la estructura de la URL o los parámetros del cuerpo de la solicitud. Revisa la documentación técnica para verificar la compatibilidad con tu entorno actual.

  • Usa HTTP estándar o SDK de OpenAI.
  • Modifica la base URL a api.getv777.com.
  • Verifica la estructura del cuerpo JSON.

Monitoreo de límites

El límite estándar es de 60 solicitudes por minuto por clave. Antes del primer recargo, el límite es de 10 solicitudes por minuto.

Supera el límite y las solicitudes se encolan. Monitorea el uso en el panel para ajustar la frecuencia de generación y evitar esperas prolongadas durante picos de tráfico.

  • 60 solicitudes/minuto tras el primer recargo.
  • 10 solicitudes/minuto antes del primer recargo.
  • Las solicitudes excedentes se encolan automáticamente.

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. ISO 639 language codes
  3. FFmpeg documentation
  4. Tether (USDT)
  5. Python documentation
  6. IETF RFC 7845: Ogg Opus
  7. openai-python on GitHub
  8. LibriVox public-domain audiobooks
  9. MDN: Web Speech API
  10. Creative Commons Attribution 4.0
  11. W3C WAI: making audio and video accessible
  12. OpenAI API reference: create speech

Más en este sitio