Preguntas frecuentes
¿Qué es un generador de voz online para call centers?
Es una API de texto a voz en la nube que convierte texto en archivos de audio mediante una solicitud POST. Está diseñada para integrarse rápidamente en sistemas de respuesta de voz interactiva (IVR) y centros de llamada, permitiendo la generación de audio bajo demanda sin necesidad de infraestructura local ni streaming (no se ofrece streaming en tiempo real).
¿Cómo funciona la API de texto a voz para IVR?
Envía texto en formato JSON a POST https://api.tk999us.info/v1/audio/speech con autenticación Bearer. La API devuelve un archivo de audio generado. Para textos largos, se dividen en partes de 4096 caracteres y se unen. El formato de solicitud es compatible con estándares de la industria y SDKs como el de OpenAI.
¿Qué voces están disponibles para atención al cliente?
Hay 8 voces preestablecidas: aria (narradora clara), nova (alegre), luna (suave), sage (instruccional), felix (energética), milo (conversacional), atlas (neutral) y orion (documental). Todas pueden hablar cualquier idioma soportado. No hay clonación de voz personalizada ni diseño de voces a medida.
¿En qué idiomas puedo generar voz sintética?
Se soportan 23 idiomas: árabe, chino, danés, neerlandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco y turco. Cualquier voz puede hablar cualquier idioma de esta lista. No se soportan vietnamita, indonesio, tailandés, ucraniano, rumano, checo ni bengalí.
¿Cuál es el precio por carácter en la API?
El costo es de $10 por 1 millón de caracteres, equivalente a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. No hay planes mensuales ni gastos mínimos. El saldo no expira y se puede recargar cuando sea necesario sin cuotas fijas.
¿Cuántas voces hay disponibles en total?
Hay 8 voces preestablecidas disponibles para uso inmediato. Estas incluyen cuatro voces femeninas (aria, nova, luna, sage) y cuatro masculinas (felix, milo, atlas, orion). Cada voz está basada en grabaciones con licencia y se puede utilizar para cualquier idioma soportado sin necesidad de configuraciones adicionales.
¿Qué formatos de audio admite la API?
La API admite los formatos mp3, wav, opus, flac y pcm. Puedes especificar el formato deseado en el campo response_format de la solicitud JSON. Estos formatos son estándar y compatibles con la mayoría de los sistemas de telefonía y plataformas de IVR modernas.
¿Es necesario pagar una cuota mensual?
No, no hay planes mensuales, ni asientos, ni gastos mínimos. Pagas solo por los caracteres generados. No hay suscripciones automáticas ni facturación recurrente. El saldo de tu cuenta no expira y puedes recargarlo cuando lo necesites mediante transferencia de USDT en la red TRON.
¿Cómo se mide el consumo de caracteres?
Se mide por el número total de caracteres en el campo input de la solicitud, incluyendo espacios y puntuación. Cada solicitud puede contener hasta 4096 caracteres. Si el texto es más largo, debes dividirlo en partes y unir los archivos de audio resultantes para la reproducción final.
¿Qué ocurre si falla una solicitud de generación?
Si la síntesis falla, la carga se devuelve en su totalidad. No se cobra al usuario por las solicitudes que no se completan correctamente. Esto asegura que solo pagues por el audio generado con éxito, manteniendo la eficiencia de costos para tu integración de call center.
¿Se almacena el audio generado?
No, el audio generado se devuelve en la respuesta de la solicitud y no se almacena en nuestros servidores. El texto de entrada se utiliza únicamente para producir el audio y no se usa para entrenamiento. Solo se conservan metadatos de la solicitud para facturación.
¿Qué velocidad de generación es típica?
La velocidad típica es aproximadamente en tiempo real para textos largos, generando unos 25 caracteres por segundo. Las frases cortas pueden tardar unos pocos segundos. Las solicitudes se procesan en orden, por lo que bajo carga una solicitud puede esperar en cola antes de generarse.
¿Puedo usar la API para música de espera?
La API genera voz sintética basada en texto, no música. Aunque puedes generar voz para mensajes de espera, no ofrece música de fondo ni efectos de audio avanzados. Cada archivo lleva una marca de agua invisible que indica que es habla sintética, lo cual es estándar.
¿Cómo funciona el pago con USDT?
El pago se realiza mediante USDT en la red TRON (TRC-20). El monto mínimo es de $5. El saldo se acredita automáticamente en minutos después de la transferencia. No se aceptan tarjetas, PayPal ni facturas con IVA. Puedes emitir una nueva clave API en cualquier momento.
Primera solicitud
curl
curl https://api.tk999us.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.mp3Integración rápida para IVR
La API de VozRápida utiliza el endpoint estándar compatible con la industria, permitiendo una integración rápida en sistemas IVR mediante una simple solicitud POST. Solo necesitas enviar el texto y recibirás el archivo de audio listo para reproducirse en tu centralita.
El diseño está pensado para minimizar la complejidad técnica, asegurando que la síntesis de voz se ajuste perfectamente a los flujos de trabajo existentes sin requerir middleware adicional.
Endpoint compatible con estándares
Envía texto y recibe audio mediante POST a https://api.tk999us.info/v1/audio/speech. La estructura del cuerpo JSON es idéntica a la API de OpenAI, lo que facilita el uso de SDKs oficiales solo cambiando la URL base.
Formatos de audio para PBX
Genera audio en MP3, WAV, OPUS, FLAC o PCM. Estos formatos garantizan compatibilidad directa con la mayoría de las PBX y sistemas de respuesta de voz interactiva sin necesidad de conversiones adicionales.
Latencia predecible
La generación procesa solicitudes secuencialmente. Para textos largos, el audio se produce a una velocidad cercana al tiempo real (aprox. 25 caracteres por segundo), lo que permite predecir el tiempo de respuesta para menús IVR.
Voces naturales para atención al cliente
Selecciona entre ocho voces predefinidas diseñadas para claridad en entornos ruidosos. Cada preset está optimizado para garantizar que la síntesis sea comprensible en llamadas telefónicas estándar, sin necesidad de ajustes manuales complejos.
La biblioteca incluye cuatro voces femeninas y cuatro masculinas, cubriendo distintos registros de tono. Esta variedad permite asignar roles específicos a diferentes flujos de la aplicación, manteniendo la consistencia de la marca.
8 presets optimizados para voz
Las voces incluyen ARIA, NOVA, LUNA y SAGE para registros femeninos, y FELIX, MILO, ATLAS y ORION para registros masculinos. Cada una ofrece una timbre distinto, desde narrativo hasta conversacional, adaptado para la comunicación automatizada.
Todos los preset utilizan el mismo motor de síntesis, asegurando una calidad de audio uniforme independientemente del personaje seleccionado. La elección depende exclusivamente del tono deseado para el usuario final.
- Aria: narradora clara y cálida
- Nova: brillante y enérgica
- Luna: suave, ideal para historias
- Sage: calmada e instruccional
- Felix: dinámica, para promociones
- Milo: amigable y conversacional
- Atlas: neutra, estilo noticioso
- Orion: profunda, documental
Voz masculina y femenina
La API no distingue costos ni latencia entre géneros vocales. Puedes alternar entre voces masculinas y femeninas en tiempo real según la lógica de tu IVR. Esto permite, por ejemplo, asignar una voz masculina para menús generales y una femenina para confirmaciones de pago.
Estilo narrativo y conversacional
Desde la voz narrativa de Aria hasta la conversacional de Milo, cada preset está calibrado para evitar la monotonía típica de los sistemas automáticos. La síntesis mantiene un ritmo natural que mejora la comprensión del usuario en colas de espera o menús de navegación.
Idiomas disponibles en la API
La API soporta 23 idiomas, permitiendo desplegar sistemas IVR en múltiples regiones sin necesidad de modelos adicionales. Cada voz puede hablar cualquier idioma de la lista, lo que simplifica la gestión de configuraciones para call centers internacionales.
Soporte multilingüe
El servicio incluye arábigo, chino, danés, finés, alemán, griego, hebreo, hindi, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, sueco, turco e inglés, entre otros. Las voces no están restringidas a un solo idioma; por ejemplo, la voz 'aria' puede leer texto en francés o japonés con la misma calidad que en inglés.
- 23 idiomas disponibles sin configuraciones extra
- Cualquier voz puede leer cualquier idioma de la lista
- No se requieren modelos específicos por idioma
Detección automática de idioma
Si no se especifica el campo language, el sistema infiere el idioma a partir del script del texto. Por defecto, el texto en latinos se asume como inglés. Para textos en español o francés con caracteres latinos, es necesario indicar explícitamente el código ISO en la petición para evitar lecturas incorrectas.
- Inferencia automática basada en el script
- Fallo por defecto: texto latino → inglés
- Recomendación: establecer
languagepara texto no inglés en latinos
Cobertura de mercados hispanos y anglófonos
El soporte para español e inglés es nativo y completo, ideal para centros de llamada que atienden América Latina y Norteamérica. Idiomas como el portugués y el alemán también están disponibles para expansión regional. No se incluyen vietnamita, tailandés, ucraniano ni checo.
Precios transparentes para startups
La facturación se basa estrictamente en los caracteres procesados, con un costo de $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. No hay planes mensuales ni cuotas fijas, lo que permite ajustar el gasto directamente al volumen de llamadas.
Los caracteres excedentes en solicitudes fallidas se devuelven íntegramente, garantizando que solo se pague por audio generado con éxito. El saldo no caduca y no hay cargos por inactividad ni por el número de claves activas.
Costo por carácter
El precio es uniforme: $10 por cada millón de caracteres consumidos. Este modelo simplifica la planificación de costos para startups, eliminando la complejidad de tiering o volúmenes mínimos.
- $0.01 por 1.000 caracteres (input completo)
- Facturación por carácter, no por segundo de audio
- Sin mínimos de gasto mensual
Sin costes ocultos
Las solicitudes fallidas no generan cargo. No existen tarifas por almacenamiento de audio ni por uso de la API fuera de horario. El saldo permanece activo indefinidamente.
- Reembolso automático en errores de síntesis
- Sin cargos por almacenamiento ni inactividad
- Claves ilimitadas sin costo adicional
Pago con criptomonedas
Las recargas se realizan exclusivamente mediante USDT en la red TRON (TRC-20). El depósito mínimo es de $5 y el saldo se acredita automáticamente en minutos.
Se aceptan pagos directos sin necesidad de facturas, IVA o procesadores de pago tradicionales como tarjetas de crédito o PayPal.
- USDT (TRC-20) único método de pago
- Mínimo de recarga: $5 USD
- Credito automático en minutos
Demostración de calidad de audio
La calidad de audio es fundamental para la experiencia del usuario en un call center. VozRápida utiliza motores de síntesis que producen habla natural, reduciendo la percepción de robótica en las interacciones automatizadas.
Las voces están diseñadas para claridad y consistencia, asegurando que la información crítica se transmita sin ambigüedades en cada llamada.
Prueba de voces en español
Todas las voces soportan español nativamente. Se recomienda la voz 'sage' para instrucciones claras o 'nova' para mensajes dinámicos.
La detección automática de idioma funciona con texto latino, pero se sugiere especificar language: 'es' para mayor precisión.
- Voces femeninas: aria, nova, luna, sage
- Voces masculinas: felix, milo, atlas, orion
Comparativa de formatos MP3/WAV
MP3 ofrece compresión eficiente para reducir ancho de banda en IVR. WAV mantiene calidad sin pérdida, ideal para pruebas de integración.
Ambos formatos son soportados directamente por la mayoría de las PBX modernas sin conversión adicional.
- MP3: recomendado para producción
- WAV: recomendado para pruebas
Ejemplo de texto largo
Para textos extensos, la API divide automáticamente en bloques de 4096 caracteres y los une.
El tiempo de generación es aproximadamente en tiempo real, facilitando la integración en flujos de llamadas prolongadas.

Casos de uso en call centers
La API de texto a voz permite automatizar interacciones en centros de llamada sin infraestructura compleja. Genera audio instantáneo para menús IVR, notificaciones y avisos, integrándose directamente en el flujo de llamadas mediante un endpoint estándar.
Ideal para startups que buscan reducir costos de operadores humanos mientras mantienen una experiencia de usuario coherente y profesional en cada interacción telefónica.
Música de espera (hold music)
Genera avisos de espera personalizados con voces naturales (como Luna o Atlas) para sustituir la música de fondo genérica. Nota: la API genera voz basada en texto, no música instrumental.
- Reemplazo dinámico de hold music
- Voces claras para retención
- Sin licencias de música
Notificaciones automáticas
Envío de avisos de estado o actualización de llamadas mediante síntesis rápida. Útil para informar sobre tiempos de espera o cambios en el servicio sin intervención humana.
- Actualizaciones en tiempo real
- Voz natural y clara
- Integración sencilla con PBX
Menús de navegación IVR
Creación de menús de voz interactiva dinámicos. Cada opción se sintetiza al momento, permitiendo personalización total del flujo de llamadas sin archivos estáticos predefinidos.
- Menús dinámicos
- Soporte multilingüe
- Escalabilidad automática
Ventajas técnicas para desarrolladores
La API sigue el mismo esquema de solicitud que los estándares de la industria, lo que permite reutilizar clientes HTTP existentes sin adaptar lógica compleja. Solo necesitas ajustar la URL base y autenticarte con tu clave.
Utiliza el SDK oficial de OpenAI modificando el base_url o envía peticiones JSON directas. No requiere librerías propietarias ni dependencias específicas de nuestro ecosistema.
Documentación clara
Cada parámetro de la solicitud, desde el modelo hasta el formato de audio, está detallado con ejemplos de código listos para copiar. La estructura JSON es predecible y facilita la integración en flujos de trabajo automatizados.
Los errores devuelven códigos de estado HTTP estándar, lo que simplifica la depuración en entornos de producción sin necesidad de interpretar respuestas no estandarizadas.
- Esquema de solicitud idéntico a estándares de la industria
- Respuestas de error con códigos HTTP estándar
- Ejemplos de código listos para producción
SDKs de terceros
Al ser compatible con el endpoint de speech de OpenAI, puedes usar cualquier SDK que soporte este formato cambiando la URL base. Esto evita vendor lock-in y permite elegir la herramienta de desarrollo que mejor se adapte a tu stack.
No dependemos de una librería propietaria; la interoperabilidad es nativa gracias a la adherencia a los formatos JSON y HTTP estandarizados.
- Compatible con SDKs de OpenAI
- Sin vendor lock-in
- Interoperabilidad nativa HTTP/JSON
Gestión de claves sencilla
Cada cuenta mantiene una única clave activa. Si necesitas revocar el acceso por seguridad o rotación, emites una nueva clave inmediatamente y la anterior deja de funcionar al instante.
No hay complejidad en la gestión de permisos o scopes; una clave vale para todas las operaciones de generación de voz, simplificando la configuración en servidores de call centers.
- Una sola clave activa por cuenta
- Rotación instantánea sin latencia
- Permisos unificados para todas las operaciones
Infraestructura confiable
La API funciona como un servicio gestionado en la nube, lo que elimina la necesidad de aprovisionar, parchear o escalar servidores manualmente. Los desarrolladores envían texto y reciben audio sin gestionar la infraestructura subyacente, permitiendo enfocarse en la lógica de negocio del call center.
Escalabilidad bajo demanda
El servicio se adapta al volumen de llamadas sin intervención humana. Si la demanda aumenta durante picos de tráfico, la API gestiona las solicitudes sin requerir cambios en el código ni en la configuración de la red.
Procesamiento secuencial
Las solicitudes se procesan una tras otra, lo que garantiza una latencia predecible y evita colas complejas. Para textos largos, el sistema divide automáticamente el contenido en partes de hasta 4096 caracteres y las une al final.
Sin mantenimiento de servidor (servicio gestionado)
No hay necesidad de monitorizar servidores ni aplicar actualizaciones de seguridad manualmente. Todo el ciclo de vida de la infraestructura corre por cuenta de la API, asegurando continuidad operativa con mínimo esfuerzo técnico.
Inicio rápido con API gratuita
Comienza a integrar voz sintética en tu IVR sin inversión inicial. Al registrarte con Google, obtienes un crédito de $0.50 válido por 7 días, suficiente para generar aproximadamente 50 000 caracteres de audio en formato MP3 o WAV.
El proceso de creación de cuenta es inmediato y no requiere tarjeta de crédito ni facturación. Una vez registrado, tu clave API se genera automáticamente para comenzar las pruebas de latencia y calidad de voz.
Crédito de prueba inicial
Recibes $0.50 de crédito al instante al autenticarte con Google. Este saldo permite generar cerca de 50 000 caracteres, lo que equivale a varios minutos de diálogo para validar la integración con tu sistema de call center.
Registro en minutos
Accede a /get-api-key/ con tu cuenta de Google. No necesitas enviar facturas ni esperar aprobaciones manuales. La clave se asigna inmediatamente para que puedas realizar tu primera solicitud POST.
- Autenticación con Google en un clic
- Sin requisitos de tarjeta de crédito
- Clave API activa al instante
Ejemplo de código cURL
Envía tu primer audio con esta solicitud estándar. Reemplaza <YOUR_API_KEY> con tu clave y ajusta el texto según las necesidades de tu menú IVR.
```bash curl -X POST "https://api.tk999us.info/v1/audio/speech" \ -H "Authorization: Bearer <YOUR_API_KEY>" \ -H "Content-Type: application/json" \ -d '{"model": "tts-1", "input": "Bienvenido al centro de atención. Seleccione una opción.", "voice": "nova", "response_format": "mp3"}' ```
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Cada formato tiene implicaciones distintas en el consumo de ancho de banda y la compatibilidad con los reproductores de los sistemas de llamada.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
