API de Texto a Voz para Creadores de Contenido

Por Equipo editorial NarradorIA · Actualizado 2026-11-19

Esta página presenta la API de texto a voz de NarradorIA, diseñada para freelancers que producen videos para TikTok, Reels y Shorts. Genera narraciones profesionales a bajo costo mediante una interfaz simple y rápida, sin suscripciones mensuales ni costes fijos.

Obtendrás acceso a 8 voces, 23 idiomas y formatos de audio (mp3, wav, opus, flac, pcm). Aprende a integrar la API en segundos, conoce los precios por carácter y resuelve dudas sobre el uso comercial, las limitaciones técnicas y la generación de audio para contenido viral.

API de Texto a Voz para Creadores de Contenido

Preguntas frecuentes

¿Qué es una IA narrador?

Es una API de texto a voz en la nube. Envías texto y recibes un archivo de audio. El endpoint es POST /v1/audio/speech con cuerpo JSON. Funciona con SDKs de OpenAI cambiando la base_url.

¿Es compatible con OpenAI?

Sí, la forma de la solicitud es idéntica al endpoint de speech de OpenAI. Solo necesitas cambiar la base_url a https://api.gf66.info/v1 y usar tu clave API. Los SDKs oficiales de OpenAI funcionan directamente sin modificaciones adicionales en tu código de integración.

¿Qué voces están disponibles?

Ofrecemos 8 voces preestablecidas: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. Son basadas en grabaciones con licencia de LibriTTS-R. Cada voz tiene un tono distinto, desde narradora clara hasta documental profundo. Puedes seleccionar cualquiera mediante el campo voice en tu solicitud a la API.

¿Cuántos idiomas soporta?

Soporta 23 idiomas: inglés, español, alemán, francés, italiano, portugués, ruso, chino, japonés, coreano, árabe, hindi, entre otros. Cualquier voz puede hablar cualquier idioma de la lista. Si no especificas el idioma, se intenta adivinar por el script, pero es recomendable definirlo explícitamente para textos en latinos.

¿Cuál es el precio por carácter?

El costo es de $10 por 1 millón de caracteres, equivalente a $0.01 por cada 1.000 caracteres. Los espacios y puntuación cuentan como caracteres. El saldo no expira y no hay cargos fijos. Solo pagas por los caracteres que realmente se sintetizan con éxito.

¿Necesito suscripción mensual?

No. No hay planes mensuales, asientos ni gasto mínimo. Pagas solo por lo que usas con recargas de saldo. No hay facturación con IVA ni suscripciones automáticas. Tu saldo permanece disponible hasta que lo consumas, sin fechas de vencimiento ni compromisos de permanencia.

¿Cómo pago con USDT?

Las recargas se realizan exclusivamente con USDT en la red TRON (TRC-20). El monto mínimo es de $5. El crédito se acredita automáticamente en minutos tras la transferencia. No aceptamos tarjetas, PayPal ni facturas. Solo necesitas enviar la criptomoneda a la dirección indicada en tu panel.

¿Las voces tienen marcas de agua?

Sí. Cada archivo de audio generado incluye una marca de agua invisible que marca el contenido como habla sintética. Esto ayuda a identificar el origen del audio. No es audible para el oyente humano, pero está presente en el archivo generado por la API.

¿Puedo clonar mi voz?

No. No ofrecemos clonación de voz personalizada ni subida de muestras propias. Solo usamos las 8 voces preestablecidas basadas en grabaciones licenciadas. No hay diseño de voz ni personalización de timbre. Si necesitas una voz específica, debes elegir entre las opciones disponibles en la lista de voces.

¿Tienen soporte por chat?

No. El soporte es exclusivamente por correo electrónico. No tenemos número de teléfono ni chat en vivo. Para consultas sobre tu cuenta o uso de la API, envía un email al soporte.

¿Es seguro para contenido comercial?

Sí. El texto de entrada se usa solo para producir el audio y no se entrena con él. Los audios generados se devuelven en la respuesta y no se almacenan. Los metadatos se guardan solo para facturación. Las voces provienen de fuentes licenciadas (LibriTTS-R) adecuadas para uso comercial.

¿Qué formato de audio recibo?

Puedes solicitar MP3, WAV, OPUS, FLAC o PCM. El formato se especifica en el campo response_format de la solicitud JSON. Los archivos se entregan directamente en la respuesta de la API. Elige el formato que mejor se adapte a tu flujo de trabajo de edición de video.

¿Cuál es el límite de caracteres?

Cada solicitud acepta hasta 4096 caracteres de texto. Para textos más largos, debes dividirlo en partes y unir los archivos de audio resultantes. La velocidad de generación es aproximadamente en tiempo real, así que textos largos pueden tardar más debido a la cola de procesamiento.

¿Qué pasa si la solicitud falla?

Si la síntesis falla, no se cobra el carácter. El cargo se devuelve en su totalidad si la solicitud no se completa con éxito. Solo se facturan las solicitudes que generan audio correctamente. Esto asegura que no pagues por audio que no recibes o que está corrupto.

Primera solicitud

curl

curl https://api.gf66.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

¿Qué es la API de Texto a Voz?

Ilustración de onda de sonido para: ¿Qué es la API de Texto a Voz?

Envía texto y recibe un archivo de audio mediante una API REST simple. La solicitud se realiza mediante un POST al endpoint /v1/audio/speech, compatible con los SDKs oficiales de OpenAI y herramientas como curl.

API de texto a voz

API de texto a voz

La arquitectura envía texto en formato JSON y devuelve audio listo para usar. No requiere instalación local ni gestión de servidores; todo se procesa en la nube.

Para creadores de video

Diseñada para generar narraciones profesionales para TikTok, Reels y Shorts. Permite integrar voz en flujos de trabajo automatizados sin depender de grabaciones manuales.

Sin suscripciones

No hay planes mensuales ni costos fijos. Pagas solo por los caracteres que procesas, con un modelo de pago por uso transparente.

Voces disponibles

Ilustración de onda de sonido para: Voces disponibles

La API ofrece ocho voces predefinidas, generadas a partir de grabaciones con licencia (LibriTTS-R) y audiopublicos de LibriVox. Cada voz tiene un tono distintivo.

Las voces femeninas incluyen Aria (narradora clara), Nova (alegre), Luna (suave para historias) y Sage (instruccional). Las masculinas son Felix (energética), Milo (conversacional), Atlas (neutral para noticias) y Orion (profunda para documentales).

Voces femeninas

Aria ofrece un tono cálido y claro, ideal para narraciones directas. Nova mantiene un ritmo bright y upbeat, perfecto para anuncios rápidos. Luna es suave, adecuada para storytelling. Sage es calmada y clara para contenido instruccional.

Su claridad articulatoria facilita la comprensión en videos de corta duración.

  • Aria: narradora clara
  • Nova: estilo bright
  • Luna: narrativa suave
  • Sage: tono instruccional

Voces masculinas

Felix aporta energía para promociones. Milo es amigable y conversacional, cercano al oyente. Atlas es neutral, adecuado para noticias o datos. Orion tiene un tono profundo, ideal para documentales o contenido serio.

La elección del género y tono afecta la percepción de autoridad y cercanía en tu contenido. Selecciona según el nicho de tu video.

  • Felix: promocional
  • Milo: conversacional
  • Atlas: neutral
  • Orion: documental

8 estilos diferentes

Cada voz tiene un estilo vocal único derivado de grabaciones licenciadas. No hay clones personalizados ni ajustes de emoción manuales.

El audio generado incluye una marca de agua inaudible que identifica el contenido como síntesis artificial, útil para transparencia en plataformas de video.

Idiomas soportados

Ilustración de onda de sonido para: Idiomas soportados

La API soporta 23 idiomas, desde inglés y español hasta árabe, chino y japonés. Cada voz puede pronunciar cualquier idioma de la lista.

Si omites el campo language, el sistema infiere el idioma basándose en la escritura (el texto en latín se asume inglés por defecto). Para textos en latín en otros idiomas, especifica el código ISO explícitamente para evitar errores.

23 idiomas

Lista completa: 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 incluyen vietnamita, indonesio, tailandés, ucraniano, rumano, checo, bengalí ni otros idiomas no listados.

Detección automática

El motor detecta el script del texto entrante. Si el texto está en latín y no especificas language, se genera en inglés.

Para evitar que textos en español o francés se pronuncien en inglés, siempre envía el parámetro language con el código ISO correspondiente.

Soporte multiidioma

Cada una de las 8 voces predefinidas puede hablar cualquiera de los 23 idiomas soportados.

Esto permite crear videos que alternan idiomas sin cambiar de voz ni de modelo, manteniendo la coherencia auditiva en tus Reels o Shorts.

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

La facturación se basa estrictamente en el consumo real. No hay planes mensuales ni cargos por inactividad. Solo pagas cuando generas audio, lo que elimina el riesgo de pagar por servicios que no utilizas.

Pago por uso

Cobramos $10 por cada millón de caracteres procesados. Este modelo es ideal para freelancers que necesitan escalar su producción de voz sin comprometerse a un gasto fijo mensual.

$0.01 por mil caracteres

El costo es de $0.01 por cada 1,000 caracteres, incluyendo espacios y puntuación.

Sin costes fijos

No hay suscripciones, ni mínimos de gasto ni cargos por cuenta. Si dejas de usar la API, tu saldo permanece intacto y no expira.

Formatos de audio

Ilustración de onda de sonido para: Formatos de audio

La API devuelve audio en los formatos estándar de la industria, garantizando compatibilidad inmediata con editores de video y plataformas de redes sociales. No necesitas conversión adicional antes de subir tus TikToks o Reels.

Elige el equilibrio adecuado entre calidad de archivo y peso de datos. Los formatos comprimidos optimizan el almacenamiento, mientras que las opciones sin comprimir preservan la integridad original para ediciones posteriores.

MP3 y WAV

MP3 es el estándar universal para reproducción web y móviles. WAV ofrece audio sin pérdida, ideal para ediciones de alta fidelidad donde necesitas mantener la máxima calidad de origen.

  • MP3: Tamaño reducido, amplia compatibilidad
  • WAV: Sin pérdida, calidad de estudio

OPUS y FLAC

OPUS proporciona una compresión eficiente con buena calidad, reduciendo el peso del archivo final. FLAC conserva todos los datos de audio sin pérdida, perfecto para archivado profesional.

  • OPUS: Alta eficiencia de compresión
  • FLAC: Sin pérdida, archivo perfecto

PCM sin comprimir

PCM entrega datos de audio brutos, sin ninguna compresión. Es el formato base para procesamiento de señal y herramientas de postproducción que requieren acceso directo a los samples.

  • PCM: Datos crudos, sin compresión
  • Ideal para procesamiento de señal
Formatos de audio

Integración rápida

Ilustración de onda de sonido para: Integración rápida

La integración es inmediata gracias a la compatibilidad con el formato de la API de OpenAI. Solo necesitas ajustar la URL base en tus SDKs existentes, sin reescribir lógica de negocio.

El endpoint es simple y directo: envías texto y recibes audio. Esto reduce el tiempo de desarrollo y permite centrarse en la creación de contenido para redes sociales.

SDK de OpenAI

Utiliza el SDK oficial de OpenAI cambiando únicamente la variable base_url a https://api.gf66.info/v1. Esto permite reutilizar el código existente para llamadas a la API de TTS sin modificaciones complejas.

  • Reutiliza librerías conocidas
  • Cambio mínimo de configuración

Endpoint simple

La estructura de la solicitud es idéntica al endpoint de speech de OpenAI. Solo necesitas proporcionar el modelo, el texto de entrada y el ID de la voz deseada en el cuerpo JSON.

  • Formato JSON estándar
  • Respuesta inmediata en audio

Compatible con curl

Para pruebas rápidas o integraciones en scripts, puedes usar curl directamente. Envía una solicitud POST con tu clave de API en el encabezado Authorization y obtén el archivo de audio al instante.

  • Pruebas instantáneas
  • Integración en scripts bash

Limitaciones técnicas

Ilustración de onda de sonido para: Limitaciones técnicas

La API procesa texto en lotes de hasta 4096 caracteres por solicitud. Para textos más largos, debes dividir el contenido y unir los archivos de audio resultantes manualmente o mediante script.

4096 caracteres por petición

Cada llamada POST acepta un máximo de 4096 caracteres, incluyendo espacios y puntuación. Si tu guion excede este límite, el servicio devuelve un error. Divide tu texto en fragmentos menores y concatena los audios generados.

  • Máximo 4096 caracteres por solicitud
  • Espacios y puntuación cuentan como caracteres
  • Errores no generan cargo

Límite de 60 req/min

La tasa máxima es de 60 solicitudes por minuto por clave API. Hasta la primera recarga, este límite se reduce a 10 req/min. Las peticiones se procesan en cola secuencial; bajo carga, la generación puede tardar más que el tiempo real.

  • 60 solicitudes por minuto (estándar)
  • 10 solicitudes por minuto (sin recarga)
  • Procesamiento secuencial

Sin streaming en tiempo real

La API devuelve el archivo completo una vez terminada la síntesis. No hay transmisión de audio parcial ni conexión WebSocket. Debes esperar a la respuesta completa antes de reproducir o incrustar el audio en tu video.

Uso en redes sociales

Ilustración de onda de sonido para: Uso en redes sociales

La API de Texto a Voz de NarradorIA está diseñada para integrar narraciones profesionales en flujos de producción de video para plataformas de formato vertical. Al generar audio mediante código, los creadores pueden automatizar la voz en off sin depender de sesiones de grabación o equipos de estudio, manteniendo la consistencia en cada publicación.

Videos cortos

Para clips de hasta 60 segundos, la API procesa textos de hasta 4096 caracteres por petición. La velocidad de generación es aproximadamente en tiempo real; para textos largos, las peticiones pueden esperar en cola.

Reels y Shorts

La integración mediante API permite escalar la creación de contenido para Instagram Reels y YouTube Shorts sin cuellos de botella humanos. Puedes generar voces neutras o específicas para series de tutoriales, noticias o historias, manteniendo un tono uniforme y profesional en cada publicación.

Contenido viral

Al no requerir suscripciones ni infraestructura compleja, puedes iterar rápidamente sobre diferentes estilos de narración para encontrar el que mejor resuene con tu audiencia.

Preguntas frecuentes

Ilustración de onda de sonido para: Preguntas frecuentes

Resuelve las dudas comunes sobre la generación de audio y la licencia de uso. Aquí encontrarás información técnica y legal específica para tu flujo de trabajo.

¿Es real la voz?

Las voces están basadas en grabaciones licenciadas (LibriTTS-R) y tienen un matiz natural, pero llevan una marca de agua audible que las identifica como voz sintética.

¿Puedo usarla comercialmente?

Sí. No hay restricciones de uso para tus videos en TikTok, Reels o Shorts. El texto no se usa para entrenar modelos y no retienen archivos generados.

¿Qué pasa si falla?

Si la síntesis falla, la solicitud se considera gratuita y el cargo se devuelve íntegramente. No hay cargos por errores en la generación.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. El resultado se guarda localmente para su uso en tus videos.

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. LibriTTS-R paper (arXiv 2305.18802)
  3. IETF RFC 7845: Ogg Opus
  4. openai-python on GitHub
  5. Python documentation
  6. TRON developer hub: TRC-20
  7. Tether (USDT)
  8. openai-node on GitHub
  9. Creative Commons Attribution 4.0
  10. Node.js documentation
  11. ISO 639 language codes
  12. FFmpeg documentation

Más en este sitio