Preguntas frecuentes
¿Cuál es la voz más realista?
Todas las voces tienen la misma calidad de motor de síntesis. La percepción de realismo depende del ajuste de velocidad y la elección del preset adecuado para el tono del video, ya que todas comparten el mismo modelo base.
¿Qué voz es mejor para TikTok?
Nova es ideal por su tono brillante y enérgico, mientras que Luna funciona bien para narrativas. Milo ofrece un estilo conversacional cercano. La elección depende del contenido: Nova para dinamismo, Milio para cercanía o Luna para historias.
¿Puedo mezclar voces?
La API genera un audio continuo por solicitud. Para mezclar voces, debes realizar múltiples solicitudes, una por cada fragmento de texto con la voz deseada, y luego unir los archivos de audio resultantes en tu editor de video.
¿Cuál es la voz más barata?
Todas las voces tienen el mismo precio. El costo es de $10 por 1 millón de caracteres, independientemente de si usas el modelo tts-1 o tts-1-hd, o cualquier preset de voz seleccionado.
¿Son todas las voces iguales?
Comparten el mismo motor de síntesis pero difieren en tono y registro. Hay 8 presets: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. Cada una tiene un timbre distinto para adaptarse a diferentes estilos de contenido, permitiendo elegir la voz adecuada según el contexto de tu video.
¿Qué voz usa para noticias?
Atlas está diseñado para un tono neutral y periodístico, ideal para noticias. Sage también es una opción válida para contenido instructivo o informativo. Ambas ofrecen claridad y neutralidad adecuadas para este formato.
¿Puedo cambiar la voz después?
Sí. Puedes generar el audio nuevamente con cualquier voz disponible en cualquier momento. Solo necesitas enviar una nueva solicitud a la API con el parámetro voice cambiado y el texto correspondiente.
¿Cuál es la voz más rápida?
La velocidad de generación depende de la carga del servidor y la longitud del texto, no de la voz. Puedes ajustar la velocidad de habla entre 0.25 y 4.0 mediante el parámetro speed en la solicitud.
¿Son voces de humanos?
Están basadas en grabaciones con licencia de LibriTTS-R (CC BY 4.0) de narradores de audiolibros de dominio público. Cada archivo generado lleva una marca de agua invisible que indica que es voz sintética.
¿Tienen acento latino?
Las voces soportan español, pero no tienen un acento latino específico por defecto. El idioma se detecta automáticamente o se puede fijar con el parámetro language. El acento es neutro, basado en las grabaciones originales.
¿Cuál es la voz más suave?
Luna es descrita como suave e ideal para contar historias. Sage también tiene un tono calmado y educativo. Ambas son opciones adecuadas si buscas una voz menos enérgica o más serena para tus videos.
¿Puedo usar la voz en YouTube?
Sí. Los archivos generados pueden usarse en YouTube. Cada audio tiene una marca de agua inaudible que lo identifica como sintético. No hay restricciones de uso específicas para plataformas de video en los términos.
¿Qué voz eligen los freelancers?
No hay datos estadísticos oficiales. Los freelancers suelen elegir según el tono: Nova para contenido dinámico, Milo para estilo conversacional o Felix para promociones. La elección depende del estilo visual y auditivo de cada video.
¿Son voces estáticas?
Son presets fijos. No ofrecen variación de emociones ni personalización en tiempo real. Si necesitas un tono diferente, debes generar una nueva solicitud con otro preset de voz disponible en la API.
Voces femeninas
Las voces femeninas en NarradorIA están optimizadas para crear contenido audiovisual atractivo. Cada preset ofrece un tono distintivo que se adapta a diferentes estilos de narrativa, permitiendo a los freelancers mantener la coherencia visual y auditiva de sus canales sin necesidad de editar voces complejas.
Aria: Narradora clara
Aria ofrece un tono cálido y claro, ideal para narradoras que buscan una entrega directa y profesional. Su claridad en la dicción la hace perfecta para explicaciones técnicas o guiones que requieren precisión sin perder calidez humana.
Nova: Energética
Nova presenta un estilo brillante y optimista, diseñado para captar la atención rápidamente. Es la opción recomendada para anuncios promocionales o contenido dinámico donde la energía del narrador debe reflejar el ritmo acelerado típico de las redes sociales.
Luna: Suave
Luna tiene un estilo suave, cercano al storytelling. Es una opción adecuada para narraciones emotivas o historias personales donde la voz debe transmitir cercanía sin esfuerzo. Su tono permite conectar con la audiencia de manera íntima, ideal para testimonios o relatos.
Al utilizar Luna, se evita la rigidez de las voces más formales, permitiendo que el mensaje resuene con naturalidad. Esto es crucial en formatos verticales donde el tiempo de atención es limitado.
Voces masculinas
Las voces masculinas de NarradorIA están diseñadas para narraciones de videos en TikTok, Reels y Shorts. Cada voz tiene un propósito claro para mantener la atención del espectador.
Felix: Promocional
Felix tiene un tono energético y directo. Es ideal para anuncios rápidos o promociones de productos en formato vertical. Su estilo dinámico ayuda a captar la atención en los primeros segundos del video.
- Voz masculina con energía alta
- Ideal para promociones y ventas
- Estilo dinámico y directo
Milo: Conversacional
Milo ofrece un tono amigable y cercano, similar a una conversación entre amigos. Funciona bien en narrativas que requieren empatía o explicaciones paso a paso sin sonar robótico. Su naturalidad mantiene la retención de audiencia.
- Tono amigable y cercano
- Bueno para explicaciones paso a paso
- No suena robótico
Atlas: Noticias
Atlas proporciona una voz neutral y clara, adecuada para informativos o actualizaciones rápidas. Su entrega precisa facilita la comprensión de datos o hechos en videos cortos. Es la opción estándar para contenido informativo.
- Voz neutral y profesional
- Ideal para contenido informativo
- Claridad en la entrega de datos
Voz para documentales
La voz Orion está diseñada para narraciones con un tono profundo y serio, ideal para dar autoridad y seriedad a tus contenidos visuales. Su timbre grave permite transmitir información compleja sin distraer al espectador con entonaciones excesivas.
Orion: Profunda
Orion utiliza un registro vocal grave que proyecta confianza inmediata. Es la opción preferida para videos que requieren un tono documental o informativo, donde la claridad del mensaje es más importante que la energía.
- Timbre grave y maduro
- Ideal para tono serio
- Transmite autoridad
Tono serio
A diferencia de las voces más expresivas, Orion mantiene una consistencia tonal que evita distracciones. Esto es crucial en videos de tecnología o noticias donde el usuario necesita procesar datos rápidos sin fatiga auditiva.
El tono serio se integra bien con música de fondo minimalista, permitiendo que la narración sea el centro de atención sin competir con elementos visuales ruidosos.
Narrativa larga
Para guiones extensos, Orion mantiene la claridad durante toda la duración. La API procesa textos de hasta 4096 caracteres por solicitud, generando audio natural que no suena fatigado incluso en velocidades normales.
Recomendamos usar formato MP3 u OPUS para optimizar el tamaño del archivo sin sacrificar la calidad percibida en plataformas como TikTok o Reels.
- Soporta textos largos
- Mantiene claridad
- Compatible con MP3/OPUS
Selección por idioma
La API detecta automáticamente el idioma según el guion, pero el inglés por defecto en texto latino puede ser incorrecto para contenido en español. Establece el campo language explícitamente para garantizar la pronunciación precisa.
Cada voz mantiene su timbre base independientemente del idioma seleccionado. No hay personalización de acento por voz individual, pero las 23 voces cubren múltiples regiones con alta fidelidad fonética.
Español neutro
Configura language: 'es' para evitar que el sistema interprete el texto como inglés. Las voces como Aria o Luna entregan una articulación clara, ideal para narraciones de TikTok o Reels donde la comprensión inmediata es crítica.
El texto latino sin especificar idioma se asumirá como inglés, lo que distorsiona la pronunciación de palabras en español. Define siempre el código ISO para mantener la coherencia en tu flujo de trabajo.
Inglés americano
El sistema asume inglés automáticamente si detecta script latino y no hay language definido. Esto es útil para contenido global, pero debes verificar que el texto no contenga palabras en otros idiomas que necesiten pronunciación específica.
Las voces como Nova o Milo ofrecen un tono energético natural para shorts de tecnología o moda, manteniendo la claridad incluso a velocidades rápidas.
Acentos variados
Las voces están diseñadas para adaptarse a 23 idiomas específicos. Cada voz mantiene su timbre base independientemente del idioma seleccionado. No hay personalización de acento por voz individual.
Para contenido en alemán, japonés o árabe, selecciona la voz adecuada y define el código ISO. Esto asegura que la fonética sea correcta sin necesidad de ajustes manuales complejos.
- Soporta 23 idiomas específicos
- Timbre constante por voz
- Sin personalización de acento individual
- Detección automática por script
- Códigos ISO recomendados
- Sin variaciones de acento por voz
Velocidad y tono
La velocidad de síntesis se controla mediante el parámetro speed en la API, permitiendo ajustar la duración del audio sin modificar el texto. Este ajuste es crucial para sincronizar la narración con el ritmo visual de videos cortos en TikTok, Reels y Shorts.
Ajuste de velocidad
Envía un valor numérico entre 0.25 y 4.0 en el cuerpo de la solicitud POST. Un valor de 1.0 corresponde a la velocidad predeterminada. Modificar este parámetro altera directamente la duración del archivo de audio generado, manteniendo la entonación original de la voz seleccionada.
Rango 0.25 a 4.0
El rango permite desde narraciones muy pausadas hasta locución rápida. Para contenido educativo o explicativo, velocidades cercanas a 1.0 o ligeramente superiores suelen funcionar mejor. Valores extremos pueden afectar la comprensión si el texto contiene números o términos técnicos complejos.
Claridad vs velocidad
Aumentar la velocidad reduce el tiempo de producción pero puede comprometer la claridad para el oyente. En videos de menos de 60 segundos, se recomienda no superar 1.5x para mantener la comprensión. Prueba siempre con fragmentos cortos antes de generar la narración completa.
- Velocidad 1.0: Velocidad estándar natural.
- Velocidad 2.0+: Adecuado para saltos rápidos o transiciones.
- Velocidad <1.0: Útil para énfasis o explicaciones detalladas.
Casos de uso específicos
Genera narraciones claras para contenido educativo en TikTok. Utiliza la voz Aria o Sage para mantener la atención del espectador mientras explicas conceptos técnicos o tutoriales paso a paso.
Para Reels de moda, la voz Nova aporta un tono energético y moderno que resalta la rapidez de los outfits. Usa velocidad ajustada a 1.5x para mantener el ritmo visual sin perder claridad.
TikTok educativo
Usa la voz Aria para narraciones claras. Ideal para tutoriales rápidos donde la precisión es clave. Limita el texto a 4096 caracteres por solicitud para evitar tiempos de espera en cola.
- Voz Aria para claridad narrativa
- Límite de 4096 caracteres
- Velocidad estándar (1.0x)
Reels de moda
La voz Nova ofrece un tono brillante y dinámico. Perfecta para mostrar transiciones rápidas de ropa. Ajusta la velocidad entre 1.2x y 1.5x para sincronizar con la música.
- Voz Nova para energía
- Velocidad 1.2x-1.5x
- Formato MP3 optimizado
Shorts de tecnología
Utiliza la voz Atlas para un tono neutral y profesional en reseñas de gadgets. Su estructura clara transmite información técnica sin distracciones emocionales.
- Voz Atlas para neutralidad
- Texto descriptivo técnico
- Audio WAV para alta calidad
Calidad de audio
La calidad del audio depende de la elección del modelo y del formato de salida. El modelo tts-1-hd ofrece mayor fidelidad que tts-1, ideal para contenido premium. Ambos utilizan la misma base de datos de voces y tienen el mismo precio por carácter.
HD vs Standard
Selecciona tts-1-hd para narraciones donde la claridad es crítica. tts-1 es suficiente para contenido rápido de redes sociales. La diferencia de calidad es audible en equipos de alta gama.
- Modelos: tts-1 y tts-1-hd
- Precio idéntico para ambos
Formatos recomendados
Usa MP3 para almacenamiento y reproducción web eficiente. Elige WAV o FLAC si necesitas editar el audio sin pérdidas. OPUS es un formato de compresión eficiente. PCM es crudo y sin comprimir.
- MP3: equilibrio calidad/tamaño
- WAV/FLAC: edición sin pérdidas
Compresión
La compresión reduce el tamaño del archivo pero puede afectar la calidad si es excesiva. MP3 con bitrate alto mantiene la integridad. Evita múltiples recompresiones en la edición.

Problemas comunes
Los errores de configuración afectan directamente la calidad final de tu narración. Identificar estos fallos comunes te ahorra tiempo y créditos en la generación de audio para tus videos.
Revisa siempre la voz seleccionada y el idioma antes de enviar la solicitud. Una configuración básica incorrecta es la causa más frecuente de resultados no deseados.
Elección incorrecta
Usar una voz demasiado seria para un video dinámico de moda o elegir una voz muy enérgica para un tutorial técnico puede romper la coherencia de tu contenido. Ajusta la voz al tono del video.
Verifica que la voz coincida con el formato. Por ejemplo, 'Atlas' para noticias o 'Luna' para historias suaves.
- Coincidir tono de voz con el estilo del video
- Evitar contrastes marcados entre voz y contenido visual
Velocidad muy alta
Aumentar la velocidad por encima de 2.0 puede hacer que la voz suene robótica o dificultar la comprensión, especialmente en textos densos. El rango seguro es 0.25 a 4.0, pero la claridad disminuye notablemente cerca de los límites.
Para narraciones rápidas, prueba primero con 1.5x. Si el texto supera los 4000 caracteres, considera dividirlo para mantener la calidad.
La velocidad no afecta el precio, pero sí la percepción del usuario final en plataformas como TikTok.
- Rango recomendado: 0.25 a 4.0
- Velocidad real aproximada: 25 caracteres por segundo
Lenguaje no detectado
Si el campo language no se especifica, la API intenta adivinarlo. Para texto en latín, asume inglés por defecto. Si narras en español o alemán con texto latino, debes indicar el idioma ISO explícitamente.
La detección automática falla con idiomas menos comunes o mezclas de idiomas. Forzar el código ISO garantiza la pronunciación correcta de los fonemas.
Idiomas no soportados incluyen vietnamita, tailandés ucraniano. Verifica la lista de 23 idiomas disponibles antes de integrar.
- Campo
languagees opcional pero recomendado - Texto en latín se asume inglés si no se especifica
Recomendaciones finales
Optimiza tu flujo de trabajo probando fragmentos cortos antes de generar narraciones completas. Utiliza la prueba gratuita de $0.50 para validar la calidad con 50.000 caracteres antes de comprar saldo en TRC-20.
Prueba antes de pagar
Genera audios de 10 segundos para verificar que la voz elegida mantiene la claridad a la velocidad deseada. Si la síntesis falla, no se cobra; usa este margen para ajustar la velocidad entre 0.25 y 4.0 sin riesgo financiero.
Mezcla de voces
Alterna entre voces femeninas y masculinas para mantener el ritmo visual. Usa Aria o Nova para la introducción, Milo para la explicación central y Atlas para datos técnicos. Esto evita la monotonía auditiva en videos de más de un minuto.
- Combina Nova para energía y Milo para cercanía.
- Usa Luna para transiciones suaves entre escenas.
- Aplica Atlas solo para datos fríos o estadísticas.
Consistencia de marca
Selecciona una voz principal para que tu audiencia la identifique inmediatamente. Asigna una voz secundaria específica para ofertas o avisos legales. Mantén el idioma explícito en la API para evitar que el sistema adivine mal el acento en textos mixtos.
Licencias de voz
Las voces de NarradorIA provienen de grabaciones licenciadas, lo que garantiza que puedas usarlas en tus videos sin preocuparte por derechos de autor complejos. Cada voz está basada en grabaciones reales y editadas para ofrecer la mejor calidad de síntesis.
LibriTTS-R
El conjunto de datos utilizado es LibriTTS-R, que contiene grabaciones de narradores profesionales. Esto asegura una base acústica sólida y natural para los modelos de síntesis.
CC BY 4.0
Todas las grabaciones base están licenciadas bajo Creative Commons Attribution 4.0 International. Esto permite su uso comercial y modificación, siempre que se atribuya la fuente original correctamente.
LibriVox
Las grabaciones originales provienen de lectores de audiobooks de dominio público de LibriVox. Esta fuente garantiza que el material base es libre de restricciones de copyright estrictas.
Integración rápida
La integración es inmediata: una solicitud POST a la API devuelve el archivo de audio. No necesitas instalar librerías complejas ni configurar entornos específicos.
El endpoint sigue el formato estándar, lo que permite usar SDKs existentes o llamadas HTTP directas con tu clave Bearer.
Envía el texto, el modelo y la voz en formato JSON. La respuesta contiene el audio listo para descargar o reproducir.
Código de ejemplo
Utiliza curl para probar la generación de audio sin escribir código complejo. Reemplaza YOUR_API_KEY con tu clave única.
Este comando genera un archivo MP3 con la voz "nova" a velocidad normal. El resultado se guarda localmente para su uso en tus videos.
- Endpoint:
POST https://api.gf66.info/v1/audio/speech - Modelo:
tts-1otts-1-hd - Formato:
mp3,wav,opus,flacopcm
SDK OpenAI
Los SDKs oficiales de OpenAI funcionan modificando el base_url a https://api.gf66.info/v1. Esto permite reutilizar tu código existente sin cambios mayores.
La estructura del cuerpo de la solicitud es idéntica, facilitando la migración desde otras plataformas de texto a voz.
- Modifica la URL base del cliente
- Usa la misma estructura JSON de entrada
- Mantén la autenticación con Bearer token
API simple
Para integraciones rápidas, usa una llamada HTTP simple con cualquier lenguaje de programación. Solo necesitas enviar los parámetros requeridos.
La respuesta devuelve el audio binario directamente, listo para ser incrustado en tu flujo de producción de contenido.
- Compatible con cualquier lenguaje que soporte HTTP.
- Autenticación básica con clave API
- Respuesta directa en formato audio
Soporte de idiomas
La API soporta 23 idiomas específicos, incluyendo español, inglés, alemán, japonés, chino y árabe. Cada voz puede generar audio en cualquiera de estos idiomas sin restricciones adicionales.
El sistema detecta automáticamente el idioma basándose en el script del texto. Para textos en latín que no sean inglés, se recomienda establecer explícitamente el parámetro language para evitar errores de pronunciación.
23 idiomas listados
El servicio incluye soporte completo para: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish y Turkish.
No se soportan vietnamita, indonesio, tailandés, ucraniano, rumano, checo, bengalí ni otros idiomas fuera de esta lista específica.
- Arabic
- Chinese
- Danish
- Dutch
- English
- Finnish
Detección automática
Si no se especifica el idioma, el sistema infiere el idioma basándose en los caracteres del texto. El texto en latín se asume como inglés por defecto.
Para acentos distintos al inglés en texto latino, es obligatorio definir el campo language para garantizar la pronunciación correcta.
Códigos ISO
Utiliza códigos ISO estándar para la detección precisa. Esto asegura que la voz seleccionada aplique la fonética correcta para el idioma indicado en la solicitud.
El parámetro language es opcional pero recomendado para textos en idiomas no latinos o cuando se requiere un acento específico.
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
