API de texto a voz para spots publicitarios con voces claras

Por equipo editorial de LocutorEngine · Actualizado 2026-11-19

En esta página encontrarás la API de texto a voz de LocutorEngine, diseñada específicamente para startups que producen spots de radio y anuncios publicitarios. Ofrece integración rápida con tu pipeline existente, permitiendo generar audio de alta calidad con voces claras y profesionales listas para emitir en campañas digitales.

Explora las ocho voces disponibles, los 23 idiomas soportados y la estructura de precios transparente por carácter. Aprende a integrar el endpoint compatible con OpenAI, controla la velocidad de generación y escala tu producción de audio según la demanda de tu campaña, sin costos ocultos ni suscripciones mensuales.

API de texto a voz para spots publicitarios con voces claras

Preguntas frecuentes

¿Qué es una API de texto a voz?

Es un servicio en la nube que convierte texto en archivos de audio. Envías texto mediante una solicitud POST a nuestro endpoint y recibes el archivo de audio generado. La API sigue la misma estructura de solicitudes que OpenAI, lo que permite usar los SDKs de OpenAI cambiando solo la URL base.

¿Cómo funciona la conversión de texto a voz?

Envías texto mediante una solicitud POST a https://api.tm66.info/v1/audio/speech. El cuerpo de la solicitud incluye el modelo, el texto, la voz y el formato deseado. La API procesa la solicitud y devuelve el archivo de audio generado directamente en la respuesta.

¿Cuáles son las voces disponibles para anuncios?

Disponemos de ocho voces preestablecidas: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. Para spots publicitarios, destacan Felix (energético) para promos, Milo (amigable) para conversaciones, o Luna (suave) para narración. Todas están basadas en grabaciones con licencia y son aptas para campañas digitales.

¿En cuántos idiomas está disponible la voz?

El servicio soporta 23 idiomas, incluyendo inglés, español, alemán, francés, japonés y chino. Cualquier voz puede hablar cualquiera de estos idiomas. Si no se especifica el idioma, se infiere del texto, pero se recomienda establecerlo explícitamente para textos en latinos que no sean inglés.

¿Cuánto cuesta usar la API?

El costo es de $10 por cada 1 millón de caracteres, equivalente a $0.01 por 1.000 caracteres. Los espacios y puntuación cuentan como caracteres. Las solicitudes fallidas son gratuitas y el saldo no caduca. No hay planes mensuales ni cargos fijos, solo pagas por uso.

¿Hay un límite de caracteres por solicitud?

Sí, cada solicitud acepta hasta 4.096 caracteres de texto. Para textos más largos, debes dividirlo en partes de este tamaño y unir los archivos de audio resultantes. Esto permite generar spots de radio de cualquier duración manteniendo la eficiencia de las solicitudes individuales.

¿Se puede controlar 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 voz para adaptarla al ritmo de tu spot publicitario o anuncio, manteniendo la claridad y la calidad del audio generado.

¿Qué formatos de audio se pueden generar?

Puedes solicitar audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos cubren la mayoría de las necesidades de producción de audio para campañas digitales. Selecciona el formato que mejor se integre con tu pipeline de edición o plataforma de emisión.

¿Las voces suenan naturales para spots de radio?

Las voces están basadas en grabaciones con licencia (LibriTTS-R) y audiolibros de dominio público. Cada archivo generado incluye una marca de agua inaudible que lo identifica como síntesis. Aunque no son clonaciones personalizadas, ofrecen una calidad clara y profesional adecuada para la industria de la publicidad y radio.

¿Cuánto tiempo tarda en generarse el audio?

La generación es aproximadamente en tiempo real para textos largos (25 caracteres por segundo). Las frases cortas tardan unos segundos. Las solicitudes se procesan en secuencia, por lo que bajo carga alta puede haber un tiempo de espera en cola antes de la síntesis.

¿Se puede usar la API para múltiples proyectos?

Sí, la API es agnóstica al proyecto. Puedes usar la misma clave para generar audio para diferentes campañas, spots o aplicaciones. No hay límites de proyectos ni de usuarios, solo el límite de 60 solicitudes por minuto por clave.

¿Qué pasa si la generación de audio falla?

Si la síntesis falla, la carga se devuelve completamente. No se te cobra por las solicitudes que no se completaron exitosamente. Esto asegura que solo pagues por el audio generado correctamente, minimizando el riesgo en tus procesos de producción de anuncios.

¿Se almacena el texto enviado?

El texto enviado se utiliza únicamente para producir el audio y no se usa para entrenamiento. El audio generado se devuelve en la respuesta y no se almacena. Solo se conservan los metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación.

¿Cómo se paga el uso de la API?

Los pagos se realizan mediante top-ups en USDT (red TRON, TRC-20), con un mínimo de $5. El saldo se acredita automáticamente en minutos. No aceptamos tarjetas, PayPal ni suscripciones. Puedes iniciar con una prueba gratuita de $0.50 al registrarte con Google.

Primera solicitud

curl

curl https://api.tm66.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

Generación de audio para anuncios

Ilustración de onda de sonido para: Generación de audio para anuncios

Envía texto y recibe audio listo para emitir. Nuestra API convierte guiones de spots publicitarios en archivos de voz clara, optimizados para campañas de radio y medios digitales. El flujo es directo: solicitud JSON, respuesta inmediata con el archivo generado.

Voces claras para spots de radio

Voces claras para spots de radio

Utilizamos voces profesionales con estilos específicos para publicidad. Para anuncios enérgicos, usa Felix. Para narrativas más suaves, considera Aria o Luna. Cada voz está diseñada para mantener la claridad del mensaje en cualquier formato de difusión.

  • Felix: estilo energético para promos
  • Aria: narradora clara y cálida
  • Nova: tono brillante y actual

Formatos de audio listos para emitir

Generamos audio en MP3, WAV, OPUS, FLAC o PCM. Estos formatos son estándar en la industria de la radio y la publicación digital. No necesitas conversión adicional; el archivo resultante cumple con los requisitos técnicos de la mayoría de las plataformas de emisión.

Integración rápida con tu pipeline

La API funciona con el mismo formato de solicitud que OpenAI. Solo cambias la URL base a https://api.tm66.info/v1 y envías tu clave. La integración es inmediata, permitiendo automatizar la generación de múltiples variaciones de un spot sin intervención manual.

  • Endpoint: POST /v1/audio/speech
  • Compatible con SDKs de OpenAI
  • Entrada: texto (hasta 4096 caracteres)

Voces disponibles para publicidad

Ilustración de onda de sonido para: Voces disponibles para publicidad

LocutorEngine ofrece ocho voces predefinidas, grabadas con licencia y optimizadas para la claridad en spots publicitarios. Cada voz está diseñada para transmitir un tono específico, desde narrativas suaves hasta anuncios energéticos, permitiendo adaptar el mensaje a la identidad de tu startup sin necesidad de producción de estudio.

Voces femeninas: Aria, Nova, Luna, Sage

Aria ofrece una narración clara y cálida, ideal para presentaciones de productos. Nova aporta un tono brillante y alegre, perfecto para ofertas dinámicas. Luna es suave y narrativa, adecuada para historias de marca. Sage transmite calma y autoridad instruccional.

Voces masculinas: Felix, Milo, Atlas, Orion

Felix es enérgico y orientado a promociones. Milo mantiene una conversación amigable y cercana. Atlas proporciona neutralidad para noticias o información factual. Orion ofrece un tono profundo, ideal para documentales o anuncios de alto impacto.

Estilos narrativos y promocionales

Las voces están basadas en grabaciones licenciadas (LibriTTS-R) y audiolibros de dominio público. Cada archivo generado incluye una marca de agua inaudible que lo identifica como voz sintética, asegurando transparencia en el uso del audio para campañas digitales.

Idiomas soportados

Ilustración de onda de sonido para: Idiomas soportados

LocutorEngine soporta 23 idiomas, incluyendo inglés, español, alemán, francés, japonés, chino y árabe, permitiendo campañas publicitarias multilingües sin complicaciones adicionales.

La API detecta automáticamente el idioma según el script del texto de entrada. Para textos en alfabeto latino que no sean inglés, se recomienda especificar el parámetro language para asegurar la pronunciación correcta.

23 idiomas con cobertura global

Nuestro motor sintetiza voz en 23 idiomas, cubriendo los mercados principales para spots de radio y anuncios digitales. No soportamos vietnamita, indonesio, tailandés, ucraniano, rumano, checo, bengalí ni otros idiomas no listados.

  • Español, inglés, alemán, francés, italiano, portugués
  • Chino, japonés, coreano, árabe, hindi
  • Ruso, turco, polaco, neerlandés, danés
  • Sueco, noruego, finlandés, griego, hebreo, malayo, swahili

Detección automática del idioma

Si no se especifica el campo language, el sistema infiere el idioma basado en los caracteres del texto de entrada. El texto en latino por defecto se interpreta como inglés.

  • Inferencia automática basada en el script
  • Uso recomendado del parámetro language para textos latinos no ingleses

Soporte para textos en latín y caracteres especiales

El endpoint acepta caracteres Unicode estándar en el campo input. Asegúrate de definir el idioma explícitamente cuando uses alfabeto latino para lenguas distintas al inglés para evitar errores de pronunciación en los spots.

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

Genera audio para tus campañas pagando únicamente por los caracteres que se sintetizan. El costo es de $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. Las solicitudes fallidas no tienen costo, por lo que tu balance solo se reduce por audio entregado con éxito.

Pago por carácter usado

El precio base es de $10 por cada millón de caracteres procesados. No importa si usas el modelo tts-1 o tts-1-hd; el motor y el precio son idénticos. Puedes controlar los gastos ajustando la longitud del input y la velocidad de generación.

  • Costo: $0.01 por 1.000 caracteres.
  • Formatos soportados: mp3, wav, opus, flac, pcm.
  • Carga de trabajo: 60 requests/minuto por clave.

Prueba gratuita con crédito inicial

Inicia tu integración sin riesgo. Al registrarte con Google, recibes $0.50 de crédito (aproximadamente 50.000 caracteres) válidos por 7 días. Si te registras con correo y contraseña, no se otorga crédito inicial, pero puedes empezar a cargar saldo inmediatamente.

Sin costos ocultos ni suscripciones

La facturación es estricta por uso. No hay planes mensuales ni cuotas mínimas. Los top-ups se realizan mediante USDT (TRC-20) con un mínimo de $5, creditados automáticamente en minutos. El saldo no expira y no se incluyen cargos por VAT o facturas administrativas.

  • Pago único: USDT en red TRON (TRC-20).
  • Mínimo de recarga: $5 USD.
  • Saldo sin fecha de caducidad.

Casos de uso para startups

Ilustración de onda de sonido para: Casos de uso para startups

La API de LocutorEngine permite a las startups generar audio publicitario de alta calidad de forma programática, eliminando la necesidad de estudios de grabación físicos para cada campaña. Al enviar texto y recibir un archivo de audio, los equipos de marketing pueden integrar voces profesionales directamente en sus flujos de trabajo digitales sin gestión de talento.

Esta capacidad de generar múltiples versiones de un spot en segundos permite optimizar rápidamente las creatividades para diferentes plataformas y audiencias, manteniendo la consistencia de la marca con un único proveedor de API.

Anuncios para redes sociales

Genera spots de radio o audio para campañas en redes sociales sin contratar locutores por hora. Con un límite de 4096 caracteres por solicitud, puedes producir mensajes concisos y directos listos para emitir en plataformas digitales.

El formato de audio resultante es compatible con la mayoría de los reproductores de video y audio en redes, permitiendo una integración fluida en tus anuncios pagados sin costos de producción adicionales por cada variante.

  • Generación de múltiples variantes de un mismo anuncio en minutos.
  • Integración directa en pipelines de publicación de anuncios digitales.
  • Costo fijo de $0.01 por cada 1.000 caracteres, sin mínimos mensuales.

Contenido para podcasts promocionales

Produce contenido narrativo o promocional para podcasts sin necesidad de agendar sesiones de grabación. Utiliza voces como Luna para storytelling o Felix para promos energéticos, manteniendo la calidad de audio profesional requerida para la distribución en iTunes o Spotify.

La capacidad de controlar la velocidad (0.25–4.0) permite ajustar el ritmo de la narración para adaptarse al formato del episodio, asegurando que el mensaje publicitario se integre naturalmente en el flujo del programa.

  • Voces optimizadas para narración continua y anuncios breves.
  • Control preciso de velocidad para ajustar el ritmo de la voz.
  • Sin costos de almacenamiento ni suscripciones para el contenido generado.

Audio para aplicaciones móviles

Integra voces claras y profesionales directamente en aplicaciones móviles para notificaciones, tutoriales o anuncios in-app. La API devuelve el audio en formatos como MP3, WAV o OPUS, fáciles de manejar en cualquier entorno de desarrollo móvil.

Al no requerir streaming ni websockets, la generación de audio es simple y predecible: envías el texto y recibes el archivo completo. Esto facilita la implementación en flujos de trabajo asíncronos donde el audio se genera justo antes de su entrega al usuario final.

  • Soporte para formatos de audio estándar (MP3, WAV, OPUS).
  • Integración sencilla mediante SDKs de OpenAI o HTTP directo.
  • Escalabilidad automática para manejar picos de demanda sin infraestructura extra.
Casos de uso para startups

Tecnología detrás de la voz

Ilustración de onda de sonido para: Tecnología detrás de la voz

LocutorEngine utiliza dos motores de síntesis de voz (tts-1 y tts-1-hd) para generar audio de alta calidad. Estos modelos procesan texto mediante infraestructura escalable, entregando resultados consistentes para spots publicitarios.

Modelos de síntesis de voz avanzados

El sistema ofrece dos opciones de modelo: tts-1 y tts-1-hd, que utilizan el mismo motor y tienen el mismo precio. Ambos generan audio listo para emitir sin diferencias en la lógica de procesamiento.

  • Motor único con dos perfiles de calidad
  • Procesamiento secuencial para garantizar coherencia
  • Sin streaming ni SSML

Marcas de agua en audio generado

Cada archivo de audio generado incluye una marca de agua inaudible que identifica el contenido como voz sintética. Esto permite verificar el origen del audio sin afectar la experiencia del oyente en campañas publicitarias.

Procesamiento en la nube

Toda la síntesis ocurre en servidores remotos. El texto se envía al endpoint y se recibe el archivo de audio final. No se almacena el texto de entrada, solo los metadatos de facturación.

  • Infraestructura 100% en la nube
  • Sin instalación local requerida
  • Procesamiento bajo demanda

Integración técnica

Ilustración de onda de sonido para: Integración técnica

La API de LocutorEngine sigue el mismo esquema de solicitudes que el endpoint de speech de OpenAI. Solo necesitas cambiar la URL base a https://api.tm66.info/v1 y utilizar tu clave API en la cabecera de autorización. Esto permite reutilizar la configuración de clientes HTTP estándar sin adaptadores complejos.

Endpoint compatible con OpenAI

El endpoint POST https://api.tm66.info/v1/audio/speech acepta el mismo formato JSON que la API de referencia. Envía el texto, el modelo (tts-1 o tts-1-hd), la voz y el formato de audio deseado. La respuesta devuelve el archivo de audio generado directamente, listo para ser procesado o emitido.

  • Compatible con formatos MP3, WAV, OPUS, FLAC y PCM
  • Parámetro speed ajustable entre 0.25 y 4.0
  • Soporte para campo language opcional

SDKs oficiales de OpenAI

Utiliza los SDKs de OpenAI en tus lenguajes preferidos. Al modificar la variable base_url para apuntar a https://api.tm66.info/v1, las bibliotecas oficiales gestionan la autenticación y la serialización de la solicitud automáticamente. Esto reduce el código de integración a unas pocas líneas.

Documentación API completa

Consulta la documentación técnica en /docs/ para ver la especificación completa de los parámetros de entrada, los códigos de estado HTTP y los límites de tasa. La página /get-api-key/ proporciona un ejemplo de comando cURL listo para copiar y ejecutar, facilitando la prueba inicial inmediata.

Ventajas para tu campaña

Ilustración de onda de sonido para: Ventajas para tu campaña

Genera versiones A/B de tus spots en segundos para optimizar la conversión. La API procesa solicitudes secuencialmente, por lo que las peticiones pueden esperar en cola bajo carga, pero el resultado final mantiene una calidad constante.

Generación rápida de múltiples versiones

Experimenta con las 8 voces disponibles (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) sin cambios de configuración complejos. Puedes variar la velocidad entre 0.25 y 4.0 para ajustar el ritmo del anuncio a la duración exacta requerida por la plataforma de emisión.

Control preciso de velocidad y tono

Ajusta la velocidad de habla para cada versión del spot, manteniendo la claridad de la dicción. Selecciona el formato de audio (mp3, wav, opus, flac, pcm) adecuado para tu pipeline de producción o plataforma de publicidad.

Escalabilidad según demanda

Procesa hasta 60 solicitudes por minuto con tu clave API. Si la demanda aumenta, el sistema gestiona la cola de procesamiento; los textos largos se dividen en fragmentos de 4096 caracteres para garantizar la integridad del audio generado.

Soporte y documentación

Ilustración de onda de sonido para: Soporte y documentación

Accede a toda la documentación técnica en /docs/ y obtén tu clave API en /get-api-key/. El endpoint sigue el estándar compatible con OpenAI para una integración inmediata.

El soporte técnico se gestiona exclusivamente por correo electrónico. No hay chat en vivo ni número telefónico disponible.

Guía de inicio rápido

Regístrate en la página /get-api-key/ con Google o correo electrónico para recibir tu clave Bearer única. La documentación en /docs/ detalla los parámetros de velocidad, formato y voz.

  • Registro con Google o email
  • Clave API activa al instante
  • Documentación completa en /docs/

Ejemplos de código curl

Utiliza ejemplos listos para copiar que demuestran la llamada POST al endpoint de audio. Configura tu base URL en el SDK de OpenAI para usar nuestras voces sin adaptar el código.

Soporte por correo electrónico

Envía tus consultas técnicas o de facturación directamente por correo. No ofrecemos atención telefónica ni chat en vivo.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Su tono es ideal para videos explicativos de SaaS o guías de producto donde la comprensión es prioritaria.

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. Tether (USDT)
  3. TRON developer hub: TRC-20
  4. FFmpeg documentation
  5. MDN: Web Speech API
  6. LibriTTS-R corpus (OpenSLR 141)
  7. W3C WAI: making audio and video accessible
  8. LibriTTS-R paper (arXiv 2305.18802)
  9. OpenAI API reference: create speech
  10. Python documentation
  11. openai-python on GitHub
  12. ISO 639 language codes

Más en este sitio