Preguntas frecuentes
¿Qué es una voz de locutor digital?
Es audio generado por nuestra API de texto a voz. Utilizamos voces basadas en grabaciones licenciadas (LibriTTS-R) para ofrecer resultados listos para campañas publicitarias.
¿Cómo se elige la voz correcta para un anuncio?
Selecciona entre 8 presets según el tono: Felix (energético, ideal para promos), Milo (conversacional) o Atlas (neutral, noticias). Cada voz puede hablar cualquier idioma soportado, garantizando la adecuación perfecta para tu spot.
¿Se puede personalizar el tono de voz?
No. La API no ofrece etiquetas de emoción ni diseño de voz personalizado. Solo puedes ajustar la velocidad (0.25–4.0) y seleccionar entre las 8 voces predefinidas. No hay clonación de voz ni SSML.
¿Cuánto tiempo tarda en generarse un spot?
Típicamente a velocidad real (aprox. 25 caracteres por segundo). Frases cortas tardan unos segundos. Las solicitudes se procesan en cola; bajo carga, puede haber espera. No hay streaming ni audio parcial en tiempo real.
¿Qué formatos de audio son mejores para radio?
Ofrecemos MP3, WAV, OPUS, FLAC y PCM. Para radio digital, MP3 o WAV son estándar. OPUS es eficiente para streaming. Elige según tu pipeline de producción. Todos los archivos incluyen una marca de agua sintética inaudible.
¿Se puede mezclar con música de fondo?
La API genera solo la voz. Tú debes mezclar el audio generado con música usando tu herramienta de edición favorita. No ofrecemos pipeline de doblaje ni edición de video integrada en la API.
¿Es necesario pagar por cada spot generado?
Sí, $0.01 por cada 1.000 caracteres. Los caracteres fallidos se devuelven. No hay planes mensuales ni mínimos. Solo pagas por uso. El saldo no expira. Las solicitudes fallidas son gratuitas.
¿Cómo se controla la velocidad de lectura?
Usa el campo speed en la solicitud JSON. El rango aceptado es de 0.25 a 4.0. El valor predeterminado es 1.0. Esto permite ajustar la velocidad del locutor para adaptarse al ritmo del anuncio.
¿Se pueden generar múltiples versiones del mismo texto?
Sí. Envía múltiples solicitudes POST a /v1/audio/speech cambiando el parámetro voice. Cada solicitud genera un archivo de audio independiente con la voz seleccionada, permitiendo comparar resultados rápidamente.
¿Qué pasa si el texto tiene caracteres especiales?
Los caracteres especiales cuentan como caracteres en el límite de 4096. La API procesa texto estándar. No hay diccionario de pronunciación personalizado. Si el texto excede 4096 caracteres, debes dividirlo y unir los audios.
¿Se puede usar la voz en publicidad pagada?
Sí. Las voces están basadas en grabaciones licenciadas (LibriTTS-R, CC BY 4.0) y lecturas de dominio público. Puedes usar los audios generados en tus campañas sin restricciones adicionales de la API.
¿Hay límites de uso para startups?
Sí, 60 solicitudes por minuto por clave (10 antes del primer recargo). No hay límite diario ni mensual. El límite es por velocidad de consumo. Puedes emitir una nueva clave si es necesario.
¿Cómo se integra con herramientas de edición?
La API devuelve el archivo de audio directamente en la respuesta. Descárgalo y ábrelo en tu software de edición. No hay SDK propio ni plugin de WordPress; usa HTTP o el SDK de OpenAI con base_url ajustado.
¿Se puede traducir un spot automáticamente?
No. La API no traduce texto. Tú debes proporcionar el texto en el idioma deseado. Si usas texto en latín no inglés, especifica el campo language para evitar que se asuma inglés automáticamente.
¿Qué es la codificación ISO en la API?
Es el código de idioma opcional (ej. 'es' para español). Ayuda a la API a seleccionar la voz adecuada si no se puede inferir del script. Si no se especifica, se asume inglés para texto latino.
¿Se puede usar la API en Android?
Sí, mediante llamadas HTTP. No hay SDK móvil nativo. Puedes integrar la API en tu app Android usando cualquier cliente HTTP. Solo necesitas tu clave API y la URL base de la API.
¿Cómo se maneja la cola de solicitudes?
Las solicitudes se procesan una tras otra. Si hay muchas solicitudes simultáneas, algunas pueden esperar en cola. Esto puede aumentar el tiempo de generación bajo carga. No hay garantía de tiempo de respuesta (SLA).
¿Es segura la API para datos de clientes?
Sí. El texto de entrada se usa solo para generar audio y no se entrena con él. El audio generado no se almacena. Solo conservamos metadatos de facturación (tiempo, caracteres, estado) para cobros.
¿Qué ocurre si se pierde la conexión?
Si la solicitud falla, el cargo se devuelve íntegramente. Si el audio se genera pero no se recibe, puedes volver a solicitarlo. No hay penalización por fallos de conexión durante la generación exitosa.
¿Se puede pausar una generación en curso?
No. No hay streaming ni WebSocket. La generación devuelve el archivo completo al finalizar. No puedes pausar ni reanudar una solicitud una vez enviada.
¿Hay un límite de generaciones diarias?
No hay límite diario. El límite es de 60 solicitudes por minuto. Puedes generar tantos spots como necesites, siempre que respetes la tasa de requests por minuto y tengas saldo suficiente en la cuenta.
¿Cómo se verifica la calidad del audio?
Descarga el archivo generado y escúchalo. Los audios llevan una marca de agua sintética inaudible. La calidad depende de la voz seleccionada y la velocidad. No hay garantía de calidad subjetiva más allá de las especificaciones técnicas.
¿Se puede usar para anuncios de TV?
Sí. La API genera audio de alta calidad. Puedes usarlo en spots de TV. No ofrecemos video ni edición de video, solo el archivo de audio que puedes integrar en tu producción audiovisual.
¿Qué es el formato OPUS?
Es uno de los formatos de audio soportados (junto con MP3, WAV, FLAC, PCM). OPUS es eficiente para streaming y web. Úsalo si tu plataforma de distribución lo requiere para optimizar el ancho de banda.
¿Se puede usar la API en tiempo real?
No. No hay streaming ni audio parcial. La API devuelve el archivo completo al finalizar la síntesis. Para uso en tiempo real, debes pre-generar los audios o implementar tu propia lógica de cola.
¿Cómo se actualiza el balance de cuenta?
Recarga con USDT en la red TRON (TRC-20). Mínimo $5. El saldo se acredita automáticamente en minutos. No aceptamos tarjetas, PayPal ni suscripciones. El saldo no expira y puedes usarlo cuando quieras.
¿Qué es TRC-20 en los pagos?
Es el estándar de token USDT en la red TRON. Es el único método de pago aceptado para recargas. Las transferencias se procesan automáticamente y el saldo se refleja en tu cuenta en cuestión de minutos.
¿Se puede devolver el dinero si no gusta la voz?
Solo si la solicitud falló técnicamente. Si la generación fue exitosa pero no te gustó la voz, el cargo es definitivo. No hay devoluciones por satisfacción subjetiva. Prueba varias voces con tu crédito de prueba.
¿Hay un límite de edad para la cuenta?
No se especifica un límite de edad. Puedes registrarte con Google o email/contraseña. Las cuentas son independientes por sitio. No hay requisitos demográficos específicos para el uso de la API o la recarga de saldo.
¿Se puede usar la API en proyectos académicos?
Sí. No hay restricciones de uso por industria. Puedes usar la API para proyectos académicos, prototipos o producción. El precio es por uso ($0.01/1000 caracteres) y no requiere planes ni contratos empresariales.
Preparación del texto para el spot
Para generar spots de radio efectivos, el texto debe estructurarse con un gancho inicial, cuerpo persuasivo y llamada a la acción clara. La API acepta hasta 4096 caracteres por solicitud; si el texto excede este límite, debes dividirlo en partes y unir los archivos de audio resultantes.
El costo se calcula por carácter, incluyendo espacios y puntuación ($0.01 por 1.000 caracteres). Optimizar la redacción reduce gastos directos. Cada solicitud genera un archivo de audio único que no se almacena, garantizando privacidad para campañas específicas.
Estructura del guion publicitario
Diseña guiones concisos que prioricen la claridad del mensaje. Las voces como Felix (energética) o Atlas (neutral) están optimizadas para este formato, asegurando que el texto sea interpretado correctamente sin necesidad de tags adicionales.
Evita estructuras complejas. El motor de síntesis procesa el texto secuencialmente, por lo que una estructura lineal mejora la comprensión auditiva en entornos de radio digital.
- Mantener el guion bajo 4096 caracteres por solicitud
- Incluir llamada a la acción clara
- Usar puntuación estándar para pausas naturales
Control de longitud y caracteres
Cada carácter cuenta en el costo final. Los espacios y la puntuación se cuentan como caracteres, por lo que reducir redundancias disminuye directamente el importe facturado.
Si el texto excede 4096 caracteres, debes dividirlo en partes y unir los archivos de audio resultantes. Esto añade latencia, ya que las solicitudes se procesan en cola.
- Costo: $0.01 por 1.000 caracteres
- Límite máximo: 4096 caracteres por request
- Incluye espacios y puntuación en el conteo
Selección del idioma adecuado
El sistema detecta el idioma automáticamente, pero para textos en latinos fuera del inglés, especifica el parámetro language. Esto evita errores de pronunciación y asegura la calidad del spot.
El soporte abarca 23 idiomas, incluyendo español, inglés, alemán y francés. No se admiten vietnamita, tailandés ni ucraniano.
- 23 idiomas soportados
- Especificar
languagepara textos en latinos no ingleses - El idioma predeterminado es inglés si no se indica
Selección de la voz ideal
La elección del locutor determina la percepción de tu marca. Nuestro catálogo ofrece ocho voces predefinidas, cada una optimizada para un tono publicitario específico.
Selecciona según el ritmo del spot: energía para promociones o calma para explicaciones. Todas las voces soportan los 23 idiomas disponibles, incluyendo español.
Voces masculinas para anuncios dinámicos
Felix destaca por su energía alta, ideal para promos urgentes o ventas flash. Milo ofrece un tono conversacional y amigable, perfecto para marcas cercanas.
Atlas proporciona una neutralidad clara, similar a la noticia, mientras que Orion aporta profundidad para documentales o productos premium. Estas voces son grabaciones licenciadas de LibriTTS-R.
- Felix: energético, ideal para promos.
- Milo: amigable, tono conversacional.
- Atlas: neutral, estilo noticioso.
- Orion: profundo, estilo documental.
Voces femeninas para narración clara
Aria ofrece una narración clara y cálida, adecuada para presentaciones de productos. Luna suaviza la historia, ideal para marcas con enfoque emocional o storytelling.
Nova aporta un tono brillante y optimista, mientras que Sage es excelente para instrucciones claras y educativas. Todas las voces pueden adaptarse al idioma mediante el parámetro language.
- Aria: narradora clara y cálida.
- Luna: suave, ideal para historias.
- Nova: brillante y optimista.
- Sage: calmada, instruccional.
Comparación de estilos de voz
Las voces no son clones personalizados, sino presets basados en grabaciones licenciadas. Cada archivo generado incluye una marca de agua inaudible que identifica el audio como sintético.
Para spots de radio, combina el tono de la voz con la velocidad (0.25–4.0). Un ritmo más alto funciona con Felix o Nova, mientras que Sage o Aria requieren una velocidad natural para mantener la claridad.
Configuración de parámetros técnicos
La configuración técnica determina la calidad y la utilidad del archivo de audio para su emisión. Ajustar velocidad, formato e idioma asegura que el spot se integre correctamente en las plataformas digitales sin artefactos de reproducción.
Estos parámetros se envían en el cuerpo JSON de la solicitud POST a la API. Una configuración precisa evita reprocesamientos y garantiza que el audio final cumpla con los estándares técnicos de las campañas.
Ajuste de velocidad de lectura
El parámetro speed permite escalar la velocidad entre 0.25 y 4.0. Para spots de radio, una velocidad cercana a 1.0 mantiene la naturalidad, mientras que valores superiores aceleran la entrega de información en anuncios breves.
- Rango válido: 0.25 a 4.0.
- Velocidades altas pueden reducir la claridad de las consonantes.
Elección del formato de audio
Seleccione el formato según la infraestructura de distribución. mp3 es estándar para web; wav ofrece calidad sin pérdida para estudios; opus o flac optimizan el almacenamiento. El formato se define con response_format.
- Formatos soportados: mp3, wav, opus, flac, pcm.
- Use
wavpara edición posterior omp3para streaming inmediato.
Manejo de códigos de idioma
Indique el código ISO con language para asegurar la pronunciación correcta. Si no se especifica, el sistema intenta adivinar el idioma, pero en latín por defecto asume inglés. Para español o alemán, defínelo explícitamente.
- Códigos ISO recomendados: es, de, en, fr.
- No omitir este campo si el texto no es inglés.
Ejecución de la solicitud API
La ejecución comienza definiiendo el cuerpo JSON con los parámetros esenciales: modelo, texto de entrada, voz y formato. El endpoint POST https://api.tm66.info/v1/audio/speech requiere autenticación mediante Authorization: Bearer. Cada solicitud procesa hasta 4096 caracteres, generando un archivo de audio sincronizado.
El sistema devuelve el audio directamente en la respuesta. Para integraciones, se utiliza la librería de OpenAI o HTTP estándar, ajustando la base_url al dominio de la API. Esto asegura compatibilidad inmediata con los flujos de trabajo existentes de las startups.
Construcción del cuerpo JSON
El cuerpo de la solicitud debe incluir model ("tts-1" o "tts-1-hd"), input con el texto del spot y voice seleccionada. Los campos response_format y speed son opcionales pero recomendados para control técnico. Si el texto excede 4096 caracteres, debe dividirse previamente.
- Usar
tts-1otts-1-hd(mismo motor y precio). - Máximo 4096 caracteres por solicitud JSON.
- Velocidad configurable entre 0.25 y 4.0 para ajustar el ritmo del anuncio.
Envío con librerías HTTP
Se recomienda usar la librería de OpenAI configurando base_url en https://api.tm66.info/v1. Esto permite reutilizar el código de las SDKs oficiales sin modificaciones mayores en la lógica de llamada. El encabezado Authorization: Bearer debe contener la clave activa de la cuenta.
- Librerías compatibles: OpenAI SDK (Python, Node.js, etc.).
- Clave de autenticación:
tts-...emitida en la cuenta. - Soporte para HTTP estándar si se prefiere no usar SDKs.
Verificación de respuesta exitosa
Una respuesta exitosa devuelve el archivo de audio en el formato solicitado (mp3, wav, opus, flac, pcm). Si la síntesis falla, no se cobra el carácter y la respuesta indica el error. Verificar el código de estado HTTP 200 asegura que el audio está listo para la campaña.
- Estado 200: audio generado correctamente.
- Error 4xx/5xx: posible fallo de red o límite excedido.
- Formatos soportados: mp3, wav, opus, flac, pcm.
Procesamiento del audio generado
Una vez recibida la respuesta 200, el cuerpo de la respuesta contiene el archivo de audio binario. Dependiendo del formato seleccionado (mp3, wav, opus, flac, pcm), guarda directamente el flujo de bytes en un archivo local o en tu almacenamiento en la nube. No se realiza almacenamiento en nuestro servidor; el audio se devuelve al instante.
Verifica que la duración del archivo coincida con la longitud del texto original. Aunque la generación es cercana al tiempo real, los archivos cortos pueden tardar unos segundos. Asegúrate de que el archivo se haya descargado completamente antes de integrarlo en tu campaña de radio digital.
Descarga del archivo de audio
El endpoint devuelve el audio directamente en el cuerpo de la respuesta HTTP. Para formatos como MP3 o WAV, guarda los bytes crudos en un archivo con la extensión adecuada. Si usas OPUS o FLAC, la extensión debe reflejar el formato seleccionado en response_format.
Si la solicitud falla, no se cobra y no hay archivo que descargar. Verifica siempre el código de estado 200 antes de persistir el archivo.
- Guarda los bytes del cuerpo de la respuesta.
- Usa la extensión correcta según
response_format. - No se almacena copia en nuestros servidores.
Validación de calidad de sonido
Reproduce el archivo generado para confirmar la claridad de la voz y la ausencia de artefactos de compresión. Recuerda que cada archivo lleva una marca de agua inaudible que lo identifica como voz sintética, lo cual es estándar en la industria.
Verifica que la velocidad (speed) aplicada no haya distorsionado la pronunciación. Un valor superior a 1.0 puede acelerar la voz hasta hacerla poco natural para spots de radio.
- Escucha la integridad del audio.
- Confirma la velocidad aplicada.
- La marca de agua es inaudible.
Integración en la campaña
Sube el archivo validado a tu servidor de distribución de medios o plataforma de radio digital. Asegúrate de que el formato sea compatible con los reproductores de tus estaciones objetivo.
Documenta la voz y los parámetros usados (model, voice, speed) para poder replicar el spot o generar variantes posteriores sin perder consistencia acústica.
- Sube a tu servidor de distribución.
- Verifica compatibilidad de formato.
- Documenta los parámetros de generación.
Optimización para radio digital
La compresión MP3 optimiza el peso sin degradar la inteligibilidad. La API devuelve el formato solicitado directamente, listo para la cadena de producción.
Los estándares de nivel aseguran que el spot se integre fluidamente en la programación digital. La normalización evita picos inesperados durante la emisión.
Compresión de archivos MP3
El formato MP3 ofrece el equilibrio ideal entre tamaño y calidad para distribución web. Ajusta la tasa de bits según la necesidad de la campaña para reducir costos de almacenamiento.
Estándares de nivel de audio
Normaliza el audio para cumplir con los requisitos de plataformas de streaming. La API genera audio limpio, minimizando la necesidad de procesamiento adicional en la mezcla final.
Pruebas de reproducción
Verifica la reproducción en diferentes dispositivos y navegadores antes de la emisión masiva. Asegura que la voz se entienda correctamente en condiciones de ruido variable.

Manejo de errores comunes
Los errores de entrada y límites de tasa son los bloqueos más frecuentes en la producción automatizada de spots. Identificarlos rápidamente permite mantener la integridad del flujo de trabajo sin interrumpir la campaña publicitaria.
La API devuelve códigos de estado específicos para cada fallo, permitiendo la reintentabilidad programada o la corrección manual inmediata según el tipo de incidencia.
Texto demasiado largo
Cada solicitud acepta un máximo de 4096 caracteres. Si el guion excede este límite, la API rechazará la síntesis.
La solución técnica consiste en dividir el texto en segmentos menores y unir los archivos de audio resultantes posteriormente.
Caracteres no soportados
El motor procesa correctamente la mayoría de caracteres Unicode, pero caracteres no reconocidos pueden alterar la entonación o generar errores de sintaxis.
Verifica la codificación del texto de entrada antes del envío para evitar silencios extraños o fallos de procesamiento.
Límites de tasa excedidos
El límite estándar es de 60 solicitudes por minuto. Si superas este umbral, las peticiones se encolan o retornan error si la cuenta es nueva.
Implementa lógica de retroceso exponencial en tus scripts para manejar las colas sin perder datos del guion.
Integración con flujos de trabajo
La integración con flujos de trabajo permite automatizar la producción de spots sin intervención manual constante. Al combinar la API con scripts, se eliminan cuellos de botella en la iteración de guiones.
Este enfoque es crucial para startups que necesitan generar múltiples variantes de audio rápidamente, manteniendo el control sobre la calidad y el coste de cada solicitud.
Automatización con scripts
Utiliza scripts en Python o Bash para enviar solicitudes POST al endpoint de la API. Puedes programar la generación de audios basados en plantillas de texto, asegurando consistencia en cada spot generado.
Los scripts pueden leer variables de entorno para la clave API y gestionar los parámetros de entrada, como el modelo tts-1 o tts-1-hd.
- Automatiza el envío de JSON con variables de guion.
- Integra la API en pipelines de CI/CD para pruebas automáticas.
Generación masiva de variantes
Para A/B testing, genera varias versiones de un mismo spot cambiando la voz o la velocidad. Las solicitudes se procesan secuencialmente; bajo carga, una solicitud puede esperar en cola.
Esto permite evaluar qué combinación de voz y tono resuena mejor con la audiencia objetivo sin duplicar el esfuerzo de redacción.
- Varía
voiceentrenovayfelixpara anuncios dinámicos. - Ajusta
speedentre 1.0 y 2.0 para diferentes ritmos.
Control de versiones de audio
Almacena los archivos de audio generados junto con los parámetros exactos de la solicitud (modelo, voz, idioma). Esto facilita la reproducibilidad y la auditoría de qué audio se emitió en cada campaña.
Mantén un registro de los input y response_format utilizados para cada versión, asegurando que puedas regenerar o ajustar el audio si es necesario.
- Guarda metadatos de cada solicitud API.
- Versiona archivos de audio por fecha y parámetros.
Costos en la producción de spots
La facturación se basa estrictamente en caracteres, no en segundos de audio. Cada spot se cobra a $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. El formato de audio o la velocidad no alteran el costo base.
Cálculo de costo por spot
Un guion de 150 caracteres cuesta $0.0015. Si generas 10 variantes para A/B testing, el costo total es $0.015. Los fallos de síntesis se devuelven íntegramente, por lo que no pagas por errores de servidor.
- Tarifa: $10 por 1 millón de caracteres.
- Los caracteres en blanco cuentan como uso.
- Los errores de API no generan cargo.
Presupuesto para campañas
El crédito inicial gratuito de $0.50 permite generar aproximadamente 50.000 caracteres. Para campañas recurrentes, recarga con USDT (TRC-20) desde $5. El saldo no expira y no hay cuotas mensuales fijas.
- Saldo mínimo de recarga: $5.
- Método: USDT en red TRON (TRC-20).
- Crédito inicial: $0.50 (7 días).
Monitoreo de gastos API
El panel de control muestra el saldo actual, los caracteres consumidos y el estado de la clave. Revisa el uso antes de lanzar campañas masivas para evitar cortes por saldo insuficiente.
- Consulta el saldo en /get-api-key/.
- Verifica caracteres restantes en tiempo real.
- Emite nueva clave si se compromete la seguridad.
Consideraciones legales y de marca
El audio generado incluye una marca de agua inaudible que identifica el contenido como voz sintética, un detalle técnico relevante para la autenticidad de la producción. Las voces utilizadas provienen de grabaciones licenciadas (LibriTTS-R, CC BY 4.0) y lecturas de dominio público, garantizando que el texto base sea legalmente utilizable.
Marcas de agua en audio sintetizado
Cada archivo de audio contiene una marca de agua inaudible que certifica su origen como voz generada por IA. Esto no afecta la calidad perceptiva ni la elegibilidad para campañas publicitarias digitales o radio, pero asegura la trazabilidad del contenido sintético.
Uso comercial de voces licenciadas
Las voces se basan en grabaciones de dominio público y licencias CC BY 4.0. Esto permite el uso comercial en spots de radio y anuncios sin necesidad de negociar derechos adicionales por la voz base, facilitando la producción rápida para startups.
Derechos de distribución
El texto de entrada se utiliza únicamente para la síntesis y no para entrenamiento. Los derechos sobre el audio generado son claros para su distribución en medios digitales, sin restricciones adicionales más allá de las licencias base de las voces.
Mejores prácticas para startups
La agilidad en la producción de spots requiere ciclos de feedback cortos. Con la API de LocutorEngine, los equipos de startups pueden generar, evaluar y ajustar audio en minutos, no en días.
Iteración rápida de guiones
Envía textos de hasta 4096 caracteres; la generación es cercana al tiempo real (aprox. 25 caracteres por segundo), aunque frases cortas tardan unos segundos. Si el tono no es el esperado, ajusta la velocidad (0.25–4.0) o cambia la voz sin reprocesar todo el proyecto.
A/B testing con diferentes voces
Prueba variantes con voces como "Felix" (energética) vs. "Atlas" (neutral) para el mismo guion. Compara la tasa de conversión o la retención de atención en tus campañas digitales.
- Usa el mismo texto para aislar el factor voz.
- Evalúa respuestas de usuario en tiempo real.
Documentación de configuraciones
Guarda los parámetros exactos (modelo, voz, formato) que generan mejores resultados. Esto asegura consistencia entre campañas y facilita la replicación de spots exitosos sin perder calidad de audio.
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
Fuentes y lecturas adicionales
- Wikipedia
- ISO 639 language codes
- openai-python on GitHub
- OpenAI API reference: create speech
- IETF RFC 7845: Ogg Opus
- LibriTTS-R corpus (OpenSLR 141)
- W3C WAI: making audio and video accessible
- Creative Commons Attribution 4.0
- openai-node on GitHub
- curl documentation
- LibriVox public-domain audiobooks
- MDN: Web Speech API
