Documentación de la API de generación de voz por texto

Por Equipo editorial de AudioLibre · Actualizado 2026-11-19

Esta documentación explica cómo integrar la API de generación de voz de AudioLibre en tus flujos de trabajo para audiolibros y podcasts. Aprenderás a autenticarte, enviar texto y recibir archivos de audio mediante endpoints compatibles con el ecosistema de OpenAI.

El guía cubre la obtención de tu clave API, ejemplos prácticos con cURL y SDKs en Python y Node.js, así como la gestión de límites, errores y textos largos. Está diseñada para creadores de contenido que necesitan una integración técnica y directa sin dependencias externas.

Documentación de la API de generación de voz por texto

Preguntas frecuentes

¿Cómo obtengo una API key?

Regístrate en /get-api-key/ usando Google o correo electrónico. La página muestra tu clave única y un ejemplo de curl listo para usar. Cada cuenta tiene una clave activa; si emites una nueva, la anterior deja de funcionar inmediatamente.

¿Qué es base_url en la configuración?

Es el punto de conexión base para las solicitudes HTTP. Debes configurarlo como https://api.55e.info/v1 para que las solicitudes lleguen correctamente a nuestra API de síntesis de voz.

¿Puedo usar la SDK de OpenAI?

Sí. La API tiene la misma forma de solicitud que el endpoint de speech de OpenAI. Solo necesitas cambiar el base_url a https://api.55e.info/v1 y usar tu propia clave API.

¿Cuál es el límite de caracteres?

Cada solicitud POST puede contener hasta 4096 caracteres en el campo input. Si tu texto es más largo, debes dividirlo en partes de este tamaño y unir los archivos de audio resultantes.

¿Qué modelos están disponibles?

Están disponibles dos modelos: tts-1 y tts-1-hd. Ambos utilizan el mismo motor de síntesis y tienen el mismo precio por carácter, ofreciendo la misma calidad de audio independientemente de la elección.

¿Cómo manejo solicitudes fallidas?

Las solicitudes fallidas son gratuitas. Si la síntesis falla, el cargo se devuelve en su totalidad a tu cuenta. No se cobra por los intentos que no generen audio exitosamente.

¿Qué formato de audio debo elegir?

Puedes elegir entre mp3, wav, opus, flac o pcm mediante el campo response_format. Elige el que mejor se adapte a tu flujo de trabajo de producción sin depender de formatos propietarios.

¿Cuántas solicitudes puedo hacer por minuto?

El límite es de 60 solicitudes por minuto por clave. Antes del primer recarga, el límite es de 10 solicitudes por minuto. Exceder esto puede ralentizar el procesamiento.

¿Cómo genero audio de texto largo?

Divide tu texto en fragmentos de máximo 4096 caracteres. Envía cada fragmento en una solicitud POST independiente y une los archivos de audio resultantes para obtener el audio completo del texto largo.

¿Es compatible con Python?

Sí, puedes usar la SDK de OpenAI para Python cambiando el base_url. También puedes hacer solicitudes HTTP directas. No ofrecemos una SDK propia, pero las herramientas estándar funcionan perfectamente.

¿Qué hago si mi clave deja de funcionar?

Si emites una nueva clave en tu panel, la clave anterior deja de funcionar inmediatamente. Usa la nueva clave en tus aplicaciones para continuar generando audio sin interrupciones en tu flujo de trabajo.

¿Hay documentación para otros lenguajes?

La documentación se basa en el formato JSON estándar de la API. Puedes usar cualquier lenguaje de programación que pueda enviar solicitudes HTTP POST con el cuerpo JSON requerido a nuestro endpoint.

¿Cómo se mide el uso de la API?

El uso se mide por caracteres, incluyendo espacios y puntuación. Se cobran $0.01 por cada 1000 caracteres. El historial de caracteres y estado se mantiene en tu cuenta para facturación transparente.

¿Necesito conocimientos de programación?

Sí, necesitas conocimientos básicos para integrar la API en tu pipeline. Debes saber enviar solicitudes HTTP POST con un cuerpo JSON y manejar la respuesta de audio, aunque el flujo es técnico pero accesible.

Primera solicitud

curl

curl https://api.55e.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

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.55e.info/v1", api_key="tts-...")

with client.audio.speech.with_streaming_response.create(
    model="tts-1", voice="nova", input="Hello from Python.", response_format="mp3"
) as response:
    response.stream_to_file("hello.mp3")

Node.js (openai)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({ baseURL: "https://api.55e.info/v1", apiKey: process.env.TTS_API_KEY });
const res = await client.audio.speech.create({ model: "tts-1", voice: "milo", input: "Hello from Node.js." });
fs.writeFileSync("hello.mp3", Buffer.from(await res.arrayBuffer()));
voice
ariafemenino
novafemenino
lunafemenino
sagefemenino
felixmasculino
milomasculino
atlasmasculino
orionmasculino
language
arالعربية
zh中文
daDansk
nlNederlands
enEnglish
fiSuomi
frFrançais
deDeutsch
elΕλληνικά
heעברית
hiहिन्दी
itItaliano
ja日本語
ko한국어
msBahasa Melayu
noNorsk
plPolski
ptPortuguês
ruРусский
esEspañol
swKiswahili
svSvenska
trTürkçe

Obtén tu API Key

Ilustración de onda de sonido para: Obtén tu API Key

Accede a /get-api-key/ para registrarte con Google o correo electrónico. La plataforma asigna una clave única para autenticar tus solicitudes. Este paso es necesario para iniciar el uso de la API de generación de voz.

Tu clave empieza por 'tts-'. Úsala en el encabezado de autorización para validar cada petición. Es el identificador principal de tu cuenta en AudioLibre.

Registro en la plataforma

Registro en la plataforma

Regístrate en la página de obtención de clave. Puedes usar tu cuenta de Google o crear una con correo y contraseña. El registro es inmediato y te permite comenzar a generar audio.

Ubicación de la clave

Ubicación de la clave

La clave se muestra en el panel de tu cuenta junto al saldo y el historial de uso. Copia el valor completo para incluirlo en tus scripts o aplicaciones.

  • El formato es una cadena de texto única.
  • Se presenta en el panel de control principal.

Regeneración de clave

Puedes emitir una nueva clave en cualquier momento desde tu panel. Al hacerlo, la clave anterior deja de funcionar inmediatamente. Esto es útil si la expones accidentalmente.

Primera solicitud con cURL

Ilustración de onda de sonido para: Primera solicitud con cURL

Para probar la API, envía un texto corto al endpoint de síntesis. Este método es ideal para verificar que tu clave funciona antes de integrar el flujo en tu pipeline de producción de audiolibros o podcasts.

Código de ejemplo

Usa cURL para enviar una solicitud POST con el formato JSON necesario. Asegúrate de incluir tu clave de autenticación en el encabezado.

  • Reemplaza YOUR_API_KEY con tu clave real.
  • El texto de ejemplo es corto para evitar límites.

Parámetros requeridos

Necesitas especificar el modelo, el texto de entrada y la voz. El formato de respuesta por defecto es mp3.

  • model: tts-1
  • voice: nova
  • input: Hola mundo
  • response_format: mp3

Respuesta exitosa

Si la solicitud es válida, recibirás el archivo de audio binario en la respuesta. No se almacena ningún dato adicional.

Uso con SDK de OpenAI

Ilustración de onda de sonido para: Uso con SDK de OpenAI

La API de AudioLibre sigue el mismo esquema de solicitud que el endpoint de speech de OpenAI. Esto permite reutilizar las librerías oficiales sin cambiar la lógica de tu aplicación, solo ajustando la configuración de conexión.

Configuración de base_url

Para usar el SDK de OpenAI con AudioLibre, simplemente reemplaza la URL base predeterminada por https://api.55e.info/v1. Asegúrate de que tu clave API se pase en el encabezado Authorization: Bearer.

Compatibilidad con Python

Las librerías openai de Python funcionan correctamente. Solo necesitas inicializar el cliente con la nueva URL base y tu clave. El resto del flujo, como la generación de audio, es idéntico al uso estándar.

Compatibilidad con Node.js

El SDK de Node.js también es compatible. Configura la variable baseURL en el cliente para apuntar al endpoint de AudioLibre. Esto te permite integrar la síntesis de voz directamente en tus scripts o servidores.

Parámetros de la solicitud

Ilustración de onda de sonido para: Parámetros de la solicitud

La API de AudioLibre utiliza el cuerpo JSON de la solicitud para definir cómo se sintetizará el texto. Los campos clave determinan la calidad del audio, la voz que se utilizará y el formato del archivo de salida.

Configurar estos parámetros correctamente asegura que la generación de voz se ajuste a las necesidades de tus audiolibros o podcasts, manteniendo la compatibilidad con estándares conocidos.

Modelo: tts-1 y tts-1-hd

El campo model acepta dos valores: "tts-1" y "tts-1-hd". Ambos utilizan el mismo motor de síntesis y tienen el mismo precio ($0.01 por 1.000 caracteres).

La elección entre uno u otro no afecta el costo ni el motor de síntesis, pero la API no garantiza diferencias específicas en la calidad perceptible más allá de las especificaciones del modelo.

Voces disponibles

El parámetro voice requiere una de las 8 voces predefinidas. Cada voz tiene un perfil de tono distinto: desde narradoras claras como Aria hasta voces profundas como Orion.

Si no se especifica language, el sistema intenta adivinarlo por el script, pero para texto latino no inglés, se recomienda establecerlo manualmente.

  • Aria (femenina, narradora clara)
  • Nova (femenina, alegre)
  • Luna (femenina, suave)
  • Sage (femenina, instruccional)
  • Felix (masculino, enérgico)
  • Milo (masculino, conversacional)
  • Atlas (masculino, neutral)
  • Orion (masculino, profundo)

Formato de respuesta

El campo response_format determina el tipo de archivo de audio que recibirás. Las opciones disponibles son mp3, wav, opus, flac y pcm.

Selecciona el formato que mejor se integre con tu pipeline de producción de audio sin necesidad de conversiones adicionales.

  • mp3
  • wav
  • opus
  • flac
  • pcm

Límites y velocidad

Ilustración de onda de sonido para: Límites y velocidad

La API gestiona la carga de trabajo de forma secuencial, lo que requiere planificar las integraciones para audiolibros o podcasts sin sobrecargar la cola de procesamiento.

Comprender estos límites técnicos asegura que tu pipeline de producción mantenga un ritmo constante y predecible durante la generación masiva de audio.

60 solicitudes por minuto

Cada clave API permite un máximo de 60 solicitudes por minuto. Antes de la primera recarga, el límite es de 10 solicitudes por minuto.

Las solicitudes se procesan en orden; bajo carga alta, una solicitud puede esperar en cola antes de comenzar la síntesis.

  • Límite estándar: 60 req/min por clave.
  • Límite inicial: 10 req/min sin recarga.
  • Procesamiento secuencial sujeto a cola.

Límite de caracteres

Cada solicitud de síntesis acepta un máximo de 4096 caracteres. El texto que exceda este límite debe dividirse en partes.

Espacios, puntuación y caracteres especiales cuentan como caracteres individuales dentro del límite total.

  • Máximo: 4096 caracteres por solicitud.
  • Espacios y puntuación cuentan como caracteres.
  • Texto largo requiere división manual.

Tiempo de generación

La velocidad típica es aproximadamente en tiempo real para textos largos, generando unos 25 caracteres por segundo de audio producido.

Las frases cortas pueden tardar unos pocos segundos en completarse debido a la latencia inicial del servidor y la síntesis.

  • Velocidad: ~25 caracteres/segundo de audio.
  • Frases cortas: unos segundos de latencia.
  • Procesamiento secuencial puede añadir espera.
Límites y velocidad

Manejo de errores

Ilustración de onda de sonido para: Manejo de errores

La API devuelve códigos de estado estándar para indicar el resultado de cada solicitud. Un 200 significa que el audio se generó correctamente. Los errores 4xx indican problemas con la solicitud, como una clave inválida o parámetros incorrectos, mientras que los 5xx señalan fallos temporales del servidor.

Códigos de estado HTTP

Utiliza los códigos de respuesta para depurar rápidamente tus integraciones. Un 401 indica que la API key es incorrecta o ha expirado. Un 429 significa que has excedido el límite de 60 solicitudes por minuto. Otros 4xx suelen referirse a textos demasiado largos o formatos de audio no soportados.

Solicitudes fallidas

Si la síntesis falla por un error interno, la API devuelve el código 500. Estos errores son temporales del servidor; espera unos segundos antes de reintentar. No se realiza ningún cargo si la solicitud falla completamente, por lo que el saldo de tu cuenta permanece intacto.

Reintentos automáticos

Implementa lógica de reintento exponencial para errores 502, 503 y 504. Dado que las solicitudes se procesan en cola, los tiempos de respuesta pueden variar. Para errores de rate limit (429), respeta el encabezado Retry-After antes de volver a enviar la petición.

  • Reintenta solo en errores 5xx y 429
  • Espera al menos 1 segundo antes del primer reintento
  • No reintentes en errores 4xx de parámetros

Texto largo

Ilustración de onda de sonido para: Texto largo

El límite de caracteres por solicitud es de 4096. Si tu guion supera esta cantidad, debes dividirlo manualmente en fragmentos más pequeños antes de enviarlos a la API.

División en partes

Divide el texto en segmentos de máximo 4096 caracteres. Cada segmento se envía como una solicitud independiente. Esto evita errores de tamaño y mantiene la coherencia del audio generado.

Unión de archivos de audio

La API devuelve un archivo de audio por cada solicitud. Debes unir estos archivos en el orden correcto para recrear el audio completo. Herramientas como ffmpeg pueden combinar los formatos soportados.

  • Usa el orden de las solicitudes originales.
  • ffmpeg es una opción común para unir archivos.

Gestión de memoria

Al procesar textos largos, descarga los archivos de audio progresivamente en lugar de almacenarlos todos en memoria. Esto evita problemas de rendimiento en scripts de producción masiva.

Ejemplos de código

Ilustración de onda de sonido para: Ejemplos de código

Estos fragmentos listos para copiar muestran cómo integrar AudioLibre en tus scripts de producción de audiolibros o podcasts.

Cada ejemplo utiliza la API base y maneja los límites de caracteres y los formatos de audio soportados.

Python básico

Usa la librería estándar para enviar la solicitud y guardar el audio en disco:

```python import requests url = "https://api.55e.info/v1/audio/speech" headers = {"Authorization": "Bearer tts-TU_CLAVE"} payload = {"model": "tts-1", "input": "Hola mundo", "voice": "nova"} response = requests.post(url, headers=headers, json=payload) with open("audio.mp3", "wb") as f: f.write(response.content) ```

JavaScript moderno

Con fetch nativo en entornos modernos o Node.js:

```javascript const response = await fetch('https://api.55e.info/v1/audio/speech', { method: 'POST', headers: { 'Authorization': 'Bearer tts-TU_CLAVE', 'Content-Type': 'application/json' }, body: JSON.stringify({ model: 'tts-1-hd', input: 'Texto de prueba', voice: 'aria' }) }); const buffer = await response.arrayBuffer(); ```

Línea de comandos

Genera audio rápidamente desde la terminal con cURL:

```bash curl -X POST "https://api.55e.info/v1/audio/speech" \ -H "Authorization: Bearer tts-TU_CLAVE" \ -H "Content-Type: application/json" \ -d '{"model":"tts-1","input":"Saludos", "voice":"felix"}' \ -o output.mp3 ```

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Su voz transmite vitalidad, manteniendo al oyente alerta y comprometido con la trama.

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. Creative Commons Attribution 4.0
  3. MDN: Web Speech API
  4. Node.js documentation
  5. openai-node on GitHub
  6. ISO 639 language codes
  7. LibriVox public-domain audiobooks
  8. Tether (USDT)
  9. openai-python on GitHub
  10. curl documentation
  11. OpenAI API reference: create speech
  12. TRON developer hub: TRC-20

Más en este sitio