API de texto a voz para notificaciones financieras

Por Equipo editorial VozBanco · Actualizado 2026-11-18

Esta página presenta VozBanco, una API de texto a voz diseñada específicamente para equipos de producto en banca y fintech. Aquí encontrarás una demostración interactiva para escuchar las voces disponibles, los casos de uso para notificaciones de pagos y la documentación técnica para integrar el audio en tus aplicaciones mediante el SDK de OpenAI (cambiando la base_url) o HTTP directo.

Explora las 8 voces predefinidas, el soporte para 23 idiomas y los precios transparentes sin costos fijos. Aprende cómo autenticarte con tu clave API, gestionar tu saldo mediante USDT y entender las limitaciones técnicas como el límite de 4096 caracteres por solicitud.

API de texto a voz para notificaciones financieras

Preguntas frecuentes

¿Qué significa clonar voz online gratis en este contexto?

No ofrecemos clonación de voz personalizada ni subida de audio propio. Las voces son ocho presets fijos basados en grabaciones licenciadas. Si buscas imitar una voz específica, este producto no lo incluye. Solo puedes seleccionar entre las ocho voces disponibles, como Aria o Felix, para generar audio sintético con marca de agua.

¿Puedo usar voces para notificaciones de banca?

Sí, la API es ideal para notificaciones de pagos, alertas y validaciones. Voces como Sage (calma, instruccional) o Atlas (neutral, noticias) son adecuadas para contextos financieros. Puedes generar audio mediante una solicitud POST con el texto de la notificación y recibir el archivo de audio listo para integrarse en tus flujos de usuario.

¿Cuántos idiomas soporta la API?

La API soporta 23 idiomas, incluyendo inglés, español, alemán, francés, portugués, italiano, japonés, chino, árabe, hindi y ruso. Cualquier voz puede hablar cualquiera de estos idiomas. Si no especificas el código ISO, el sistema intenta adivinar el idioma, pero se recomienda definirlo explícitamente para textos en latinos que no sean inglés.

¿Las voces son naturales o robóticas?

Las voces son naturales, basadas en grabaciones licenciadas de LibriTTS-R y Lecturas de dominio público de LibriVox. Cada archivo generado lleva una marca de agua inaudible que lo identifica como habla sintética. No son imitaciones de celebridades, sino voces preset diseñadas para claridad y tono específico, como narrador o conversacional.

¿Cuál es el límite de caracteres por solicitud?

Cada solicitud POST admite 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. El procesamiento es secuencial, por lo que textos largos tardan aproximadamente el tiempo real de reproducción, unos 25 caracteres por segundo.

¿Cómo se calcula el costo por uso?

El costo es de $10 por cada 1 millón de caracteres, lo que equivale a $0.01 por 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. Las solicitudes fallidas son gratuitas y el cargo se devuelve íntegramente. No hay planes mensuales ni costos fijos; solo pagas por los caracteres procesados con éxito.

¿Se almacena el texto que envío?

El texto de entrada 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. Se conserva metadata de la solicitud (tiempo, caracteres, estado) exclusivamente para facturación. No hay retención de contenido generado a largo plazo.

¿Qué formato de audio se entrega?

Puedes solicitar audio en los formatos mp3, wav, opus, flac o pcm mediante el campo response_format. Estos formatos son estándar y compatibles con la mayoría de reproductores y sistemas de notificación. La API devuelve el archivo de audio directamente en la respuesta de la solicitud POST al endpoint de speech.

¿Puedo cambiar 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 reproducción según el contexto de la notificación. La velocidad se aplica al generar el audio, manteniendo la calidad de la voz seleccionada sin necesidad de procesamiento adicional.

¿Qué pasa si la solicitud falla?

Si la síntesis falla, la solicitud es gratuita y el cargo se devuelve íntegramente. No se te cobra por los caracteres de las solicitudes que no se completaron con éxito. Esto asegura que solo pagues por el audio generado correctamente, protegiendo tu saldo en caso de errores temporales o de formato.

¿Es necesaria una clave API para probar?

Sí, necesitas una clave API (Bearer tts-...) para realizar solicitudes. Al registrarte con Google, recibes $0.50 de crédito de prueba válido por 7 días, suficiente para unos 50.000 caracteres. Con email y contraseña, no hay crédito inicial. La clave se gestiona en tu panel de cuenta y puede renovarse.

¿Cuántas voces hay disponibles?

Hay 8 voces preset disponibles: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. Cubren tonos desde narrador cálido hasta documental profundo. Cada voz puede hablar cualquiera de los 23 idiomas soportados. No hay clonación personalizada, pero estas ocho opciones cubren la mayoría de casos de uso para notificaciones.

¿Se puede usar en producción inmediatamente?

Sí, la API es estable y funciona mediante solicitudes HTTP POST estándar. Solo necesitas tu clave API y el texto a convertir. Los límites de velocidad son de 60 solicitudes por minuto. Una vez configurada la integración con el SDK de OpenAI o HTTP directo, puedes generar audio en tiempo real para tus flujos.

¿Qué es la marca de agua invisible?

Cada archivo de audio generado contiene una marca de agua inaudible que lo identifica como habla sintética. Esto permite distinguir el audio generado por la API del audio grabado por humanos. Es una característica técnica integrada en el archivo de salida y no requiere acción adicional por parte del usuario.

Primera solicitud

curl

curl https://api.getx33.com/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

Demostración inmediata

Ilustración de onda de sonido para: Demostración inmediata

Genera audio a partir de texto mediante una solicitud API estándar. El proceso es asíncrono: se envía el texto y se recibe el archivo de audio resultante. No hay streaming ni audio parcial; la respuesta contiene el archivo completo una vez que el procesamiento termina.

Texto a audio

Texto a audio

Envía texto mediante POST y recibe un archivo de audio listo para reproducir. El tiempo de generación depende de la longitud: textos largos se generan aproximadamente a velocidad real (25 caracteres por segundo), mientras que frases cortas pueden tardar unos segundos. Las solicitudes se procesan en cola, por lo que tiempos de espera son posibles bajo carga.

  • Endpoint: POST https://api.getx33.com/v1/audio/speech
  • Respuesta: archivo de audio binario

Formatos compatibles

El sistema acepta varios formatos de salida para integrarse con diferentes reproductores y pipelines de audio. Puedes seleccionar el formato que mejor se adapte a tu infraestructura de notificaciones en la llamada API.

  • mp3
  • wav
  • opus
  • flac
  • pcm

Prueba con 0.50 USD

Al registrarte con Google, recibes 0.50 USD de crédito de prueba válido por 7 días, equivalente a aproximadamente 50 000 caracteres. Esto permite validar la calidad de las voces y la latencia de integración sin compromiso de pago inmediato.

Voces disponibles

Ilustración de onda de sonido para: Voces disponibles

Nuestras voces combinan claridad y naturalidad para que las notificaciones de tu app suenen profesionales. Cada preset ofrece un tono distinto para diferentes contextos.

Femeninas: Aria, Nova, Luna, Sage

Aria ofrece un narrador cálido y claro, ideal para explicaciones detalladas. Nova aporta un tono brillante y enérgico para alertas rápidas. Luna suaviza la experiencia con una voz de narración de historias, perfecta para actualizaciones de estado. Sage mantiene la calma y el tono instructivo, asegurando que las instrucciones de seguridad se entiendan sin ambigüedades.

  • Aria: Narradora cálida y clara.
  • Nova: Brillante y enérgica.
  • Luna: Suave, estilo narración.
  • Sage: Calma e instructiva.

Masculinas: Felix, Milo, Atlas, Orion

Felix impulsa promociones con energía. Milo establece una conversación amigable y cercana. Atlas proporciona neutralidad y autoridad, excelente para noticias financieras. Orion aporta profundidad y seriedad, ideal para documentales o informes de auditoría.

  • Felix: Energética, estilo promo.
  • Milo: Amigable y conversacional.
  • Atlas: Neutral y profesional.
  • Orion: Profunda y documental.

Estilos para anuncios financieros

La elección de la voz depende del tipo de mensaje. Usa Atlas o Sage para validaciones críticas donde la precisión es vital. Emplea Nova o Felix para recordatorios de pago que requieren atención inmediata. Todas las voces pueden adaptarse a diferentes velocidades (0.25–4.0) para ajustar la urgencia sin perder claridad.

Idiomas soportados

Ilustración de onda de sonido para: Idiomas soportados

La API procesa texto en 23 idiomas, incluyendo español, inglés y francés. El sistema detecta automáticamente el idioma basado en el guion de entrada, aunque se recomienda especificarlo explícitamente para textos en latinos fuera del inglés.

Español, Inglés y Francés

Estos tres idiomas son fundamentales para la comunicación financiera internacional. Las voces generan audio natural ideal para alertas de pagos y validaciones, asegurando que el mensaje se entienda sin ambigüedades.

23 idiomas en total

Además de los principales, la API soporta 23 idiomas en total, incluyendo alemán, japonés, portugués y árabe. Cualquier voz puede hablar cualquiera de estos idiomas, lo que permite estandarizar la infraestructura de audio para equipos de producto globales.

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish.

Detección automática por guion

Si no se especifica el campo language, el sistema infiere el idioma a partir del script. El texto en latinos predeterminado es inglés; para otros idiomas en latinos, es necesario establecer el código ISO explícitamente para evitar errores.

Casos de uso en banca

Ilustración de onda de sonido para: Casos de uso en banca

Integra la API en tus sistemas de alertas para convertir mensajes de texto en audio claro. Las notificaciones de transacciones se generan automáticamente al detectar movimientos en la cuenta, permitiendo que los usuarios reciban confirmaciones auditivas sin interrumpir su actividad visual.

Para alertas de seguridad, utiliza voces como Atlas o Milo para transmitir neutralidad o cercanía según la urgencia. La consistencia de la voz natural refuerza la identidad de la marca en cada interacción crítica con el cliente.

Notificaciones de transacciones

Genera audio para informar sobre cargos o abonos. Al convertir el texto de la transacción en voz sintetizada, se asegura que el usuario reciba la información de forma accesible, utilizando modelos como tts-1 o tts-1-hd con una latencia predecible.

  • Generación de audio para movimientos recientes
  • Soporte para múltiples idiomas según la región del cliente
  • Costo fijo por caracteres procesados

Alertas de seguridad

Emite avisos de inicio de sesión inusual o cambios en la contraseña con voz clara. La opción de configurar la velocidad entre 0.25 y 4.0 permite ajustar la urgencia del mensaje, asegurando que la información crítica sea comprendida rápidamente.

  • Voces neutrales o conversacionales según el contexto
  • Formatos compatibles como MP3 o WAV
  • Detección automática del idioma

Confirmación de pagos

Confirma la recepción de fondos mediante audio generado bajo demanda. Ideal para validaciones internas o notificaciones al beneficiario, garantizando que el mensaje sea entregado con la calidad de audio especificada en la solicitud de la API.

  • Generación bajo demanda con SDK de OpenAI
  • Autenticación segura con clave Bearer
  • Sin almacenamiento del audio generado

Integración técnica

Ilustración de onda de sonido para: Integración técnica

La integración es directa: solo necesitas ajustar el base_url del SDK de OpenAI a https://api.getx33.com/v1 y usar tu clave. Esto permite reutilizar la lógica de llamadas existente sin aprender una nueva librería.

El endpoint estándar acepta texto y devuelve audio en formatos como MP3 o WAV. La autenticación funciona con un token Bearer simple, facilitando la conexión desde cualquier servidor o entorno de producción.

Compatible con SDK de OpenAI

Reutiliza el código de tus integraciones actuales. Solo cambia la URL base del SDK y tu clave API para apuntar a nuestra infraestructura, manteniendo la misma estructura de solicitud y respuesta.

Funciona con las bibliotecas oficiales de OpenAI, lo que simplifica la migración desde otras plataformas de TTS sin necesidad de adaptar parsers complejos.

Endpoint estándar

Envía texto mediante una petición POST a /v1/audio/speech. El sistema procesa el texto y retorna el archivo de audio generado en el formato solicitado.

El cuerpo de la solicitud es JSON y sigue la estructura conocida, incluyendo campos como model, input, voice y response_format.

Autenticación con clave

Utiliza una única clave activa por cuenta, entregada al registrarte. La clave se envía en el encabezado Authorization: Bearer <tu-clave>.

Si necesitas revocar acceso, emite una nueva clave y la anterior deja de funcionar inmediatamente, garantizando control total sobre tus integraciones.

Integración técnica

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

El costo es estrictamente proporcional al volumen: 0,01 USD por cada 1.000 caracteres, incluyendo espacios y puntuación. No hay tarifas de suscripción ni cargos por inactividad. Si la síntesis falla, la carga se devuelve íntegramente, por lo que solo pagas por resultados válidos.

0.01 USD por mil caracteres

El precio es lineal y predecible. Cada solicitud cuenta los caracteres exactos del texto de entrada. No hay tarifas ocultas por formato o velocidad, ya que el motor y los formatos tienen el mismo costo base.

  • Precio fijo por unidad de texto procesada
  • Espacios y puntuación cuentan como caracteres
  • Cobranza solo tras éxito en síntesis

Sin costos fijos

El modelo es pay-per-use puro. No existen planes mensuales ni compromisos de mínimo. El saldo no expira.

Pago con USDT TRC-20

Las recargas se realizan exclusivamente con USDT en la red TRON (TRC-20). El monto mínimo es de 5 USD y el crédito se acredita automáticamente en minutos. No aceptamos tarjetas, PayPal ni facturación con IVA.

  • Red TRON (TRC-20) exclusiva
  • Mínimo de recarga: 5 USD
  • Acreditación automática en minutos

Limitaciones técnicas

Ilustración de onda de sonido para: Limitaciones técnicas

La API procesa solicitudes secuencialmente, lo que significa que bajo alta demanda una petición puede esperar en cola antes de comenzar. El tiempo de generación es aproximadamente en tiempo real para textos largos, aunque las frases cortas pueden tardar unos segundos adicionales.

Límite de 4096 caracteres

Cada solicitud acepta un máximo de 4096 caracteres. Para textos más extensos, es necesario dividirlo en partes y unir los archivos de audio resultantes.

  • Espacios y puntuación cuentan como caracteres.
  • Se requieren múltiples llamadas para textos largos.

Procesamiento en cola

Las peticiones se procesan una tras otra. Si el servidor está ocupado, tu solicitud esperará turno antes de generar el audio.

Sin streaming en tiempo real

No existe streaming ni WebSockets para recibir audio parcial. El archivo completo se entrega al finalizar la síntesis.

Datos y privacidad

Ilustración de onda de sonido para: Datos y privacidad

El texto que envías a nuestra API se utiliza exclusivamente para generar el archivo de audio solicitado. No lo almacenamos a largo plazo ni lo utilizamos para entrenar nuestros modelos de inteligencia artificial, garantizando que tus datos de clientes permanezcan aislados del entrenamiento.

El audio generado se devuelve directamente en la respuesta de la API y no se conserva en nuestros servidores después de la entrega. Solo conservamos los metadatos de la solicitud (tiempo, carácter y estado) durante el tiempo necesario para la facturación y la auditoría del servicio.

Sin entrenamiento de datos

Utilizamos tu texto únicamente para la síntesis inmediata. Una vez entregado el audio, el contenido del texto no se incorpora a nuestros conjuntos de datos de entrenamiento, manteniendo la privacidad de tus notificaciones financieras.

Audio no almacenado

Los archivos de audio generados se entregan en la respuesta de la API y no se almacenan de forma permanente en nuestro sistema. Esto minimiza la retención de datos sensibles en nuestros servidores.

Metadatos para facturación

Guardamos los metadatos de cada solicitud, incluyendo la marca de tiempo, la cantidad de caracteres procesados y el estado de la operación. Esta información es esencial únicamente para calcular tu saldo y verificar el uso en la facturación.

Soporte y acceso

Ilustración de onda de sonido para: Soporte y acceso

Accede a tu cuenta de forma inmediata registrándote con tu cuenta de Google o creando un perfil con correo y contraseña. Desde la página /get-api-key/, obtienes tu clave API única, visualizas tu saldo, el crédito de prueba de 0,50 USD (válido por 7 días) y un ejemplo de curl listo para usar.

Cada cuenta activa solo permite una clave simultánea. Si la revocas o emites una nueva, la anterior deja de funcionar al instante. No hay soporte telefónico ni chat en vivo; toda la asistencia se gestiona por correo electrónico.

Inicio con Google

El registro con Google activa automáticamente un crédito de prueba de 0,50 USD (aproximadamente 50.000 caracteres) válido por 7 días. Si prefieres usar correo y contraseña, la cuenta se crea sin este crédito inicial.

Soporte por correo

No ofrecemos teléfono ni chat en vivo. Para cualquier duda sobre tu cuenta o facturación, envía un correo al equipo de soporte. No hay garantía de tiempo de respuesta ni SLA asociado.

Límites de velocidad

Cada clave está limitada a 60 solicitudes por minuto. Antes de tu primera recarga, el límite es de 10 solicitudes por minuto. Si excedes estos límites, las solicitudes se pueden retrasar o rechazar.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Si el texto de la alerta no varía, guarda el archivo de audio generado y reutilízalo.

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. curl documentation
  3. LibriVox public-domain audiobooks
  4. openai-node on GitHub
  5. TRON developer hub: TRC-20
  6. IETF RFC 7845: Ogg Opus
  7. W3C WAI: making audio and video accessible
  8. Node.js documentation
  9. FFmpeg documentation
  10. ISO 639 language codes
  11. MDN: Web Speech API
  12. Tether (USDT)

Más en este sitio