Preguntas frecuentes
¿Es la voz lo suficientemente natural para banca?
Las voces están basadas en grabaciones licenciadas, lo que garantiza una calidad natural adecuada para notificaciones. Cada archivo incluye una marca de agua invisible que identifica el audio como sintético, asegurando transparencia sin sacrificar la claridad auditiva para el usuario final.
¿Cuánto tarda en generarse una notificación?
La generación es aproximadamente en tiempo real (25 caracteres por segundo). Las frases cortas tardan unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga podría haber una pequeña espera antes de recibir el archivo de audio.
¿Se puede usar para llamadas automáticas?
Sí, la API devuelve archivos de audio listos para reproducirse. Sin embargo, no ofrece streaming ni WebSockets, por lo que debe generarse el archivo completo antes de la reproducción. Es ideal para notificaciones pre-generadas o llamadas con ligera latencia aceptable.
¿Qué voz es mejor para alertas de fraude?
Atlas es neutral y claro, ideal para noticias urgentes. Orion ofrece un tono profundo y serio, adecuado para documentales o alertas críticas. Elija según si prefiere neutralidad o un tono más grave que transmita importancia inmediata en la notificación.
¿Hay límite de caracteres para alertas?
Sí, el límite es de 4096 caracteres por solicitud. Para alertas más largas, debe dividir el texto en partes de este tamaño y unir los archivos de audio resultantes. Los espacios y puntuación cuentan como caracteres dentro de este límite.
¿Se puede controlar el tono emocional?
No. La API no incluye etiquetas de emociones ni SSML. El tono depende exclusivamente de la voz seleccionada (por ejemplo, Nova es alegre, Luna es suave). No se puede ajustar la entonación dinámicamente durante la generación del audio.
¿Qué pasa si hay mucho tráfico?
Las solicitudes se procesan secuencialmente. Si hay alta demanda, su solicitud puede esperar en una cola, aumentando ligeramente la latencia. Los límites de velocidad son 60 solicitudes por minuto por clave, lo que suele ser suficiente para la mayoría de notificaciones.
¿Es mejor pre-generar o generar al vuelo?
Para notificaciones críticas, generar al vuelo es viable debido a la baja latencia en frases cortas. Sin embargo, pre-generar es más seguro para garantizar la entrega inmediata sin depender de la cola de procesamiento en tiempo real durante picos de tráfico.
¿Se puede usar en apps móviles?
Sí, puede integrar la API directamente en su app móvil mediante llamadas HTTP. No hay SDK móvil específico, pero puede usar el SDK de OpenAI modificando la URL base o realizar llamadas HTTP estándar para obtener el archivo de audio.
¿Cómo se maneja la latencia?
La latencia depende de la cola de procesamiento. Frases cortas tardan segundos. Bajo carga, la espera aumenta. No hay streaming; debe esperar a que se complete el archivo. Optimice enviando solicitudes individuales para frases breves de alertas.
¿Qué formato de audio es más ligero?
MP3 es el formato más ligero y compatible universalmente para notificaciones. También ofrece WAV, OPUS, FLAC y PCM. Para apps móviles, MP3 optimiza el uso de datos y ancho de banda, asegurando una carga rápida en dispositivos de los usuarios.
¿Se puede personalizar el acento?
No. Las voces son fijas y no permiten personalización de acento. Puede seleccionar el idioma (por ejemplo, español) para que la voz lo hable correctamente.
¿Es seguro usar voces sintéticas para dinero?
Sí, las voces son grabaciones licenciadas y cada archivo tiene una marca de agua invisible que indica que es sintético. Esto asegura transparencia. El texto no se usa para entrenamiento, garantizando privacidad en los datos de las notificaciones financieras.
¿Hay garantía de disponibilidad?
No. No ofrecemos garantía de disponibilidad (SLA) ni certificación de uptime. La API funciona en la nube, pero no hay contrato empresarial ni garantía de tiempo activo. Es una herramienta práctica, pero sin compromisos de nivel de servicio formal.
Velocidad de generación
La API genera audio a una velocidad aproximada de tiempo real, procesando unos 25 caracteres de texto por segundo de audio. Para textos largos, esta velocidad se mantiene constante, permitiendo estimar con precisión la duración final del archivo antes de completarlo.
Tiempo real aproximado
La generación sigue el ritmo de reproducción, lo que facilita calcular los tiempos de espera en notificaciones. Las frases cortas pueden tardar unos segundos en generarse.
- Velocidad: ~25 caracteres por segundo de audio.
- Ideal para notificaciones de longitud moderada.
- Previsión clara de duración del archivo.
Procesamiento secuencial
Las solicitudes se procesan una tras otra en el orden de llegada. Esto garantiza la integridad del orden de las notificaciones, crucial para alertas financieras secuenciales como confirmaciones de pago y estados de cuenta.
- Procesamiento en orden estricto.
- Mantiene la secuencia lógica de eventos.
Cola de solicitudes
Bajo carga alta, las solicitudes pueden esperar en una cola antes de iniciarse la síntesis. Esto no afecta la calidad del audio, pero puede introducir latencia adicional si el volumen de solicitudes supera la capacidad de procesamiento inmediata.
- Cola FIFO para mantener el orden.
- Latencia variable bajo alta concurrencia.
Latencia en notificaciones
La latencia en notificaciones de banca depende del procesamiento secuencial de las solicitudes. Aunque la generación es aproximadamente en tiempo real, la cola puede añadir tiempo de espera durante picos de demanda, lo que debe considerarse para alertas críticas.
Tiempo de espera en carga
Los requests se procesan uno tras otro. En momentos de alta concurrencia, una solicitud puede esperar en la cola antes de comenzar la síntesis, lo que añade latencia variable al flujo de notificación.
Tiempos para frases cortas
Las frases cortas, como códigos de verificación o confirmaciones de monto, toman unos segundos en generarse. Aunque el texto es breve, el tiempo de inicio y procesamiento no es instantáneo, requiriendo un margen de espera en la UI del cliente.
Optimización para alertas
Para optimizar, pre-genera audios comunes o usa caché. Monitorea la cola y ajusta los tiempos de espera en el frontend para evitar timeouts prematuros durante notificaciones de pagos o validaciones de seguridad.
- Usa caché para códigos frecuentes.
- Ajusta timeouts en el frontend.
- Monitorea la longitud de la cola.
Calidad de voz para banca
La claridad es crítica cuando los usuarios escuchan instrucciones financieras bajo presión. Nuestra API garantiza una dicción precisa en los 23 idiomas disponibles, eliminando ambigüedades en lecturas de montos o códigos de verificación.
Cada archivo generado lleva una marca de agua inaudible que lo identifica como voz sintética.
Claridad en instrucciones
Las notificaciones de banca requieren que la información crítica, como códigos de 6 dígitos o montos con decimales, se entienda a la primera. La claridad en la dicción permite a los usuarios actuar sin necesidad de repetir la llamada.
El formato de salida puede configurarse en WAV o FLAC para maximizar la fidelidad.
- Máxima legibilidad en códigos numéricos
- Formatos de alta fidelidad disponibles
- Procesamiento secuencial que prioriza la precisión
Voz neutral Atlas
Atlas ofrece un tono neutral, ideal para noticias o confirmaciones formales de transacciones. Su voz transmite estabilidad y profesionalismo, evitando emociones que puedan distraer del mensaje financiero.
Es la opción recomendada para validaciones automáticas donde la consistencia del tono es más importante que la calidez interpersonal, asegurando que el usuario se centre en el contenido de la alerta.
- Tono neutral y profesional
- Ideal para confirmaciones formales
- Consistencia en largas listas de datos
Voz cálida Luna
Luna aporta un tono suave y narrativo, perfecto para recordatorios de pago o mensajes de bienestar. Su entrega cálida ayuda a reducir la fricción en interacciones repetitivas, humanizando la comunicación digital sin perder la claridad.
Es especialmente útil en flujos donde se busca una experiencia de usuario más amigable, como en la primera notificación de un servicio o en instrucciones de seguridad detalladas.
- Tono suave y narrativo
- Ideal para recordatorios y bienvenida
- Reduce la fatiga auditiva en mensajes frecuentes
Uso en flujos de validación
Los flujos de validación en banca requieren precisión absoluta. La API procesa texto de hasta 4096 caracteres, ideal para códigos de un solo uso o montos específicos sin perder claridad fonética.
Lectura de códigos
La voz Atlas transmite códigos numéricos con neutralidad, minimizando la ambigüedad. Es crítico para validaciones de dos factores donde la claridad supera a la expresividad.
- Voz Atlas para máxima neutralidad
- Formato MP3 u OPUS para archivos ligeros
- Velocidad ajustable para audios complejos
Confirmación de monto
Lea montos con voz clara y estable. El motor de síntesis garantiza una pronunciación consistente de las cifras.
Instrucciones de seguridad
Use la voz Luna para guiar al usuario con calma durante pasos críticos. La calidez reduce la ansiedad en validaciones sensibles sin sacrificar la comprensión.
Limitaciones de streaming
La API devuelve el archivo de audio completo al finalizar la síntesis, sin transmitir fragmentos parciales. Esto significa que el cliente debe esperar a que se genere el audio completo antes de poder reproducirlo, lo que puede ser un factor a considerar en flujos donde la inmediatez absoluta es crítica.
Audio completo al final
El endpoint devuelve el archivo finalizado en una sola respuesta. No hay transmisión progresiva del audio mientras se genera, por lo que el tiempo de espera incluye toda la duración de la síntesis.
Sin fragmentos parciales
A diferencia de algunos servicios de streaming, no se reciben trozos de audio a medida que se crean. La aplicación debe manejar la espera completa antes de iniciar la reproducción.
Diseño asíncrono
El modelo está optimizado para generar archivos completos de forma fiable. Para notificaciones de banca, esto suele ser suficiente, ya que la latencia de red y la generación de frases cortas (unos segundos) no suelen afectar la experiencia del usuario final.
Escalabilidad para picos
La API soporta 60 solicitudes por minuto por clave, con un límite inicial de 10 rpm hasta la primera recarga. Para picos de notificaciones masivas, es clave gestionar la cola de procesamiento secuencial y anticipar la latencia variable según la carga del servidor.
Límites por minuto
El límite estándar es de 60 peticiones por minuto. Antes de la primera recarga, este valor se reduce a 10 rpm. Cada solicitud genera un archivo de audio completo, lo que requiere planificar el volumen de envío para evitar saturación.
- 60 rpm estándar por clave activa
- 10 rpm iniciales hasta primera recarga
- Carga secuencial, no paralela
Gestión de cola
Las solicitudes se procesan una tras otra. Si la cola se llena, la latencia aumenta. Para alertas críticas, prioriza las peticiones más urgentes y monitorea el estado de las peticiones pendientes para ajustar la estrategia de envío.
- Procesamiento secuencial
- Latencia variable bajo carga
- Monitoreo de estado de cola
Planificación de envío
Anticipa picos de notificaciones, como alertas de fraude o recordatorios de pago. Distribuye las solicitudes a lo largo del minuto para mantener un flujo constante. Usa caché para audios repetitivos y reduce la carga en la API.
- Distribución de solicitudes
- Uso de caché para audios repetitivos
- Anticipación de picos de tráfico
Comparativa con voz humana
La API TTS ofrece una voz consistente que no varía por fatiga o estrés, ideal para notificaciones críticas donde la claridad es primordial. A diferencia de un operador humano, no hay variaciones en el tono, garantizando que el mensaje se transmita con la misma precisión en cada interacción.
Consistencia de tono
Cada notificación mantiene el mismo nivel de energía y claridad, sin fluctuaciones naturales que puedan alterar la percepción del mensaje. Esto es crucial en banca, donde la confianza se construye sobre la predictibilidad de la experiencia del usuario.
Costo por notificación
El costo es predecible y bajo: $10 por millón de caracteres. Una notificación típica de 50 caracteres cuesta fracciones de centavo. No hay costos fijos de nómina ni horas extra.
- Precio fijo por carácter, sin tarifas ocultas.
- Ideal para alto volumen de alertas.
- Sin costos de infraestructura humana.
Disponibilidad 24/7
La API está disponible las 24 horas del día, los 7 días de la semana, sin necesidad de turnos ni turnos nocturnos. Las notificaciones de fraude o pagos pueden generarse a cualquier hora con la misma calidad.

Caso de uso: alertas de fraude
Las alertas de fraude requieren comunicación inmediata y clara para que el usuario actúe rápido. La API genera audio sintetizado en segundos, permitiendo notificar transacciones sospechosas sin retrasos significativos en la experiencia del cliente.
Es crucial que el mensaje transmita urgencia sin sonar agresivo. Utilizar una voz con carácter enérgico o neutral ayuda a mantener la atención del usuario mientras se le solicita verificar su identidad o confirmar el movimiento en la app.
Urgencia en el tono
La voz de Felix ofrece un tono energético ideal para captar la atención rápidamente ante una posible pérdida financiera. Su claridad asegura que la primera palabra sea percibida como una alerta válida y no como spam.
El tono directo reduce la ambigüedad, facilitando que el usuario identifique inmediatamente que se trata de una acción de seguridad requerida en su cuenta.
- Voz Felix para alertas de alta prioridad
- Tono enérgico pero profesional
- Evita sonidos monótonos que generen indiferencia
Voz clara y directa
La voz Atlas es neutral y precisa, ideal para dictar códigos o nombres de bancos sin ambigüedad. Su pronunciación limpia minimiza errores de comprensión cuando el usuario está distraído o bajo estrés.
Al no depender de entonaciones complejas, la voz Atlas garantiza que cada sílaba se entienda claramente, incluso en entornos con ruido ambiental.
- Voz Atlas para datos críticos
- Pronunciación precisa de nombres y cifras
- Claridad en entornos ruidosos
Formato de audio ligero
Enviar el audio en formato MP3 o Opus reduce el tamaño del archivo, acelerando su entrega en redes móviles. Esto es vital para notificaciones push donde cada segundo cuenta.
Los formatos ligeros también optimizan el uso de datos del usuario y reducen la carga en la infraestructura de la fintech durante picos de actividad.
- MP3 u Opus para menor peso
- Entrega rápida en redes móviles
- Optimización de ancho de banda
Caso de uso: recordatorios de pago
Los recordatorios de pago requieren un tono que invite a la acción sin generar estrés. La API permite generar audio claro y directo, ideal para notificaciones de vencimiento inminente o saldos pendientes.
Tono amigable
El tono debe ser cercano pero profesional, evitando la urgencia agresiva. Esto reduce la fricción en la experiencia del usuario al recibir alertas de cobro.
Claridad en detalles
Incluir el monto exacto y la fecha de vencimiento en el texto garantiza que el usuario actúe con precisión. La voz natural transmite estos datos numéricos con mayor facilidad que una síntesis robótica.
Voz Milo o Felix
Milo ofrece un tono conversacional y amigable, ideal para recordatorios rutinarios. Felix, más enérgico, puede usarse para alertas de último minuto donde se necesita captar la atención rápidamente.
Integración con sistemas legacy
La integración con sistemas legacy de banca no requiere migraciones costosas ni adaptadores complejos. Al exponer una API REST simple basada en estándares HTTP, los equipos pueden conectar sus plataformas existentes mediante llamadas POST básicas desde cualquier lenguaje de programación o entorno legacy que soporte JSON.
API REST simple
El endpoint POST https://api.getx33.com/v1/audio/speech sigue la misma estructura que la API de OpenAI, lo que facilita su implementación en entornos bancarios. Solo se requiere enviar el texto y la configuración de voz en el cuerpo de la solicitud.
- Método POST estándar con cuerpo JSON.
- Autenticación mediante token Bearer simple.
- Respuesta inmediata con archivo de audio binario.
Formatos estándar
Los archivos de audio generados pueden solicitarse en formatos ampliamente compatibles como MP3, WAV, OPUS, FLAC o PCM. Esta flexibilidad permite que los sistemas antiguos de playback de voz o los reproductores de las aplicaciones móviles legacy decodifiquen el contenido sin plugins adicionales.
- Soporte para MP3, WAV, OPUS, FLAC y PCM.
- Compatibilidad nativa con reproductores multimedia estándar.
- Sin necesidad de codecs propietarios.
Sin dependencias complejas
No es necesario instalar un SDK específico ni agregar dependencias pesadas al proyecto. Las bibliotecas HTTP estándar de cualquier lenguaje son suficientes para integrar la generación de voz en los flujos de notificaciones existentes, reduciendo el tiempo de desarrollo y los riesgos de integración.
- Sin SDK propietario obligatorio.
- Compatible con bibliotecas HTTP nativas.
- Integración ligera y rápida.
Recomendaciones para equipos
Para mitigar la latencia inherente al procesamiento secuencial y la cola de solicitudes, los equipos de producto deben anticipar la generación de audio. No dependas de la síntesis en tiempo real para alertas críticas; pre-genera los audios estáticos y almacénalos.
Pre-generar audios
Genera los archivos de audio para mensajes frecuentes (confirmaciones de saldo, códigos de verificación) durante momentos de baja carga. Esto elimina la espera de procesamiento al momento de la notificación.
- Identifica los 10-20 mensajes más utilizados en tu flujo de notificaciones.
- Genera los audios en formato MP3 u OPUS para reducir el peso.
- Almacénalos en tu CDN o servidor de assets estáticos.
Usar cache
Implementa una capa de caché en tu backend para los textos que no varían. Si el mensaje es idéntico, sirve el archivo de audio pre-generado en lugar de realizar una nueva solicitud a la API, ahorrando caracteres y costos.
- Usa la clave del hash del texto como clave de caché.
- Define una TTL adecuada según la frecuencia de cambios en los mensajes.
- Evita generar audio duplicado para el mismo contenido.
Monitoreo de cola
Observa la métrica de tiempo de generación. Si la cola se satura debido a picos de uso, los tiempos de respuesta aumentarán. Configura alertas cuando la latencia supere los 5-10 segundos para frases cortas.
- Monitorea el tiempo de espera en cola antes de la síntesis.
- Ajusta la tasa de envío si superas los 60 requests/minuto.
- Registra los fallos para identificar patrones de saturación.
Soporte técnico para dudas
El soporte se gestiona exclusivamente por correo electrónico, sin números telefónicos ni chat en vivo. Esta opción es la única disponible para resolver dudas específicas sobre la integración o facturación.
La documentación técnica y los ejemplos de código están disponibles en la sección de documentación, cubriendo los endpoints y la estructura de las solicitudes.
Correo electrónico
Envía tus consultas al soporte técnico. No hay atención telefónica ni chat en vivo. Las respuestas se procesan por orden de llegada.
Documentación técnica
Consulta la guía completa de integración en /docs/. Incluye detalles sobre los parámetros de la API, formatos de respuesta y manejo de errores.
La documentación cubre el uso de las librerías oficiales de OpenAI con el endpoint base de VozBanco.
Ejemplos de código
Accede a ejemplos listos para usar en la página de obtención de clave. Estos incluyen configuraciones de curl y Python para generar audio rápidamente.
- Ejemplos de curl
- Integración con OpenAI SDK
- Manejo de errores comunes
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
