Soluciones de audio para agencias de formación con API TTS

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

Esta página explica cómo CantoClaro permite a las agencias de RR. HH. generar contenido de capacitación masivo mediante una API de texto a voz fiable. Aquí encontrarás detalles técnicos, precios transparentes y ejemplos de integración diseñados para equipos que necesitan consistencia y control sin depender de plataformas genéricas.

Explora las 8 voces disponibles, los 23 idiomas soportados y los formatos de audio que puedes solicitar. Descubre cómo escalar tu producción de audio con costos predecibles, gestión de claves y límites claros, manteniendo el control total sobre tus datos y flujos de trabajo de formación corporativa.

Soluciones de audio para agencias de formación con API TTS

Preguntas frecuentes

¿Qué es un programa de texto a voz gratis?

Es una prueba gratuita de $0.50 de crédito que se otorga al registrarse con Google. Este saldo equivale a aproximadamente 50 000 caracteres y tiene una validez de 7 días. Las cuentas creadas con correo y contraseña no reciben este crédito inicial, permitiendo probar la API sin compromiso financiero.

¿Cuánto cuesta el programa de texto a voz gratis?

La prueba incluye $0.50 de crédito válido por 7 días al registrarse con Google. El precio estándar es de $10 por cada millón de caracteres ($0.01 por 1 000 caracteres). Las solicitudes fallidas se devuelven íntegramente. No hay planes mensuales ni costos fijos, solo pagas por uso.

¿Qué voces están disponibles para formación?

Disponemos de 8 voces preestablecidas: Aria, Nova, Luna y Sage (femeninas) y Felix, Milo, Atlas y Orion (masculinas). Voces como Sage (instruccional) o Milo (conversacional) son ideales para capacitación. Todas las voces pueden hablar cualquier idioma soportado, garantizando consistencia en el contenido corporativo.

¿En cuántos idiomas puedo generar audio?

El servicio soporta 23 idiomas, incluyendo inglés, español, alemán, francés, portugués, japonés, chino, árabe, hindi y ruso. Cualquier voz puede hablar cualquiera de estos idiomas. Si no se especifica el código ISO, el sistema intenta adivinar el idioma, aunque se recomienda definirlo explícitamente para textos en latinos no ingleses.

¿Puedo usar el SDK de OpenAI con esta API?

Sí. La API sigue la misma forma de solicitud que el endpoint de speech de OpenAI. Solo necesitas cambiar la base_url a https://api.bets7.info/v1 y usar tu clave de API. Esto permite reutilizar el código existente de las SDKs oficiales de OpenAI sin modificaciones complejas.

¿Cómo se calcula el consumo de caracteres?

Se cobran $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1 000 caracteres. Se cuentan todos los caracteres, incluyendo espacios y puntuación. El texto se divide en partes de hasta 4096 caracteres por solicitud, y el costo se calcula sobre el total enviado.

¿Qué formatos de audio son compatibles?

Puedes solicitar audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos se especifican en el campo response_format de la solicitud JSON. El sistema genera el archivo de audio correspondiente y lo devuelve en la respuesta, listo para ser descargado o integrado en tu flujo de trabajo.

¿Es segura la API para datos corporativos?

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. Solo se conservan metadatos de la solicitud (hora, caracteres, estado) para facturación, garantizando la privacidad de tu contenido corporativo.

¿Cómo funciona la recarga en USDT?

Las recargas se realizan exclusivamente mediante USDT en la red TRON (TRC-20). El monto mínimo es de $5. El saldo se acredita automáticamente en minutos tras la transferencia. No aceptamos tarjetas, PayPal ni suscripciones. El saldo no tiene fecha de caducidad y puedes usarlo cuando necesites.

¿Qué pasa si falla una solicitud de audio?

Si la síntesis falla, el cargo se devuelve íntegramente. No se te cobra por las solicitudes que no generan audio correctamente. Esto asegura que solo pagues por el trabajo completado y entregado, manteniendo la predictibilidad de tus costos en la producción masiva de contenido de capacitación.

¿Hay límite de caracteres por solicitud?

Sí, cada solicitud acepta un máximo de 4096 caracteres en el campo input. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Esto permite manejar documentos extensos de capacitación manteniendo la estructura de la API.

¿Se almacena el texto que envío?

No. El texto de entrada se usa solo para producir el audio y no se almacena ni se utiliza para entrenamiento. El audio generado se devuelve en la respuesta inmediata y no se guarda en nuestros servidores. Solo conservamos metadatos de facturación como hora y estado.

¿Puedo cambiar la velocidad del audio?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 mediante el campo speed. Esto permite adaptar el ritmo de la voz para capacitación, haciendo la explicación más lenta o rápida según las necesidades del contenido. La velocidad se especifica en la solicitud JSON junto con el texto.

¿Cuántas claves de API puedo tener activas?

Cuenta con una sola clave activa por cuenta. Puedes emitir una nueva clave en cualquier momento desde tu panel. Al generar una nueva, la clave anterior deja de funcionar inmediatamente. Esto permite una gestión sencilla de seguridad y rotación de credenciales sin complicaciones técnicas.

Primera solicitud

curl

curl https://api.bets7.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

Por qué las agencias eligen esta API

Ilustración de onda de sonido para: Por qué las agencias eligen esta API

Las agencias de RR. HH. generan volúmenes masivos de contenido de capacitación donde la consistencia es crítica. Esta API permite automatizar la producción de miles de lecciones sin depender de interfaces gráficas lentas o limitaciones de plantillas.

La integración se logra mediante endpoints REST compatibles con el SDK de OpenAI, ajustando únicamente la URL base. El flujo es directo: envías el texto y recibes el audio, eliminando la complejidad de sistemas de terceros.

Control total del volumen

Control total del volumen

Cada solicitud maneja hasta 4096 caracteres, permitiendo dividir manuales extensos en partes lógicas. Las solicitudes se procesan en orden secuencial, por lo que bajo alta demanda pueden esperar en una cola.

Integración sencilla

Utiliza la estructura de petición estándar con campos como model, input y voice. Solo necesitas modificar la base_url a https://api.bets7.info/v1 y usar tu clave API para conectar con tus flujos de trabajo existentes.

Costos predecibles

El costo es fijo: $0.01 por cada 1,000 caracteres, sin importar la longitud del audio generado. Las solicitudes fallidas se reembolsan íntegramente, asegurando que solo pagues por el contenido exitoso y auditable.

Voces para capacitación

Ilustración de onda de sonido para: Voces para capacitación

Auditory clarity is critical for corporate training. Our voices are engineered for precision, ensuring that instructional content is understood without ambiguity. Each voice is derived from licensed recordings, providing a professional and consistent tone suitable for large-scale onboarding programs.

We offer distinct vocal profiles tailored to different training contexts. Nuestras ocho voces preestablecidas permiten mantener un tono consistente en el contenido de capacitación.

Narradoras claras

Aria and Nova provide bright, articulate delivery ideal for engaging training materials. Aria es una narradora cálida y clara, y Nova es brillante y animada.

  • Aria: warm, clear narrator
  • Nova: bright, upbeat

Voces instruidas

For procedural and instructional content, Sage and Luna offer controlled pacing. Sage delivers a calm, instructional tone perfect for step-by-step guides, while Luna tiene un tono suave y narrativo.

  • Sage: calm, instructional
  • Luna: soft, storytelling

Voces documentales

Atlas and Orion provide neutral and deep voices suitable for news-style updates or documentary-style corporate communications. Milo es amigable y conversacional, y Felix es enérgico y promocional.

  • Atas: neutral, news
  • Orion: deep, documentary
  • Milo: friendly, conversational
  • Felix: energetic, promo

Idiomas globales

Ilustración de onda de sonido para: Idiomas globales

La API soporta 23 idiomas, desde el inglés y el español hasta el árabe, el chino y el suajili. Cada voz puede pronunciar cualquier idioma de la lista, lo que permite estandarizar la producción de contenido de capacitación sin necesidad de contratar múltiples proveedores de voz por región.

Cobertura de 23 idiomas

Nuestra plataforma incluye soporte nativo para los idiomas más demandados en el entorno corporativo global. Esto garantiza consistencia auditiva en materiales de onboarding y manuales distribuidos internacionalmente, sin variaciones imprevistas en la dicción.

  • Idiomas soportados: Árabe, Chino, Danés, Holandés, Inglés, Finés, Francés, Alemán, Griego, Hebreo, Hindi, Italiano, Japonés, Coreano, Malay, Noruego, Polaco, Portugués, Ruso, Español, Suajili, Sueco, Turco.

Detección automática

Si no se especifica un código de idioma, el sistema lo infiere a partir del script del texto. Para textos en alfabeto latino que no sean inglés, la detección asume inglés por defecto, por lo que se recomienda definir el idioma explícitamente para evitar errores.

Control por lenguaje

Puede forzar el idioma de salida mediante el parámetro language en el cuerpo de la solicitud JSON. Esto asegura que el resultado sea predecible incluso si el texto de entrada contiene ambigüedades lingüísticas o mezcla scripts.

Formatos de audio

Ilustración de onda de sonido para: Formatos de audio

La API devuelve archivos de audio en los formatos que elige la agencia según su infraestructura. No hay conversión adicional automática; cada solicitud especifica el formato deseado, garantizando que el archivo final sea exactamente lo que se solicitó.

MP3 y WAV estándar

MP3 y WAV son formatos de audio soportados.

Opus y FLAC

Opus y FLAC son formatos de audio soportados.

PCM sin comprimir

El formato PCM devuelve audio lineal sin comprimir.

Demostración en vivo

Ilustración de onda de sonido para: Demostración en vivo

Experimenta la latencia real de nuestra API. El tiempo de generación varía según la carga del servidor y la longitud del texto, con un rendimiento típico de producción en tiempo real para textos largos.

La velocidad de síntesis no es instantánea para frases cortas; los pedidos se procesan en cola uno tras otro, garantizando consistencia en el volumen de salida sin picos de latencia excesivos.

Prueba de velocidad

Observa cómo el sistema maneja la generación de audio bajo demanda. Los tiempos de respuesta dependen de la longitud del input y la congestión del servidor en ese momento.

Comparativa de voces

Escucha las diferencias entre ocho presets diseñados para capacitación. Desde la claridad narrativa de Aria hasta la voz documental de Orion, cada voz ofrece un tono específico para distintos tipos de contenido corporativo.

  • Aria: narradora clara y cálida.
  • Sage: voz calmada e instructiva.
  • Atlas: tono neutral y periodístico.
  • Orion: profundidad para documentales.

Generación de muestra

Genera audio en formatos estándar como MP3 o WAV. Cada archivo incluye una marca de agua inaudible que identifica el contenido como voz sintética, cumpliendo con estándares de transparencia para agencias.

Demostración en vivo

Integración técnica

Ilustración de onda de sonido para: Integración técnica

La API de CantoClaro sigue la estructura de la endpoint de voz de OpenAI, lo que permite reutilizar la infraestructura de integración que ya conocen los equipos técnicos de las agencias. Solo es necesario ajustar la URL base y la clave de autenticación.

El flujo es directo: enviar texto en formato JSON y recibir el archivo de audio generado. Este enfoque estandariza la integración con sistemas de gestión de contenido y plataformas de e-learning sin requerir adaptadores personalizados complejos.

SDK de OpenAI

Utiliza el SDK oficial de OpenAI modificando la propiedad base_url a https://api.bets7.info/v1. Esto permite mantener el código existente y las bibliotecas de cliente habituales en Python, Node.js o Go sin reescribir la lógica de conexión.

La compatibilidad con la estructura de solicitud de OpenAI garantiza que las llamadas a la API funcionen de manera inmediata con las herramientas de desarrollo estándar.

Endpoints REST

El punto de entrada principal es POST https://api.bets7.info/v1/audio/speech, que acepta el texto y los parámetros de voz en el cuerpo de la solicitud. La respuesta contiene el archivo de audio en el formato seleccionado (mp3, wav, opus, flac o pcm).

Endpoints adicionales como GET /v1/voices permiten consultar las 8 voces disponibles, sus idiomas y formatos soportados antes de iniciar la generación masiva de contenido.

Autenticación segura

La comunicación se protege mediante un token Bearer incluido en la cabecera Authorization. Cada cuenta tiene una única clave activa que puede regenerarse inmediatamente si es necesario, invalidando la anterior al instante.

Esta gestión simple de credenciales facilita la integración en entornos de CI/CD y permite rotar las claves sin interrumpir el servicio de generación de audio.

Escalabilidad para agencias

Ilustración de onda de sonido para: Escalabilidad para agencias

Las agencias de RR. HH. manejan volúmenes variables de contenido de capacitación, desde onboarding masivo hasta actualizaciones mensuales de procedimientos. Esta API está diseñada para adaptarse a esa fluctuación sin requerir infraestructura adicional ni cambios en la arquitectura de desarrollo.

Gestión de claves

Cada cuenta mantiene una única clave API activa. Esto simplifica la auditoría y el control de acceso en entornos corporativos. Si es necesario, se puede emitir una nueva clave en cualquier momento, revocando la anterior de forma instantánea.

  • Una clave activa por cuenta para mayor seguridad.
  • Revocación instantánea al emitir una nueva clave.

Límites de tasa

El límite estándar es de 60 solicitudes por minuto por clave. Para cuentas nuevas, este límite se inicia en 10 solicitudes por minuto hasta la primera recarga. Esto permite un consumo controlado y predecible sin costos ocultos por tráfico.

  • 60 solicitudes/minuto tras la primera recarga.
  • 10 solicitudes/minuto para cuentas nuevas.

Procesamiento en cola

Las solicitudes se procesan en orden secuencial. Bajo alta demanda, las peticiones pueden esperar en una cola hasta que se libere capacidad. Aunque la velocidad promedio es de aproximadamente 25 caracteres por segundo, la cola garantiza que no se pierdan solicitudes.

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

La facturación se basa estrictamente en los caracteres procesados: $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. Este modelo elimina los costos fijos mensuales y los planes por asientos, permitiendo escalar la producción de audio corporativo según el volumen real de capacitación sin compromisos de mínimo.

Las solicitudes fallidas se reembolsan íntegramente, garantizando que solo pagues por audio entregado con éxito. No hay cargos ocultos ni diferencias entre formatos de audio.

Pago por carácter

El costo es de $0.01 por cada 1.000 caracteres. El balance no expira y puedes auditar cada solicitud en el panel.

  • Precio fijo: $10 por 1 millón de caracteres
  • Espacios y puntuación cuentan como caracteres
  • Sin cargos por formato o velocidad

Crédito gratuito

Al registrarte con Google, recibes $0.50 de crédito válido por 7 días (aprox. 50.000 caracteres). Las cuentas creadas con correo y contraseña comienzan sin crédito de prueba.

Recarga en USDT

Aceptamos exclusivamente USDT en la red TRON (TRC-20). El mínimo de recarga es de $5. Los fondos se acreditan automáticamente en minutos tras la confirmación de la transacción.

  • Red: TRON (TRC-20)
  • Mínimo: $5 USD
  • Sin tarjetas ni PayPal

Casos de uso corporativo

Ilustración de onda de sonido para: Casos de uso corporativo

Las agencias de RR. HH. utilizan la API para convertir manuales de onboarding y procedimientos operativos en audio, permitiendo que los nuevos empleados consuman formación durante sus desplazamientos o tareas repetitivas. Cada solicitud genera un archivo de audio listo para integrarse en plataformas LMS existentes.

Onboarding de empleados

Genera audio consistente para guías de bienvenida y presentaciones corporativas sin depender de la disponibilidad de locutores. Las 8 voces preset aseguran un tono uniforme en toda la plantilla, ideal para la incorporación masiva de personal.

  • Audio unificado para cientos de nuevos ingresos
  • Integración directa con plataformas LMS
  • Sin costos de reserva de estudio

Manuales de procedimiento

Convierte documentos técnicos extensos en audio accesible. Con un límite de 4096 caracteres por solicitud, el texto se divide y une automáticamente, manteniendo la fluidez narrativa para instrucciones paso a paso o normas de seguridad.

  • Conversión de PDFs a audio
  • Soporte para 23 idiomas
  • Formatos MP3, WAV y OPUS

E-learning interactivo

Añade voz a módulos de e-learning para mejorar la retención. El costo predecible de $0.01 por 1000 caracteres permite escalar la producción de contenido educativo sin sorpresas en la factura, con créditos gratuitos iniciales para pruebas.

  • Costos predecibles por carácter
  • Escalabilidad sin planes mensuales
  • Soporte técnico por email

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. El uso de voces predefinidas asegura una calidad auditiva constante, beneficiando a empleados con dificultades de aprendizaje o lectores no nativos.

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. LibriTTS-R paper (arXiv 2305.18802)
  4. W3C WAI: making audio and video accessible
  5. openai-node on GitHub
  6. MDN: Web Speech API
  7. ISO 639 language codes
  8. Python documentation
  9. openai-python on GitHub
  10. Creative Commons Attribution 4.0
  11. FFmpeg documentation
  12. TRON developer hub: TRC-20

Más en este sitio