Preguntas frecuentes
¿Qué significa exactamente "clonar voz" en este contexto?
La clonación de voz consiste en crear una réplica digital personalizada a partir de muestras de audio de una persona específica. Nuestra API no ofrece clonación personalizada ni subida de muestras propias. Solo disponemos de 8 voces predefinidas basadas en grabaciones licenciadas (LibriTTS-R y LibriVox), listas para usar sin configuración adicional.
¿Por qué las voces predefinidas son mejores para escalar?
Las voces predefinidas eliminan la complejidad de gestión de modelos personalizados. Al usar un conjunto fijo de 8 voces, garantizas consistencia acústica en todo tu proyecto de localización. Esto simplifica la integración técnica mediante la API estándar y permite procesar grandes volúmenes de texto sin depender de la disponibilidad de servidores de entrenamiento de voces únicas.
¿Cuáles son los 8 voces disponibles para localización?
Disponemos de 8 voces: Aria, Nova, Luna y Sage (femeninas); Felix, Milo, Atlas y Orion (masculinas). Cada preset tiene un registro de tono específico y puede hablar en los 23 idiomas soportados. Son listas para uso inmediato vía API, sin necesidad de ajustes de personalización adicionales ni clonación de voz.
¿En qué idiomas se pueden usar las voces predefinidas?
Las voces soportan 23 idiomas: Árabe, Chino, Danés, Holandés, Inglés, Finés, Francés, Alemán, Griego, Hebreo, Hindi, Italiano, Japonés, Coreano, Malayo, Noruego, Polaco, Portugués, Ruso, Español, Suajili, Sueco y Turco. Cualquier voz puede hablar cualquier idioma de esta lista. Si no especificas el campo language, el sistema infiere el idioma del guion; para textos en latín distintos al inglés, es recomendable establecerlo explícitamente.
¿Cuánto cuesta la API por cada mil caracteres?
El costo es de $0.01 por cada 1.000 caracteres. La tarifa base es de $10 por cada millón de caracteres procesados. Los espacios y la puntuación cuentan como caracteres. Este modelo de pago por uso elimina costos fijos y permite escalar el presupuesto directamente proporcional al volumen de localización generado.
¿Es necesario pagar una cuota mensual para usar la API?
No existen planes mensuales, cuotas fijas ni mínimos de gasto. Solo pagas por los caracteres que consumes. El saldo no caduca. Puedes recargar cuando necesites mediante USDT en la red TRON. No hay suscripciones automáticas ni cargos por inactividad, lo que optimiza el flujo de caja para agencias y freelancers.
¿Cómo se realiza el pago con USDT en la red TRON?
Los pagos se realizan exclusivamente mediante USDT (TRC-20) en la red TRON. El depósito mínimo es de $5. El saldo se acredita automáticamente en minutos tras confirmar la transferencia en la blockchain. No aceptamos tarjetas, PayPal ni facturas con IVA. El proceso es directo y sin intermediarios bancarios tradicionales.
¿Cuánto dura el crédito de prueba gratuito?
El crédito de prueba es de $0.50 (aproximadamente 50.000 caracteres) y tiene una validez de 7 días. Se otorga al registrarte con Google. Si te registras con correo y contraseña, no recibes este crédito inicial. Es ideal para validar la integración técnica y la calidad de audio antes de realizar una recarga.
¿Se pueden usar las voces para contenido comercial?
Sí, las voces están basadas en grabaciones licenciadas bajo CC BY 4.0 (LibriTTS-R) y audiolibros de dominio público (LibriVox). No se ofrece clonación personalizada, por lo que no hay conflictos de derechos de imagen o voz de personas específicas. El audio generado es sintético y seguro para proyectos de doblaje comercial.
¿Qué formato de audio se recomienda para doblaje?
Puedes elegir entre mp3, wav, opus, flac o pcm. Para doblaje profesional, WAV o FLAC son ideales por su calidad sin pérdida. MP3 es eficiente para distribución web. Opus ofrece buena compresión. La elección depende de tu pipeline de postproducción. La API devuelve el archivo directamente en el formato solicitado.
¿Cuántas solicitudes por minuto permiten?
El límite es de 60 solicitudes por minuto por clave API (10 antes del primer recargo). Las solicitudes se procesan secuencialmente, por lo que bajo carga pueden esperar en cola. Para textos largos, divide el input en fragmentos de hasta 4096 caracteres y une los archivos de audio resultantes.
¿Se almacena el texto que envío para entrenar modelos?
No. El texto de entrada se utiliza únicamente para generar el audio y no se usa para entrenar modelos de IA. El audio generado se devuelve en la respuesta y no se almacena permanentemente. Solo conservamos metadatos de la solicitud (hora, caracteres, estado) para fines de facturación y auditoría.
¿Qué pasa si una solicitud de síntesis falla?
Si la síntesis falla, la carga se devuelve completamente. No se te cobra por las solicitudes que no generan audio exitosamente. Esto garantiza que solo pagues por trabajo completado. Puedes reintentar la solicitud o dividir el texto si el error se debe a límites de longitud o problemas de conexión.
¿Cómo verifico la licencia de las voces utilizadas?
Las voces provienen de datasets licenciados: LibriTTS-R (CC BY 4.0) y grabaciones de LibriVox (dominio público). No hay licencias complejas de voz para cada usuario final. Al usar la API, accedes a estas voces predefinidas sin necesidad de gestionar derechos adicionales. El audio generado incluye una marca de agua invisible que indica su naturaleza sintética.
Primera solicitud
curl
curl https://api.playtakbet.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.mp3El problema de la clonación en localización
La clonación de voz personalizada exige recopilar y etiquetar horas de audio para entrenar modelos, lo que incrementa el coste del proyecto. Además, la generación puede tardar segundos por frase, rompiendo el flujo de trabajo ágil de localización cuando se procesan solicitudes secuencialmente.
Coste de datos de entrenamiento
Recolectar y etiquetar horas de audio para entrenar modelos aumenta el coste del proyecto de localización.
Latencia en la generación
La generación tarda segundos por frase, lo que rompe el flujo de trabajo ágil de localización cuando se procesan solicitudes secuencialmente.
Gestión de consentimientos
Cada voz clonada requiere verificar el consentimiento del hablante, lo que añade complejidad legal y operativa.
Voces predefinidas para escalar
La API ofrece ocho voces predefinidas de alta fidelidad para cubrir registros desde narrativas cálidas hasta documentales profundos. Cada voz es capaz de hablar cualquiera de los 23 idiomas soportados, eliminando la necesidad de gestionar múltiples clonaciones para cada proyecto de localización.
8 voces de alta fidelidad
Disponemos de ocho presets diseñados para distintos registros vocales y contextos de producción. La selección incluye: Aria (narradora cálida y clara), Nova (brillante y dinámica), Luna (suave para storytelling), Sage (calma instruccional), Felix (enérgico para promos), Milo (amigable y conversacional), Atlas (neutral para noticias) y Orion (profundo para documentales).
23 idiomas nativos
Las ocho voces soportan una amplia gama de idiomas, incluyendo árabe, chino, danés, holandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco y turco. Si no se especifica el idioma, el sistema intenta inferirlo, pero se recomienda establecerlo explícitamente para textos en latín no ingleses.
Consistencia de marca
Al utilizar un conjunto fijo de voces, garantizas la coherencia fonética y tonal en todos los entregables de localización. Esto facilita la identificación auditiva de la marca sin depender de la variabilidad inherente a la clonación de voz personalizada, manteniendo un estándar técnico uniforme.

Cómo funciona la API
La API opera mediante un endpoint RESTful compatible con el SDK oficial de OpenAI. Solo necesitas ajustar el base_url a https://api.playtakbet.com/v1 y autenticar con tu clave Bearer en la cabecera. Este enfoque elimina la necesidad de librerías propietarias y permite reutilizar código existente en tus pipelines de localización.
Endpoint compatible con OpenAI
La integración es directa: envía una petición POST a /v1/audio/speech. Al mantener la misma estructura que la API de OpenAI, los desarrolladores pueden migrar proyectos existentes sin modificar la lógica de cliente, solo cambiando la URL base y la credencial.
Carga útil JSON estándar
El cuerpo de la solicitud es un objeto JSON que acepta el campo input (texto, máx. 4096 caracteres) y voice (uno de los 8 presets). El campo model es opcional, con un valor por defecto de tts-1. También puedes especificar speed (0.25–4.0) y response_format.
Formatos de audio variados
Recibe el audio generado en los formatos mp3, wav, opus, flac o pcm. Esto facilita la integración con editores de video, sistemas de gestión de activos digitales (DAM) o pipelines de doblaje automatizado sin conversiones adicionales costosas.
Precios transparentes
La facturación es estrictamente por consumo: $0.01 por cada 1.000 caracteres (incluidos espacios y puntuación). No se aplican cargos ocultos ni mínimos de consumo. Las solicitudes fallidas se devuelven íntegramente.
Coste por carácter
El precio base es de $10 por cada millón de caracteres procesados. Esta métrica simplifica la planificación de costes para proyectos de localización de gran volumen, permitiendo estimar el gasto exacto antes de la generación.
Sin suscripciones mensuales
No hay planes fijos ni cargos recurrentes. Puedes pausar el uso indefinidamente sin penalización. El saldo no caduca, lo que permite acumular fondos para picos de demanda sin perder capital.
Pago en USDT (TRC-20)
Top-ups mediante USDT en la red TRON (TRC-20), mínimo $5. La credited se aplica automáticamente en minutos tras la transferencia. Sin facturas, sin IVA ni pasarelas bancarias tradicionales.
Prueba técnica inmediata
Accede inmediatamente a la funcionalidad real mediante un crédito de prueba de $0.50 válido por 7 días. Este saldo permite generar aproximadamente 50.000 caracteres para validar la calidad de síntesis y la integración técnica antes de cualquier compromiso de pago.
Crédito de prueba de $0.50
El crédito se asigna automáticamente al iniciar sesión con Google. Si prefieres registrarte con correo electrónico y contraseña, la cuenta se crea sin saldo inicial. Esta validación rápida permite verificar latencia y calidad sin riesgo financiero.
- Válido por 7 días desde la creación de la cuenta.
- Aproximadamente 50.000 caracteres de texto generable.
- Acceso completo a todas las voces y formatos disponibles.
Documentación de integración
La documentación técnica detalla el esquema de solicitud JSON idéntico al estándar de OpenAI. Utiliza el mismo endpoint y estructura de campos, lo que permite reutilizar clientes HTTP existentes o SDKs compatibles con mínima modificación.
- Esquema de solicitud compatible con la API de OpenAI.
- Detalles de campos: model, voice, input, speed.
- Referencia de códigos de error y metadatos de respuesta.
Ejemplos en cURL y Python
Inicia la prueba con snippets listos para ejecutar. Los ejemplos demuestran la configuración de la clave API y el envío de texto. Son válidos para cualquier cliente que respete el formato JSON estándar de la API.
No requieren bibliotecas propietarias ni configuraciones complejas. Puedes adaptar estos fragmentos directamente a tu pipeline de localización para validar la integración técnica en minutos.
- Ejemplo básico de síntesis con cURL.
- Script Python usando requests o el SDK de OpenAI.
- Configuración de cabeceras de autorización Bearer.
Gestión de derechos de voz
Las voces de la API se basan en grabaciones licenciadas bajo CC BY 4.0, obtenidas de lecturas de dominio público de LibriVox. Esto garantiza que la fuente es legalmente clara y libre de royalties recurrentes, ideal para escalar proyectos de localización sin incertidumbre legal.
Licencias CC BY 4.0
Cada modelo de voz está vinculado a un dataset con licencia permisiva que permite el uso comercial. No se requiere gestionar derechos de autor individuales por proyecto, simplificando la gestión legal para agencias y freelancers.
- Uso comercial permitido sin restricciones adicionales
- Fuente legalmente verificada y documentada
Agudos de LibriVox
Las voces provienen de LibriTTS-R, derivado de audiolibros de dominio público de LibriVox. Esta fuente asegura una calidad de grabación natural y una variedad de timbres validados por el tiempo.
Marcas de agua sintéticas
Cada archivo de audio generado incluye una marca de agua inaudible que identifica el contenido como síntesis artificial. Esto facilita la trazabilidad del origen del audio en cadenas de producción complejas.

Limitaciones técnicas honestas
La API devuelve el archivo de audio completo tras finalizar la síntesis, sin transmisión parcial ni streaming. Esto garantiza archivos listos para procesamiento, aunque implica una latencia inicial menor para frases cortas y cola bajo carga.
Sin streaming en tiempo real
El endpoint POST /v1/audio/speech responde con el binario final. No hay websocket ni flujo de bytes incrementales, lo que simplifica la integración pero impide la interacción instantánea tipo conversación viva.
Sin SSML avanzado
El protocolo no soporta etiquetas <speak>, <prosody> ni diccionarios de pronunciación personalizados. El control se limita a los campos voice, speed (0.25–4.0) y language.
Sin clonación personalizada
No se ofrece clonación de voz personalizada ni subido de muestras propias. Se utilizan 8 presets basados en grabaciones licenciadas (LibriTTS-R). Cada archivo incluye una marca de agua inaudible que lo identifica como síntesis.
Integración para desarrolladores
La API utiliza el formato de solicitud de la API de OpenAI, lo que permite reutilizar el SDK oficial de Python o Node.js con un simple ajuste de base_url a https://api.playtakbet.com/v1. No se requiere un SDK propietario ni abstracciones adicionales.
La autenticación se gestiona mediante cabeceras Authorization: Bearer con la clave única de la cuenta. El límite de velocidad es de 60 solicitudes por minuto por clave, procesándose secuencialmente.
SDK oficial de OpenAI
Utiliza la librería estándar de OpenAI con base_url apuntando a nuestro endpoint.
Cambiar la URL base permite usar los mismos clientes de Python o Node.js sin modificaciones de código significativas.
- Compatible con
openaiv1.x
Cabeceras de autorización
Envía tu clave API en la cabecera Authorization: Bearer <tu_clave>.
Una sola clave activa por cuenta; la nueva invalida a la anterior al instante.
Control de velocidad
El límite es de 60 solicitudes por minuto por clave.
Las peticiones se procesan en cola si hay alta demanda.
Casos de uso en localización
La API TTS de VozNeta se integra en flujos de localización mediante la generación de lotes de audio, ideal para proyectos donde la latencia no es crítica pero el volumen es alto.
El uso de voces predefinidas asegura coherencia sin los costes de entrenamiento ni la gestión de consentimientos que exige la clonación de voz.
Voces narrativas para e-learning
Las voces 'luna' (suave) y 'sage' (calmada) son adecuadas para cursos multilingües que requieren claridad y ritmo constante.
El procesamiento por lotes permite generar horas de lecciones en segundos, con un coste fijo de $0.01 por mil caracteres.
- Ideal para cursos de idiomas o capacitación técnica.
- Consistencia de tono en todos los módulos.
- Sin necesidad de sincronización lipal en tiempo real.
Doblaje de contenido UGC
Para agencias que gestionan gran volumen de contenido de creadores, las voces predefinidas eliminan la necesidad de mapear cientos de voces únicas.
Se pueden asignar voces como 'nova' o 'aria' para mantener un estilo vibrante en múltiples idiomas sin clonación.
El formato de pago por uso evita gastos fijos en proyectos de alto volumen pero variable.
- Generación masiva de voces para múltiples idiomas.
- Coste predecible por carácter.
- Evita la gestión de derechos de voz individuales.
Asistentes de voz para IVR
La voz 'atlas' (neutral) o 'milo' (conversacional) pueden usarse para menús IVR, aunque la API no está optimizada para interacción en tiempo real.
La latencia variable y la falta de streaming significan que la respuesta de audio puede tardar unos segundos, lo que requiere diseñar la experiencia de usuario con pausas.
No es adecuado para conversaciones fluidas instantáneas, pero sí para menús de un solo turno donde el usuario espera la respuesta.
- Voz 'atlas' para tono informativo.
- Voz 'milo' para tono amigable.
- Requiere tolerancia a latencia de cola.
Preguntas frecuentes
Resolvemos dudas técnicas y comerciales sobre el uso de nuestra API TTS en flujos de trabajo de localización. Aquí encontrarás respuestas concretas sobre costos, limitaciones y licencias.
¿Qué significa exactamente "clonar voz" en este contexto?
La clonación de voz implica entrenar un modelo específico con muestras de audio de una persona real para replicar su timbre único. Nosotros no ofrecemos clonación personalizada ni subida de voz propia; utilizamos 8 voces predefinidas basadas en grabaciones licenciadas.
¿Por qué las voces predefinidas son mejores para escalar?
Las voces predefinidas garantizan consistencia instantánea sin latencia de entrenamiento ni gestión de consentimientos individuales. Son ideales para proyectos de gran volumen donde la velocidad de entrega y la uniformidad del audio son prioritarias sobre la personalización extrema.
¿Cuáles son los 8 voces disponibles para localización?
Disponemos de 8 voces predefinidas: Femeninas: aria, nova, luna, sage. Masculinas: felix, milo, atlas, orion.
¿En qué idiomas se pueden usar las voces predefinidas?
Las voces soportan 23 idiomas: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish. Cualquier voz puede hablar cualquier idioma de la lista.
¿Cuánto cuesta la API por cada mil caracteres?
El coste es de $0.01 por cada 1.000 caracteres. El espacio y la puntuación cuentan como caracteres. No hay cuotas mensuales ni costos fijos.
¿Es necesario pagar una cuota mensual para usar la API?
No. No existen planes mensuales, asientos ni gastos mínimos. Pagas solo por los caracteres generados. El saldo no caduca.
¿Cómo se realiza el pago con USDT en la red TRON?
Se acepta únicamente USDT en la red TRON (TRC-20). El monto mínimo es de $5. El crédito se acredita automáticamente en minutos tras la transferencia. No se aceptan tarjetas ni PayPal.
¿Cuánto dura el crédito de prueba gratuito?
El crédito de $0.50 (aprox. 50.000 caracteres) es válido durante 7 días y se otorga al iniciar sesión con Google.
¿Se pueden usar las voces para contenido comercial?
Sí. Las voces provienen de grabaciones licenciadas bajo CC BY 4.0 y lecturas de dominio público de LibriVox, aptas para uso comercial.
¿Qué formato de audio se recomienda para doblaje?
Puedes seleccionar entre mp3, wav, opus, flac o pcm. Para doblaje, WAV o FLAC son ideales por su calidad sin pérdidas, mientras que MP3 u OPUS optimizan el almacenamiento.
¿Cuántas solicitudes por minuto permiten?
El límite es de 60 solicitudes por minuto por clave API (10 por minuto antes de la primera recarga).
¿Se almacena el texto que envío para entrenar modelos?
No. El texto de entrada se usa únicamente para generar el audio y no se utiliza para entrenamiento. El audio generado no se almacena tras la respuesta.
¿Qué pasa si una solicitud de síntesis falla?
Si la síntesis falla, el cargo se devuelve íntegramente. No se te cobra por las solicitudes fallidas.
¿Cómo verifico la licencia de las voces utilizadas?
Las voces están basadas en grabaciones licenciadas bajo Creative Commons BY 4.0, procedentes de lecturas de dominio público de LibriVox.

Integración para desarrolladores
La API sigue el formato de solicitud de OpenAI, lo que permite reutilizar el SDK oficial o realizar llamadas HTTP estándar. Solo es necesario modificar la URL base a https://api.playtakbet.com/v1 y asignar la clave de API en la cabecera.
Cada cuenta dispone de una única clave activa que puede regenerarse instantáneamente si se compromete. La generación se realiza mediante un endpoint POST que devuelve el archivo de audio directamente.
SDK oficial de OpenAI
Utilice el paquete openai de Python o las bibliotecas de otros lenguajes. Establezca base_url en https://api.playtakbet.com/v1 y pase su clave con api_key.
- Compatible con
tts-1ytts-1-hd. - Mismo objeto de solicitud que el endpoint de speech de OpenAI.
Cabeceras de autorización
Incluya Authorization: Bearer <su-clave> en cada solicitud. La validación es inmediata y cualquier error de autenticación devuelve un código 401.
- Una clave activa por cuenta.
- La regeneración invalida la clave anterior instantáneamente.
Control de velocidad
Ajuste la velocidad de narración entre 0.25 y 4.0 mediante el campo speed. Valores superiores a 1.0 aceleran el ritmo, útil para contenido informativo o IVR.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. La voz perfecta conecta tu talento con audiencias de todo el mundo en la localización.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
