Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube que convierte texto en archivos de audio. Envías texto mediante una petición POST y recibes el audio generado. Funciona con un estándar de la industria, permitiendo integración rápida sin infraestructura compleja.
¿Cómo se integra en un LMS?
Usa la URL https://api.play333a.com/v1/audio/speech con una clave Bearer. Puedes usar SDKs oficiales o HTTP directo. Configura tu LMS para enviar el texto del curso y reproducir el audio devuelto, integrando la voz sintética en lecciones.
¿Qué lenguajes de programación uso?
Cualquier lenguaje capaz de hacer peticiones HTTP POST. Al seguir el formato de solicitud estándar, puedes usar librerías comunes en Python, JavaScript, PHP o Ruby. No requiere una SDK propietaria, solo conexión a la API.
¿Es necesario un backend propio?
No es obligatorio, pero recomendado para gestionar la clave API de forma segura. Puedes llamar a la API directamente desde el navegador, pero exponer la clave públicamente puede ser un riesgo. Un backend simple facilita el control de acceso.
¿Cómo manejo textos largos?
Divide el texto en fragmentos de hasta 4096 caracteres. Envía cada fragmento por separado y une los archivos de audio resultantes. Esto asegura que cada petición se procese correctamente sin exceder el límite de caracteres por solicitud.
¿Qué formato de audio es mejor para web?
MP3 es la opción más compatible con la mayoría de reproductores web y dispositivos. También puedes usar WAV, OPUS, FLAC o PCM según tus necesidades de calidad o tamaño. MP3 ofrece un buen equilibrio entre calidad y tamaño.
¿Cuánto tiempo tarda la generación?
Aproximadamente en tiempo real: 25 caracteres por segundo de audio generado. Las frases cortas tardan unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga podría haber una pequeña espera adicional.
¿Puedo guardar el audio generado?
La API devuelve el audio en la respuesta, pero no lo almacena por defecto. Tú eres responsable de guardar los archivos generados en tu infraestructura. Solo se conservan metadatos de la petición para facturación.
¿Qué voces son mejores para educación?
Sage ofrece un tono calmado e instruccional, ideal para lecciones. Luna es suave para narración. Aria es clara para narradoras. Estas voces están diseñadas para ser claras y fáciles de entender en entornos educativos.
¿Cómo detecto el idioma correcto?
Si no especificas el idioma, se intenta adivinar por el script (latín por defecto a inglés). Para textos en español u otros, establece explícitamente el parámetro language con el código ISO para garantizar la pronunciación correcta.
¿Qué pasa si hay un error de red?
Si la síntesis falla, la carga se devuelve completamente. No se cobra el crédito. Si es un error de red, puedes reintentar la petición. El sistema no cobra por solicitudes que no completan la generación.
¿Cómo calculo el costo de un curso?
El costo es $0.01 por cada 1000 caracteres, incluyendo espacios. Cuenta los caracteres de tu texto y multiplica por este factor. Los errores de síntesis son gratuitos. El saldo no expira y se recarga con USDT.
¿Necesito licencia para usar las voces?
Las voces están basadas en grabaciones con licencia CC BY 4.0 (LibriTTS-R) y dominios públicos. No necesitas una licencia adicional específica para usarlas mediante la API, pero verifica los términos de uso de la plataforma final.
¿El audio tiene marcas de agua visibles?
El audio lleva una marca de agua inaudible que indica que es voz sintética. No es visible ni audible para el usuario final, pero sirve para identificar el origen del audio como generado por IA.
¿Puedo usar la API en mi app móvil?
Sí, puedes usar la API desde cualquier dispositivo que pueda hacer peticiones HTTP. No hay un SDK móvil específico, pero la integración es directa mediante llamadas a la API estándar desde tu aplicación.
¿Hay límite de tamaño de archivo?
El límite es de 4096 caracteres por texto de entrada. El tamaño del archivo de audio depende de la duración y el formato. No hay un límite estricto de tamaño de archivo en la respuesta, solo de entrada.
¿Cómo manejo los acentos en español?
Establece el parámetro language a 'es' en la petición. Esto asegura que las voces pronuncien el texto con la entonación y acentuación correctas del español, en lugar de intentar adivinarlo o usar inglés por defecto.
¿Es compatible con reproductores HTML5?
Sí, los formatos MP3, WAV, OPUS, FLAC y PCM son compatibles con la mayoría de reproductores HTML5. Puedes incrustar el audio directamente en tus lecciones usando la etiqueta estándar <audio> de HTML5.
Requisitos de integración
La integración de VozCerta en tu LMS requiere una conexión directa a la API REST. El flujo estándar implica enviar texto en formato JSON y recibir el archivo de audio sintetizado sin intermediarios complejos.
Autenticación API
Cada solicitud debe incluir el encabezado Authorization: Bearer tts-... con la clave única de tu cuenta. Esta credencial se genera en la sección de configuración y es necesaria para validar cada petición.
- Clave única por cuenta
- Encabezado Bearer estándar
Manejo de JSON
El cuerpo de la solicitud POST debe seguir estrictamente el formato JSON definido en la especificación. Los campos model, input, voice y response_format son obligatorios para garantizar la correcta síntesis.
Gestión de claves
Puedes emitir una nueva clave en cualquier momento desde tu panel. La clave anterior dejará de funcionar inmediatamente, lo que permite una rotación rápida si se detecta un uso no autorizado.
Proceso de solicitud
La integración comienza enviando el texto del curso a través de una solicitud POST al endpoint /v1/audio/speech. El cuerpo debe ser JSON con el campo input que contiene el texto a sintetizar, limitado a 4096 caracteres por petición. Si el contenido excede este límite, es necesario dividirlo y unir los archivos resultantes.
La API procesa las solicitudes secuencialmente; bajo carga, las peticiones pueden entrar en una cola de espera. La velocidad típica es de aproximadamente 25 caracteres por segundo, lo que equivale al tiempo real en textos largos, aunque frases cortas pueden tardar unos segundos en generarse.
Envío de texto
El texto se envía en el campo input del cuerpo JSON. Se debe respetar el límite estricto de 4096 caracteres, incluyendo espacios y puntuación. Para cursos extensos, la lógica de cliente debe fragmentar el contenido y concatenar los audios generados.
- Límite: 4096 caracteres por solicitud
- Incluye espacios y puntuación
- Fragmentación manual requerida para textos largos
Selección de voz
Selecciona una de las 8 voces disponibles mediante el campo voice. Las voces están optimizadas para diferentes estilos narrativos, desde narradoras claras hasta voces documentales profundas. La API detecta el idioma automáticamente, pero se recomienda especificar el campo language para textos en latín que no sean inglés.
- Aria, Nova, Luna, Sage (femeninas)
- Felix, Milo, Atlas, Orion (masculinas)
- 8 voces predefinidas
Formato de respuesta
La API retorna el archivo de audio directamente en la respuesta. Puedes solicitar el formato mp3, wav, opus, flac o pcm mediante el campo response_format. El audio se devuelve como binario listo para reproducirse o almacenarse en tu LMS.
- Formatos: mp3, wav, opus, flac, pcm
- Respuesta binaria directa
- Sin almacenamiento en servidor
Manejo de límites
La API impone un límite estricto de 4096 caracteres por solicitud, lo que requiere dividir el contenido de los cursos en partes manejables antes de enviarlas al endpoint de síntesis.
El consumo de caracteres incluye espacios y puntuación. Para textos largos, es necesario implementar lógica que divida el texto, genere los fragmentos de audio y los una secuencialmente para mantener la continuidad de la lección.
Límite de caracteres
El campo input acepta hasta 4096 caracteres. Si el texto excede este límite, la API devuelve un error. Debes implementar un splitter en tu LMS que corte el texto en bloques de esta longitud exacta.
- Longitud máxima: 4096 caracteres por petición.
- Incluye espacios y signos de puntuación en el conteo.
- El texto se divide y las piezas se unen en el reproductor.
Rate limiting (RPM)
Cada clave API permite 60 solicitudes por minuto. Antes de la primera recarga, el límite es de 10 RPM. Si excedes este umbral, las peticiones posteriores recibirán un error 429 hasta que el ciclo se reinicie.
Para plataformas con muchos usuarios simultáneos, considera rotar claves o distribuir las peticiones para evitar bloqueos temporales del servicio.
- Límite estándar: 60 peticiones/minuto por clave.
- Límite inicial: 10 peticiones/minuto.
- Error 429 si se excede el límite.
Cola de procesamiento
Las solicitudes se procesan en orden secuencial. Bajo carga alta, una petición puede esperar en una cola antes de iniciarse, lo que añade latencia. El tiempo de generación es aproximadamente de 25 caracteres por segundo.
Implementa un sistema de colas asíncronas en tu backend para no bloquear la interfaz del usuario mientras se genera el audio, especialmente para lecciones extensas.
- Procesamiento secuencial bajo carga.
- Latencia variable según la cola.
- Tiempo de generación: ~25 caracteres/segundo.
Optimización de texto
La calidad del audio depende de cómo se prepare el texto antes de enviarlo a la API. El límite estricto es de 4096 caracteres por solicitud, lo que incluye espacios y puntuación. Preparar el contenido correctamente evita errores de truncamiento y asegura que la síntesis se complete sin interrupciones.
Optimizar el texto implica limpiar caracteres especiales y asegurar una codificación correcta. Esto previene fallos en el procesamiento y garantiza que las voces interpreten los símbolos de manera adecuada. Una buena preparación reduce la necesidad de dividir el texto en múltiples llamadas, ahorrando tiempo y complejidad en la integración.
Preparación de contenido
Antes de enviar el texto, verifica que no exceda los 4096 caracteres. Esto incluye todos los espacios y signos de puntuación. Limpia caracteres extraños que puedan interferir con la API y asegura que el texto esté en un formato limpio para una síntesis más precisa.
Si el texto es muy largo, divídelo en partes manejables. Esto asegura que cada solicitud se procese eficientemente. La API devuelve archivos de audio que luego puedes unir para crear un audio continuo.
- Verifica el límite de 4096 caracteres por solicitud.
- Limpia caracteres especiales antes de enviar.
- Divide textos largos en partes manejables.
División de párrafos
Divide el texto en párrafos lógicos antes de enviarlos a la API. Esto ayuda a mantener la coherencia en la síntesis de audio. Cada parte se procesa independientemente, lo que facilita la gestión de errores y la unión de los archivos de audio resultantes.
Al dividir, asegúrate de que cada parte sea completa en términos de sentido. Esto evita que la voz se corte en medio de una idea, mejorando la experiencia de escucha para los usuarios de tu LMS.
- Divide en párrafos lógicos para mantener la coherencia.
- Procesa cada parte independientemente para facilitar la gestión de errores.
- Asegúrate de que cada parte sea completa en términos de sentido.
Codificación de caracteres
Usa UTF-8 para codificar el texto antes de enviarlo. Esto asegura que los caracteres especiales y las acentuaciones se procesen correctamente. Una codificación adecuada previene errores comunes como caracteres extraños o texto mal interpretado.
Verifica que la codificación sea consistente en todo el texto. Esto es especialmente importante si tu LMS maneja múltiples idiomas o caracteres especiales. Una codificación uniforme garantiza que la API pueda sintetizar el audio sin problemas.
Asegúrate de que la API reciba el texto en el formato correcto. Esto incluye verificar que los caracteres especiales se muestren correctamente en el texto final. Una codificación uniforme garantiza una síntesis precisa y fluida.
- Usa UTF-8 para codificar el texto.
- Asegúrate de que la codificación sea consistente en todo el texto.
- Verifica que la API reciba el texto en el formato correcto.
Formatos de audio
Selecciona el formato de audio según la compatibilidad del navegador y el ancho de banda de tus estudiantes. La API soporta mp3, wav, opus, flac y pcm, ofreciendo flexibilidad para distintos reproductores LMS.
Elección de formato
Usa mp3 para máxima compatibilidad web. Elige opus para mejor compresión sin pérdida perceptible. Selecciona wav o flac si necesitas audio sin compresión para edición posterior. pcm es útil para procesamiento raw.
- mp3: estándar web, tamaño reducido
- opus: alta eficiencia, buena calidad
- wav/flac: sin pérdida, mayor peso
- pcm: datos crudos sin compresión
Tamaño de archivo
El peso del archivo varía según el formato elegido y la velocidad de reproducción. mp3 y opus reducen significativamente el almacenamiento necesario en tu servidor o CDN comparado con wav o flac.
720
720 se refiere a la resolución estándar de video, pero en este contexto de audio puede aludir a la tasa de muestreo o bitrate común en grabaciones educativas de calidad estándar.
Experiencia de usuario
La percepción de velocidad depende de la latencia inicial y la longitud del contenido. Los textos cortos se generan en segundos, mientras que los más largos requieren procesamiento secuencial.
Indicadores de carga
Muestra el estado de la cola de procesamiento. Como las solicitudes se procesan en orden, un texto extenso puede tardar más si hay carga en el servidor, aunque la tasa promedio es de 25 caracteres por segundo.
Reproducción secuencial
Para textos largos, divide el contenido en fragmentos de 4096 caracteres. Une los archivos de audio resultantes para una reproducción continua sin interrupciones perceptibles para el estudiante.
Manejo de errores
Si la síntesis falla, el cargo se devuelve íntegramente. Implementa reintentos automáticos para fallos de red, pero notifica al usuario si el límite de caracteres se excede o si la voz no es compatible con el idioma detectado.
Escalabilidad
La escalabilidad en un LMS depende de cómo manejes la generación de audio bajo demanda. Al no ofrecer streaming ni WebSocket, la integración eficiente requiere gestionar la latencia y el almacenamiento intermedio para evitar cuellos de botella en la reproducción de lecciones.
El sistema está diseñado para procesar solicitudes de manera secuencial pero permite optimizar el flujo de trabajo mediante caché y colas, asegurando que el contenido educativo se entregue sin bloquear la interfaz del usuario.
Generación asíncrona
Dado que la API no soporta streaming en tiempo real, la generación asíncrona permite que tu LMS solicite el audio y continúe cargando la interfaz mientras el archivo se procesa. Esto es crucial para mantener una experiencia de usuario fluida.
Puedes almacenar el enlace o el archivo resultante una vez completada la síntesis, liberando al usuario de esperar a que termine la generación antes de interactuar con la plataforma.
- No bloquea la UI del navegador
- Ideal para lecciones pre-generadas
Caché de audio
Dado que el precio es fijo por carácter y las lecciones no cambian frecuentemente, almacenar los archivos generados en un CDN o almacenamiento estático reduce la carga de API y los costos recurrentes.
Cada solicitud consume caracteres; guardar el resultado evita regenerar el mismo audio para estudiantes diferentes, optimizando tanto el ancho de banda como el balance de la cuenta.
Gestión de colas
Las solicitudes se procesan una tras otra. Si tu LMS genera múltiples audios simultáneamente, estos entrarán en una cola interna. Bajo alta carga, la generación puede tardar más.
Monitorea la tasa de 60 solicitudes por minuto para evitar límites. Planifica la generación de contenido en momentos de baja actividad o distribuye las peticiones para mantener la fluidez.

Pruebas y validación
La validación técnica asegura que la integración funcione correctamente bajo condiciones reales. Los ejemplos de código demuestran el formato JSON requerido y el manejo de la respuesta de audio.
Verificar el idioma y probar volúmenes de texto garantizan que el contenido del curso se sintetice con precisión y sin errores de formato antes de su despliegue.
Ejemplos de código
Utiliza el SDK de OpenAI modificando el base_url a https://api.play333a.com/v1. Envía una solicitud POST con el campo input conteniendo el texto del curso y la voz seleccionada.
La respuesta contiene el archivo de audio directo, listo para reproducirse en el reproductor del LMS sin procesamiento adicional.
- Enviar texto UTF-8 en el campo
input. - Configurar
Authorization: Bearercon tu clave API. - Esperar respuesta con formato
mp3owav.
Verificación de idioma
Si el texto no está en inglés y usa alfabeto latino, especifica el parámetro language (ej. es) para evitar que se asuma inglés por defecto.
Esto previere pronunciaciones incorrectas en cursos multilingües o con nombres propios específicos.
- No omitir
languagepara textos en español. - Usar códigos ISO 639-1.
- Validar acentuación y puntuación.
Test de volúmenes
Prueba límites de 4096 caracteres por solicitud. Para lecciones largas, divide el texto en fragmentos y une los audios resultantes.
Verifica que la velocidad (0.25–4.0) sea adecuada para la comprensión del estudiante sin distorsionar la voz.
- Máximo 4096 caracteres por request.
- Unir archivos de audio fragmentados.
- Ajustar
speedpara claridad.
Casos de uso educativos
La API permite convertir el contenido textual de tus cursos en archivos de audio accesibles mediante una integración técnica simple. Esto facilita la creación de lecciones en audio para plataformas LMS, permitiendo a los estudiantes consumir material educativo mientras realizan otras actividades.
La síntesis de voz mejora la accesibilidad, ofreciendo una alternativa a la lectura de texto estático. Al combinar audio con elementos visuales, se habilita un aprendizaje multimodal que refuerza la retención del conocimiento sin requerir interfaces complejas.
Lecciones en audio
Convierte guiones de cursos en archivos MP3 o WAV mediante la API. El contenido se genera bajo demanda, asegurando que el audio coincida exactamente con el texto fuente sin necesidad de grabaciones previas.
Ideal para podcasts educativos o repaso de material teórico. La velocidad de generación se aproxima al tiempo real en textos largos, optimizando la carga de trabajo técnico.
- Generación bajo demanda de audio educativo
- Sincronización exacta con el contenido textual
- Soporte para múltiples idiomas sin grabación adicional
Accesibilidad para dislexia
Proporciona una alternativa de lectura auditiva que reduce la fatiga visual. Las voces predefinidas ofrecen claridad y consistencia, evitando variaciones que pueden distraer durante la lectura prolongada.
Permite a los estudiantes controlar la velocidad de reproducción (0.25–4.0) para adaptarse a su ritmo de comprensión. No se requiere software especializado, solo un navegador web.
- Lectura auditiva sin fatiga visual
- Control de velocidad ajustable
- Sin necesidad de lectores de pantalla adicionales
Aprendizaje multimodal
Combina texto visual con audio generado por la API para reforzar la retención. Los estudiantes pueden leer y escuchar simultáneamente, aprovechando diferentes canales sensoriales.
La simplicidad de la integración técnica permite añadir esta capa de audio sin rediseñar toda la plataforma LMS. Solo es necesario gestionar la autenticación y el envío de texto.
- Refuerzo de retención mediante múltiples canales
- Integración sencilla en LMS existentes
- Control de velocidad para personalización
Integración técnica
La integración técnica se basa en tres endpoints principales. POST /v1/audio/speech genera el audio a partir del texto, GET /v1/voices lista las opciones disponibles y GET /v1/models detalla los motores. Todos operan bajo el prefijo https://api.play333a.com/v1.
Estos end-points siguen la forma de solicitud de la API estándar, lo que permite utilizar SDKs existentes con solo ajustar la URL base. La estructura es consistente y predecible para cualquier sistema de gestión de aprendizaje.
Endpoints REST
El endpoint principal es POST https://api.play333a.com/v1/audio/speech. Debe enviarse en formato JSON con los campos model, input, voice y response_format. Los modelos disponibles son tts-1 y tts-1-hd, ambos con el mismo motor de síntesis.
- POST /v1/audio/speech para generación
- GET /v1/voices para listar opciones
- GET /v1/models para detalles técnicos
Manejo de headers
Es obligatorio incluir el encabezado Authorization: Bearer tts-... con la clave API única de la cuenta. Esta clave se gestiona desde la página /get-api-key/. Si se emite una nueva clave, la anterior deja de funcionar inmediatamente.
- Autorización Bearer requerida
- Una clave activa por cuenta
- Invalidación instantánea al rotar
Parsing de respuestas
La respuesta contiene el archivo de audio binario en el formato solicitado (mp3, wav, opus, flac, pcm). Si hay un error, se retorna un código de estado HTTP apropiado con detalles en JSON, sin consumir créditos.
- Audio binario directo
- Formatos: mp3, wav, opus, flac, pcm
- Errores devuelven JSON descriptivo
Gestión de errores comunes
La integración robusta requiere anticipar fallos comunes en la comunicación con la API de VozCerta. Los errores de formato suelen originarse en la estructura del cuerpo JSON o en la codificación incorrecta de caracteres especiales dentro del texto de entrada.
Las excepciones de red pueden interrumpir el flujo de generación, mientras que exceder los límites de caracteres o tasa de solicitudes devuelve códigos de estado específicos que deben manejarse para evitar pérdidas de datos o bloqueos temporales del cliente.
Errores de formato
Asegúrate de que el cuerpo de la solicitud siga estrictamente la estructura JSON esperada. Cualquier carácter mal escapado o campo faltante en los parámetros model, input o voice provocará un rechazo inmediato de la petición.
Verifica la codificación UTF-8 para evitar problemas con acentos o signos de puntuación que podrían alterar la síntesis de voz o causar fallos de parseo.
- Campos requeridos: model, input, voice.
- Validación previa del string de texto.
- Uso correcto de escape de comillas en JSON.
Excepciones de red
Implementa reintentos exponenciales para manejar interrupciones temporales en la conexión. Dado que las solicitudes se procesan secuencialmente bajo carga, un timeout puede ser necesario antes de solicitar una nueva generación.
Monitorea los códigos de estado HTTP para distinguir entre errores del cliente (4xx) y problemas del servidor (5xx), ajustando el comportamiento de la aplicación accordingly.
- Timeouts configurables según latencia de red.
- Reintentos con backoff exponencial.
- Detección de errores 429 vs 500.
Límites excedidos
El límite de 4096 caracteres por solicitud es estricto. Si el texto excede esta longitud, la API rechazará la petición; debes implementar la división del texto en el lado del cliente antes del envío.
Respeta el límite de 60 solicitudes por minuto por clave. Si superas este umbral, recibirás un error de tasa limitada. Implementa una cola de procesamiento o pausas entre peticiones para mantener la fluidez sin interrupciones.
Recuerda que los fallos de síntesis son gratuitos, pero los errores de formato o límites cuentan como solicitudes consumidas en tu tasa de uso.
- Máximo 4096 caracteres por request.
- Límite de 60 RPM por clave.
- Implementar particionamiento de texto.
Consideraciones de costo
El costo se calcula estrictamente por carácter, incluyendo espacios y puntuación, a una tarifa de $0.01 por cada 1.000 caracteres. Las solicitudes fallidas no generan cargo, lo que permite probar integraciones sin riesgo financiero. Esta estructura simple facilita la integración en plataformas LMS que procesan contenido educativo masivo.
Cálculo por carácter
Cada solicitud cuenta los caracteres totales del input. Si el texto excede 4096 caracteres, se divide en partes; cada parte cuenta individualmente. El balance se descuenta en tiempo real tras la síntesis exitosa.
- Tasa: $10 por 1 millón de caracteres.
Previsión de gastos
Utiliza la métrica de velocidad (~25 caracteres/segundo) para estimar tiempos de generación y planificar la carga de usuarios simultáneos. El límite de 60 solicitudes por minuto por clave requiere gestionar colas si tienes muchos usuarios.
720
El crédito inicial de $0.50 equivale a aproximadamente 50.000 caracteres para pruebas. Las recargas mínimo son de $5 vía USDT (TRC-20) y se acreditan en minutos.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Tu plataforma de aprendizaje permite a los emprendedores escalar su conocimiento con cursos online intuitivos y modernos.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
