Preguntas frecuentes
¿Qué voz es mejor para descripciones de productos?
Aria es ideal para narraciones claras y cálidas, mientras que Nova ofrece un tono brillante y dinámico. Sage funciona bien para instrucciones. La elección depende del tono de la marca. Para textos en español con caracteres latinos, se recomienda establecer explícitamente el campo language en 'es' para evitar errores de pronunciación.
¿Cuál es el formato de audio más ligero?
El formato MP3 es generalmente el más ligero y compatible para la web. También está disponible Opus, que ofrece alta eficiencia. FLAC y WAV son sin pérdida pero ocupan más espacio. PCM es sin comprimir. Para catálogos online, MP3 suele ser la opción más equilibrada entre calidad y tamaño.
¿Es mejor MP3 o WAV para tiendas?
MP3 es preferible para la mayoría de tiendas por su tamaño reducido y amplia compatibilidad. WAV ofrece calidad sin pérdida pero genera archivos más grandes, lo que puede ralentizar la carga de la página. Use MP3 para descripciones de productos y WAV solo si requiere máxima fidelidad sonora.
¿Cómo elijo la voz para mi marca?
Seleccione entre ocho presets según el tono deseado: Aria (narradora), Nova (dinámica), Luna (historias), Sage (instruccional), Felix (energético), Milo (conversacional), Atlas (neutral) o Orion (documental). Todas las voces pueden hablar los 23 idiomas soportados. El idioma se detecta automáticamente o se especifica con el código ISO.
¿Qué voz usar para notificaciones de pedido?
Atlas es neutral y claro, ideal para información factual. Milo es amigable y conversacional para un tono más cercano. Sage es calmado e instruccional. Elija según si prefiere neutralidad o cercanía. El formato de audio debe ser compatible con el reproductor de su tienda para una reproducción fluida.
¿Puedo usar varias voces en una misma página?
Sí, puede realizar múltiples solicitudes a la API, cada una con un parámetro voice diferente. Cada llamada genera un archivo de audio independiente. Puede insertar estos archivos en su página web en el orden deseado para crear una experiencia de audio variada y dinámica.
¿Cómo afecta la velocidad al tamaño del archivo?
Ajustar el parámetro speed entre 0.25 y 4.0 cambia la duración del audio. Una velocidad mayor reduce la duración y, por ende, el tamaño del archivo. Una velocidad menor la aumenta. El precio se cobra por caracteres de texto enviados, no por la duración final del audio.
¿Qué voz es mejor para anuncios de rebajas?
Felix es energético y adecuado para promociones. Nova es brillante y optimista. Atlas ofrece neutralidad para anuncios informativos. Orion es profundo para documentales. Para rebajas, Felix o Nova captan la atención por su energía, mientras que Atlas mantiene la claridad informativa sin excesos emocionales.
¿Son las voces diferentes por idioma?
No, las ocho voces son las mismas para todos los idiomas soportados. Cada voz puede pronunciar correctamente cualquiera de los 23 idiomas listados. Si el texto está en latín pero no es inglés, debe especificar el campo language para asegurar la pronunciación correcta del idioma deseado.
¿Cómo manejo textos largos en descripciones?
La API limita la entrada a 4096 caracteres por solicitud. Para textos más largos, debe dividirlos en partes, generar el audio para cada parte y unir los archivos resultantes. Esto permite crear descripciones de producto extensas sin perder calidad ni exceder los límites de la solicitud única.
¿Es seguro usar audio generado para marketing?
Sí, el texto de entrada no se usa para entrenamiento. El audio generado no se almacena en nuestros servidores tras la respuesta. Los archivos llevan una marca de agua invisible que los identifica como sintéticos. Puede usarlos comercialmente.
¿Puedo cambiar el formato después de generar?
No, el formato se define en la solicitud mediante response_format (mp3, wav, opus, flac, pcm). Una vez generado, el archivo se devuelve en ese formato específico. Para obtener otro formato, debe realizar una nueva solicitud a la API especificando el formato deseado en la nueva llamada.
¿Qué ocurre si el audio es muy largo?
Si el texto supera 4096 caracteres, debe dividirlo manualmente en fragmentos y realizar múltiples solicitudes. La API no une los archivos automáticamente. Debe gestionar la concatenación de los archivos de audio resultantes en su infraestructura o cliente para crear el audio completo de la descripción larga.
¿Necesito licencia para usar las voces comercialmente?
Las voces están basadas en grabaciones con licencia CC BY 4.0 (LibriTTS-R) y audios de dominio público (LibriVox). Puede usarlas comercialmente. No se requiere una licencia adicional específica más allá del uso de la API. Los archivos generados son claros y pueden integrarse en sus campañas de marketing.
Selección de voces para e-commerce
La selección de la voz adecuada define la claridad de la información en tu catálogo digital. Utilizamos voces basadas en grabaciones con licencia para garantizar una reproducción fiel sin necesidad de intervención técnica compleja.
Voz Aria para narración de productos
Aria ofrece un tono cálido y claro, ideal para descripciones técnicas detalladas. Su pronunciación precisa asegura que las especificaciones del producto se transmitan sin ambigüedades.
- Tono narrador claro y cálido
- Ideal para fichas de producto detalladas
Voz Nova para anuncios dinámicos
Nova presenta un estilo luminoso y enérgico, diseñado para captar la atención rápidamente. Es la opción recomendada para promociones breves o llamadas a la acción inmediatas.
- Estilo luminoso y activo
- Perfecto para anuncios de corta duración
Voz Luna para historias de marca
Luna posee una voz suave, adecuada para contar la historia detrás de la marca. Su tono facilita una conexión emocional sin resultar intrusiva para el usuario.
- Tono suave y narrativo
- Enfoque en la identidad de marca
Voces masculinas para promociones
Las voces masculinas están diseñadas para complementar la estrategia de comunicación de tu tienda online, ofreciendo tonos distintos según el objetivo de la promoción o la interacción con el cliente.
Cada preset tiene un uso específico que facilita la creación de contenidos automáticos sin necesidad de personal de voz adicional, manteniendo la coherencia de marca.
Voz Felix para energía y ventas
Felix aporta una energía clara y directa, ideal para anuncios de rebajas o lanzamientos de productos nuevos. Su tono dinámico capta la atención del usuario rápidamente, destacando ofertas limitadas o novedades en el catálogo.
Se recomienda su uso en banners promocionales o notificaciones push donde la urgencia y la claridad son prioritarias para impulsar la conversión inmediata.
- Ideal para anuncios de ventas flash
- Tono energético y persuasivo
- Perfecto para catálogos de novedades
Voz Milo para conversación amigable
Milo ofrece un tono conversacional y cercano, adecuado para instrucciones de uso, guías de ayuda o respuestas automáticas en el servicio al cliente. Su suavidad facilita la comprensión de procesos simples.
Es la opción preferida para textos donde se busca reducir la frialdad de la interacción automatizada, manteniendo una experiencia de usuario positiva y natural.
- Tono conversacional y amigable
- Ideal para instrucciones y ayuda
- Suaviza la interacción automatizada
Voz Atlas para noticias neutrales
Atlas proporciona una voz neutra y profesional, adecuada para comunicados corporativos, actualizaciones de estado del pedido o información factual que no requiere emotividad. Su claridad asegura que la información se transmita sin distracciones.
Se utiliza cuando la prioridad es la precisión y la neutralidad, evitando sesgos emocionales en la entrega de datos objetivos a los clientes.
- Voz neutra y profesional
- Para comunicados y actualizaciones
- Precisión sin emotividad
Formatos de audio para web
La API devuelve audio en formatos estándar mediante el campo response_format. La elección del formato determina el peso del archivo y la compatibilidad con el reproductor de la tienda.
Los formatos disponibles son mp3, wav, opus, flac y pcm. Cada uno cumple un propósito técnico específico para la entrega de contenido en e-commerce.
MP3: equilibrio entre calidad y peso
El formato MP3 ofrece una compresión con pérdida que reduce significativamente el tamaño del archivo sin sacrificar la inteligibilidad del habla.
Es ideal para catálogos de productos donde la velocidad de carga es crítica y la calidad de audio debe ser suficiente para la comprensión del usuario.
WAV: máxima calidad sin compresión
WAV almaciona audio sin compresión, preservando la fidelidad original de la voz sintética.
Se recomienda para notificaciones de alta prioridad o cuando la tienda requiere la máxima claridad posible en las especificaciones técnicas de los productos.
Opus: alta eficiencia para móviles
Opus proporciona una eficiencia superior en relación calidad-peso, especialmente efectiva en conexiones móviles.
Su bajo uso de ancho de banda lo hace adecuado para aplicaciones web ligeras o tiendas optimizadas para dispositivos de bajo consumo.
Calidad de audio vs. tamaño de archivo
La selección del formato de audio afecta directamente la eficiencia de almacenamiento y la compatibilidad con los dispositivos de los usuarios. Cada formato ofrece un equilibrio distinto entre la fidelidad del sonido y el peso del archivo final.
Es fundamental alinear la elección técnica con el caso de uso específico, ya sea la preservación a largo plazo o la optimización para entornos de procesamiento interno.
FLAC para archivado sin pérdidas ['El formato FLAC (Free Lossless Audio Codec) conserva toda la información original del audio sin comprimirlo, garantizando una calidad idéntica al archivo de origen. Este formato es ideal para la biblioteca de sonidos de tu tienda, donde se almacenan los catálogos de productos o las grabaciones de anuncios promocionales para su conservación a largo plazo.', 'Al no perder datos, el archivo mantiene una fidelidad superior, aunque ocupa más espacio en disco en comparación con formatos con pérdida.', 'bullets'] a clean, minimalist vector illustration showing a digital audio file icon transforming into a lossless FLAC format symbol, with a magnifying glass highlighting the preserved waveform details, isolated on a white background.
PCM para procesamiento interno ['PCM (Pulse Code Modulation) es un formato de audio sin comprimir que almacena la señal digital tal cual es generada por la API. Es útil para integraciones donde se necesita procesar el audio inmediatamente sin la sobrecarga de descodificar formatos complejos como MP3 o Opus.', 'Este formato es adecuado para pipelines de procesamiento interno que requieren acceso directo a los datos de audio brutos para análisis o ediciones básicas antes de su entrega al usuario final.'] a close-up technical diagram of a raw audio waveform represented by digital binary code (0s and 1s), symbolizing uncompressed PCM data, with a clean blue and grey color scheme on a neutral background.
Elección según dispositivo de destino ['La elección del formato debe considerar el dispositivo final del usuario. Para la mayoría de los navegadores web y dispositivos móviles modernos, MP3 ofrece la mejor relación entre calidad y peso, asegurando una carga rápida y una reproducción fluida.', 'Sin embargo, para aplicaciones específicas que requieren máxima calidad sin pérdida de datos, FLAC puede ser preferible. Evalúa el tráfico de tu tienda y las capacidades de los dispositivos de tus clientes para seleccionar el formato óptimo.'] a modern smartphone and a laptop screen side by side, both displaying a simple audio player interface with a waveform visualization, set in a bright, professional office environment with soft natural lighting.
Uso de voz en descripciones de productos
La API permite transformar textos estáticos de catálogos en audio claro y legible, optimizado para que los usuarios escuchen especificaciones técnicas sin esfuerzo visual. Esta funcionalidad es especialmente útil para productos con múltiples variables técnicas que requieren atención auditiva detallada.
Al aplicar un tono narrativo adecuado, las descripciones dejan de ser listas frías y se convierten en experiencias auditivas coherentes. El sistema procesa el texto enviando una solicitud POST al endpoint correspondiente, generando un archivo de audio listo para incrustar en la ficha del producto.
Claridad en especificaciones técnicas
Las voces como Aria o Sage ofrecen una dicción precisa ideal para leer dimensiones, materiales o códigos SKU. Al usar el modelo tts-1-hd, la claridad mejora significativamente en términos complejos, garantizando que el usuario comprenda las características técnicas sin ambigüedades.
Es recomendable limitar el texto a 4096 caracteres por solicitud para mantener la integridad del audio generado. Si la ficha es muy extensa, divida el contenido en secciones lógicas y una las respuestas de audio mediante su backend.
- Utilice la voz 'Aria' para narraciones neutras y claras de fichas técnicas.
- Preferencia por el formato WAV o FLAC si la precisión fonética es crítica para la comprensión.
Tono narrativo para detalles
La voz 'Luna' o 'Nova' puede suavizar la presentación de materiales o composición del producto, añadiendo un contexto emocional controlado sin perder profesionalismo. Esto transforma una lista de características en una descripción atractiva que mantiene la atención del comprador.
Una estructura de oraciones cortas y claras resulta más efectiva para la síntesis automática.
El audio generado incluye una marca de agua inaudible que identifica el contenido como síntesis artificial, cumpliendo con los estándares de transparencia para el consumidor final.
Velocidad ajustada para comprensión
Ajustar la velocidad entre 0.25 y 4.0 permite optimizar la comprensión según el tipo de información. Para listas densas de especificaciones, una velocidad ligeramente superior (1.2x) puede acelerar la lectura sin sacrificar la inteligibilidad.
El tiempo de generación es aproximadamente de 25 caracteres por segundo en textos largos. Para descripciones cortas, el procesamiento puede tomar unos pocos segundos adicionales debido a la cola de solicitudes.
Monitoree el límite de 60 solicitudes por minuto para evitar retrasos si genera audios para todo el catálogo simultáneamente.
- Velocidad 1.0: estándar para la mayoría de descripciones.
- Velocidad 1.5–2.0: recomendada para listados técnicos densos o catálogos grandes.
Audios para notificaciones de pedido
Las notificaciones de pedido requieren claridad inmediata para confirmar la compra al cliente sin ambigüedades. El uso de la API permite generar un audio breve y directo que confirma el estado del pedido mediante una llamada HTTP simple, ideal para usuarios sin conocimientos técnicos.
La voz seleccionada debe transmitir profesionalismo y rapidez. Al ser un mensaje automatizado, la concisión es clave para evitar fatiga auditiva y asegurar que la información esencial se reciba correctamente en el primer intento.
Voz clara para confirmaciones
Se recomienda utilizar voces con tono informativo y estable, como la voz Atlas o Sage, para garantizar que el mensaje de confirmación sea percibido como oficial y confiable. La claridad del habla es prioritaria para que el cliente entienda el estado de su compra sin necesidad de repetir la información.
- Voz Atlas para tono neutral y noticioso.
- Voz Sage para instrucciones calmadas e instructivas.
Mensaje breve y directo
El texto enviado a la API debe limitarse a los datos esenciales: número de pedido, estado y tiempo estimado. Al mantener el mensaje corto, se reduce el costo por carácter y se asegura una generación rápida, evitando errores de sintesis en textos largos.
- Confirmación de estado: "Pedido confirmado".
- Número de seguimiento incluido.
- Tiempo estimado de entrega.
Formato ligero para carga rápida
Para notificaciones móviles o web, el formato MP3 o Opus ofrece la mejor relación entre calidad y tamaño de archivo. Esto asegura que el audio se cargue rápidamente en dispositivos con conexiones variables, mejorando la experiencia del usuario sin consumir ancho de banda excesivo.
- MP3 para equilibrio entre calidad y peso.
- Opus para alta eficiencia en móviles.
Anuncios promocionales y rebajas
Para campañas de rebajas, la voz Felix ofrece la energía necesaria para captar la atención del cliente en anuncios promocionales. Su tono enérgico y orientado a la venta se integra automáticamente mediante una simple llamada HTTP a la API, sin necesidad de código adicional ni edición de audio compleja.
Aumentar la velocidad de reproducción permite comprimir mensajes publicitarios breves sin perder claridad, optimizando el tiempo de carga en la tienda online. Este ajuste es útil para mantener la atención del usuario durante periodos de alta actividad comercial.
Voz enérgica para captar atención
La voz Felix está diseñada para transmitir dinamismo, ideal para destacar ofertas limitadas o nuevos lanzamientos en el catálogo digital.
Uso de velocidad aumentada
Ajustar la velocidad entre 1.5 y 4.0 permite reducir la duración del audio, manteniendo la inteligibilidad del mensaje promocional.
Formato MP3 para compatibilidad
El formato MP3 equilibra calidad y peso de archivo, garantizando una reproducción rápida y compatible con la mayoría de los navegadores web utilizados por los clientes.

Personalización por idioma
La API soporta 23 idiomas, permitiendo que cualquier voz pronuncie cada uno con precisión. Esto garantiza coherencia auditiva independientemente del mercado objetivo de la tienda.
Voz Aria en español vs. inglés
Aria mantiene su claridad narrativa tanto en inglés como en español. La diferencia radica en la fonética adaptada a cada idioma, sin cambios en el timbre de voz.
Adaptación cultural de voces
Las voces no cambian de personalidad según el idioma; mantienen su preset original. La adaptación cultural se logra mediante la selección del idioma correcto y el texto apropiado.
Configuración de idioma explícita
Si no se especifica, el sistema adivina el idioma (inglés por defecto para texto latino). Para textos en español con caracteres latinos, se debe establecer el campo language explícitamente para evitar errores de pronunciación.
- Códigos ISO para español: 'es'
- Códigos ISO para inglés: 'en'
Límites de caracteres y estructura
La API acepta un máximo de 4096 caracteres por solicitud, lo que incluye espacios y puntuación. Para descripciones de catálogo extensas, es necesario dividir el texto en fragmentos que respeten este límite técnico.
División de textos largos
El límite de 4096 caracteres es estricto. Si tu texto supera esta cantidad, debes segmentarlo manualmente o mediante tu lógica de backend antes de enviar la solicitud POST.
- Límite estricto de 4096 caracteres por request.
- Incluye espacios y signos de puntuación en el conteo.
Gestión de pausas naturales
La división manual permite controlar las pausas entre oraciones. Al separar el texto en bloques manejables, evitas que la síntesis genere audio monótono o excesivamente largo en un solo archivo.
Unión fluida de segmentos
Una vez recibidos los archivos de audio individuales, tu sistema debe unirlos en un solo archivo final. Esta concatenación asegura una experiencia de usuario continua sin cortes abruptos entre las secciones del texto original.
Pruebas de rendimiento
La velocidad de generación se aproxima a tiempo real en textos extensos, procesando aproximadamente 25 caracteres por segundo. Las frases cortas requieren unos segundos adicionales para completar la síntesis, dado que las solicitudes se procesan en secuencia.
Velocidad de generación real
En condiciones normales, la generación sigue un ritmo constante. Si el texto excede los 4096 caracteres, el sistema lo divide en segmentos que se unen al final sin interrupciones audibles.
Carga bajo múltiples solicitudes
El límite es de 60 solicitudes por minuto por clave. Antes del primer recargo, este valor baja a 10 por minuto. Bajo alta carga, las peticiones pueden esperar en una cola antes de procesarse.
- Límite estándar: 60 req/min
- Límite inicial: 10 req/min
- Procesamiento secuencial
Validación de calidad de audio
Cada archivo generado incluye una marca de agua inaudible que certifica su origen sintético. La calidad se mantiene constante independientemente del formato elegido, ya que el motor es el mismo para todas las voces.
Integración técnica sencilla
La integración utiliza el SDK de OpenAI modificando la URL base a https://api.68ok.info/v1. Esto permite reutilizar librerías estándar sin adaptar la lógica de autenticación ni la estructura del cuerpo JSON.
Uso de SDK de OpenAI
Configura base_url y envía la clave API en el encabezado Authorization: Bearer. El formato de solicitud es idéntico al endpoint de /v1/audio/speech, garantizando compatibilidad inmediata con clientes HTTP existentes.
Solicitudes curl básicas
Ejemplo mínimo: `curl -X POST https://api.68ok.info/v1/audio/speech -H "Authorization: Bearer tts-..." -d '{"model":"tts-1","input":"Hola","voice":"nova"}'`. Este enfoque evita dependencias de lenguajes específicos para pruebas rápidas.
Monitorización de uso
El panel de control muestra caracteres consumidos y saldo restante. Límite de 60 solicitudes por minuto por clave. Si la clave se renueva, la anterior deja de funcionar inmediatamente.
Consideraciones de privacidad
El texto de entrada se utiliza exclusivamente para generar el audio correspondiente y no se incorpora a los conjuntos de datos de entrenamiento del modelo. Esto garantiza que la información de tus catálogos o descripciones permanezca vinculada únicamente al proceso de síntesis inmediato.
Datos de texto no almacenados
El contenido enviado en el campo input no se conserva para fines de aprendizaje automático. Solo se procesa durante la generación del archivo de voz y se descarta una vez completada la tarea, asegurando que tu contenido textual no se reutilice en otros modelos.
Audio entregado y no guardado
El archivo de audio generado se devuelve directamente en la respuesta de la API y no se almacena en nuestros servidores de forma persistente. Esto minimiza la retención de datos sensibles o comerciales, ya que el recurso reside temporalmente en la transmisión de respuesta.
Metadatos de facturación
Se conservan únicamente los metadatos necesarios para la facturación precisa: hora de la solicitud, número de caracteres procesados y estado de la misma. Esta información es estricta para el cálculo de cargos por volumen y no incluye el contenido del texto ni el audio generado.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. No requiere desarrollo complejo, lo que permite generar audios para catálogos o notificaciones de forma automática.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
Fuentes y lecturas adicionales
- Wikipedia
- Creative Commons Attribution 4.0
- OpenAI API reference: create speech
- curl documentation
- Node.js documentation
- openai-node on GitHub
- ISO 639 language codes
- W3C WAI: making audio and video accessible
- LibriVox public-domain audiobooks
- TRON developer hub: TRC-20
- LibriTTS-R corpus (OpenSLR 141)
- IETF RFC 7845: Ogg Opus
