API de texto a voz latino para dispositivos IoT y domótica

Por equipo editorial VozHoja · Actualizado 2026-11-19

Esta página explica cómo usar la API de VozHoja para convertir texto en audio en dispositivos IoT y sistemas de domótica sin necesidad de código. Descubre la integración directa, las 8 voces disponibles y los formatos de audio compatibles con asistentes de voz y notificaciones en hogares inteligentes.

Aquí encontrarás los detalles técnicos esenciales para conectar tu hardware con la síntesis de voz. Accede a la documentación, revisa los precios por carácter y verifica la compatibilidad con el SDK de OpenAI. Todo el contenido está diseñado para desarrolladores que buscan una solución técnica, clara y sin dependencias externas.

API de texto a voz latino para dispositivos IoT y domótica

Preguntas frecuentes

¿Qué es una API de texto a voz para IoT?

Es un servicio en la nube que convierte texto en archivos de audio mediante una solicitud POST. Permite generar audio para asistentes de voz, notificaciones y controles de hogar inteligente sin necesidad de infraestructura compleja. Solo necesitas enviar el texto y recibir el archivo de audio correspondiente para integrarlo en tus dispositivos.

¿Cómo se integra la voz sintética en dispositivos sin código?

Envía una solicitud POST al endpoint /v1/audio/speech con el texto y la configuración deseada. La API devuelve el archivo de audio listo para reproducirse. Al ser compatible con el formato de la API de OpenAI, puedes usar SDKs existentes cambiando solo la URL base, facilitando la integración en flujos de trabajo automatizados.

¿Qué idiomas soporta la API VozHoja?

Soporta 23 idiomas: árabe, chino, danés, neerlandés, inglés, finlandés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco, turco. Cualquier voz puede hablar cualquier idioma de la lista. Si no se especifica, el idioma se adivina por el guion.

¿Cuánto cuesta la API de texto a voz?

El costo es de $10 por cada 1 millón de caracteres ($0.01 por 1.000 caracteres). Los espacios y puntuación cuentan como caracteres. Las solicitudes fallidas son gratuitas y el cargo se devuelve íntegramente. No hay planes mensuales ni costos fijos, solo pagas por los caracteres generados con éxito.

¿Se puede usar la API en dispositivos de bajo consumo?

Sí, la API es un servicio en la nube accesible mediante HTTP. Los dispositivos de bajo consumo solo necesitan enviar la solicitud y recibir el archivo de audio, sin requerir potencia de procesamiento local para la síntesis. El procesamiento ocurre en nuestros servidores, optimizando el uso de recursos del dispositivo IoT.

¿Las voces suenan naturales en español latino?

Las voces están basadas en grabaciones con licencia de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox. Soportan español con acentos variados. Cada archivo generado lleva una marca de agua inaudible que lo identifica como voz sintética, garantizando transparencia en el origen del audio generado.

¿Qué formato de audio es mejor para IoT?

Puedes elegir entre mp3, wav, opus, flac o pcm. Para IoT, mp3 u opus suelen ser ideales por su equilibrio entre calidad y tamaño de archivo. El formato pcm ofrece audio sin comprimir. La elección depende de tus necesidades de ancho de banda y capacidad de almacenamiento en el dispositivo.

¿Hay límite de caracteres por solicitud?

Sí, cada solicitud puede contener hasta 4096 caracteres. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Esto asegura un procesamiento eficiente y consistente. La velocidad de generación es aproximadamente en tiempo real para textos largos.

¿Se puede usar la API con el SDK de OpenAI?

Sí, la API tiene la misma forma de solicitud que el endpoint de speech de OpenAI. Puedes usar los SDKs oficiales de OpenAI cambiando la variable base_url a https://api.onebox63.info/v1 y utilizando tu clave de API de VozHoja. Esto facilita la migración y el uso en ecosistemas existentes.

¿Qué sucede si la generación de audio falla?

Si la síntesis falla, el cargo se devuelve íntegramente. No se te cobra por las solicitudes que no completan la generación de audio con éxito. Esto garantiza que solo pagas por el audio generado correctamente. Puedes reintentar la solicitud o ajustar los parámetros según sea necesario.

¿Se almacena el texto ingresado?

El texto ingresado 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 los metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación y registro.

¿Se puede cambiar la clave de API si se compromete?

Sí, puedes emitir una nueva clave de API en cualquier momento desde tu cuenta. La clave anterior deja de funcionar inmediatamente al generar la nueva. Esto permite una gestión rápida de la seguridad. Cada cuenta tiene una clave activa a la vez, simplificando la administración de accesos.

¿Ofrecen garantía de disponibilidad (SLA)?

No ofrecemos garantía de disponibilidad (SLA) ni contrato empresarial. No hay certificaciones como SOC 2 o HIPAA. El soporte es por correo electrónico únicamente. No hay garantía de tiempo de actividad ni opciones de centro de datos. La API funciona bajo un modelo de mejor esfuerzo.

¿Cómo se paga con USDT en la red TRON?

El pago se realiza 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 se aceptan tarjetas, PayPal ni suscripciones. El saldo no caduca y puedes recargar cuando lo necesites sin costos adicionales fijos.

Primera solicitud

curl

curl https://api.onebox63.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

Integración en dispositivos inteligentes

Ilustración de onda de sonido para: Integración en dispositivos inteligentes

La API de VozHoja permite que los dispositivos IoT generen audio a partir de texto mediante una solicitud POST simple. Los comandos de voz suenan naturales y claros, ideales para asistentes que interactúan con usuarios en el hogar sin requerir programación compleja.

Las notificaciones no son estrictamente instantáneas debido a la cola de procesamiento, pero las alertas de sensores se convierten en audio en segundos. Esto permite respuestas automáticas inmediatas para controles de domótica, manteniendo la simplicidad para usuarios no técnicos.

Comandos de voz naturales

Comandos de voz naturales

Envía texto al endpoint y recibe un archivo de audio listo para reproducirse en el dispositivo. Con velocidades ajustables entre 0.25x y 4.0x, puedes optimizar la claridad o la rapidez según el contexto del hogar inteligente.

  • Entrada de texto simple, salida de audio directa

Notificaciones rápidas

Recibe alertas de sensores IoT convertidas en audio en segundos. Aunque las peticiones se procesan en secuencia, el tiempo de generación es suficiente para mantener la fluidez en notificaciones domésticas sin bloquear el flujo de trabajo.

Sin código para IoT

La integración utiliza el mismo formato que la API de OpenAI, adaptando solo la URL base. Esto permite conectar dispositivos directamente con scripts simples o plataformas IoT sin necesidad de SDKs propietarios ni desarrollo de infraestructura compleja.

Voices y formatos para audio

Ilustración de onda de sonido para: Voices y formatos para audio

La API ofrece 8 voces predefinidas con tonos distintos, desde narradoras claras hasta voces profundas para documentales. Cada voz es capaz de pronunciar correctamente cualquiera de los 23 idiomas soportados, incluyendo español, lo que permite personalizar la experiencia de audio para diferentes dispositivos IoT sin necesidad de gestionar múltiples modelos.

Los archivos generados incluyen una marca de agua inaudible que identifica el audio como síntesis artificial, útil para verificar el origen en sistemas automatizados. La generación es inmediata para textos cortos, facilitando respuestas rápidas en notificaciones de domótica.

8 voces predefinidas

Cuenta con opciones femeninas como Aria (narradora clara) y Luna (suave), y masculinas como Felix (energética) o Orion (profunda). Estas voces están diseñadas para sonar naturales en comandos de voz o alertas de hogar inteligente sin requerir ajuste manual de prosodia.

A cada generación se le aplica una marca de agua inaudible que certifica que el audio es sintético. Esto permite auditar el origen del contenido en sistemas de domótica que reproducen audio bajo demanda.

  • Aria: Narradora clara y cálida
  • Nova: Voz brillante y dinámica
  • Luna: Suave para historias
  • Sage: Calmada e instructiva
  • Felix: Energética y promocional
  • Milo: Conversacional y amigable

Formatos MP3 y WAV

El endpoint /v1/audio/speech permite solicitar audio en formatos MP3, WAV, OPUS, FLAC o PCM. Para dispositivos IoT con recursos limitados, se recomienda MP3 para ahorrar ancho de banda, mientras que WAV es ideal para sistemas embebidos que requieren procesamiento de señal directo.

El formato se especifica en el campo response_format de la solicitud JSON. La API devuelve el archivo binario listo para reproducirse en el hardware destino sin conversiones adicionales.

  • MP3: Compresión eficiente para redes IoT
  • WAV: Sin pérdida para procesamiento local
  • OPUS: Alta eficiencia para streaming
  • FLAC: Calidad original sin pérdida
  • PCM: Datos sin comprimir

Marcas de agua sintéticas

Cada archivo de audio generado contiene una marca de agua inaudible que identifica el origen como síntesis artificial. Esta característica es útil para sistemas de domótica que necesitan verificar si el audio proviene de un usuario humano o del asistente virtual.

La marca no afecta la calidad de la reproducción ni el consumo de recursos del dispositivo IoT, ya que es transparente al usuario final.

Idiomas soportados en IoT

Ilustración de onda de sonido para: Idiomas soportados en IoT

La API de VozHoja soporta 23 idiomas, ideales para asistentes de voz y notificaciones en domótica. Cada voz puede hablar cualquier idioma de la lista, permitiendo una integración flexible en dispositivos IoT sin restricciones geográficas estrictas.

Español latino y neutral

El español es uno de los idiomas principales, con voces como Luna o Sage que ofrecen claridad en narrativas y alertas. Esto garantiza que las notificaciones del hogar sean comprensibles y naturales para usuarios hispanohablantes en cualquier región.

  • Español soportado
  • Voices como Luna y Sage optimizadas para claridad

Inglés y otros 21 idiomas

Además del español, la API incluye inglés, francés, alemán, japonés, chino y otros 21 idiomas más. Esta variedad permite crear ecosistemas de IoT multilingües, donde cada dispositivo o zona del hogar puede usar el idioma preferido del usuario sin necesidad de cambiar la configuración de la API.

  • Inglés, francés, alemán, japonés, chino, etc.
  • Soporte para 23 idiomas en total

Detección automática de idioma

Si no se especifica el campo language, la API detecta automáticamente el idioma basándose en el script del texto. Para textos en latinoscripto que no sean inglés, es recomendable establecer el parámetro language explícitamente para evitar confusiones y asegurar la pronunciación correcta en dispositivos IoT.

  • Detección automática basada en el script
  • Recomendación: especificar language para textos en latinoscripto no ingleses

Rendimiento en dispositivos

Ilustración de onda de sonido para: Rendimiento en dispositivos

La velocidad de síntesis se aproxima al tiempo real en textos largos, procesando aproximadamente 25 caracteres por segundo. Para frases cortas, la generación puede tardar unos segundos adicionales.

Generación rápida

El proceso de síntesis es lo suficientemente rápido para notificaciones inmediatas, aunque frases cortas pueden tardar unos segundos en completarse.

Límite de 4096 caracteres

Cada solicitud soporta hasta 4096 caracteres. Para textos más extensos, se deben dividir en partes y unir los archivos de audio resultantes.

Cola de procesamiento

Las solicitudes se procesan secuencialmente. Bajo carga, las peticiones pueden esperar en una cola antes de iniciarse.

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

El costo es estrictamente proporcional al volumen: 0,01 USD por cada 1.000 caracteres procesados. Las solicitudes fallidas no generan cargo, devolviéndose el monto íntegro. No hay tarifas ocultas por formato ni por latencia en la respuesta.

El saldo no caduca y se recarga manualmente. Cada cuenta mantiene un único token activo; la emisión de una nueva invalida inmediatamente a la anterior. No se requieren contratos ni facturas con IVA para las transacciones.

$10 por millón de caracteres

El precio base es de 10 USD por cada millón de caracteres, lo que equivale a 0,01 USD por mil caracteres. El conteo incluye espacios y puntuación. Los textos largos se dividen en fragmentos de 4.096 caracteres para garantizar la integridad del audio.

  • 0,01 USD por 1.000 caracteres.
  • Cargos cero en solicitudes fallidas.
  • Saldo sin fecha de vencimiento.

Prueba gratuita de $0.50

Al registrarse con Google, se otorgan 0,50 USD de crédito (aproximadamente 50.000 caracteres) válidos por 7 días. Las cuentas creadas con correo electrónico y contraseña inician sin este crédito de prueba inicial.

  • Crédito inicial de 0,50 USD.
  • Válido por 7 días.
  • Incluye ~50.000 caracteres.

Sin costos fijos mensuales

No existen planes de suscripción, ni cuotas fijas ni mínimos de gasto. Solo se paga por lo que se consume. Los recargas se realizan exclusivamente mediante USDT (TRC-20) con un mínimo de 5 USD.

  • Sin planes mensuales ni fijos.
  • Sin mínimo de gasto.
  • Recargas automáticas por USDT.
Precios transparentes

Uso en domótica y sensores

Ilustración de onda de sonido para: Uso en domótica y sensores

La API de VozHoja permite transformar eventos de sensores IoT en audio audible. Al detectar una anomalía, como una puerta abierta o un nivel de agua crítico, el sistema envía el texto al endpoint para generar una alerta sonora inmediata.

Estas alertas se integran directamente en el flujo de trabajo sin necesidad de codificación compleja, asegurando que la notificación llegue como un archivo de audio listo para reproducirse en dispositivos domésticos inteligentes.

Alertas de sensores IoT

Compatibilidad técnica

Ilustración de onda de sonido para: Compatibilidad técnica

La API sigue la estructura de solicitudes de OpenAI, lo que permite reutilizar librerías existentes sin adaptadores complejos. Solo necesitas ajustar la URL base para apuntar a nuestros servidores y autenticar con tu clave única.

SDK de OpenAI compatible

Utiliza los SDKs oficiales de OpenAI cambiando solo la variable base_url a https://api.onebox63.info/v1. Esto simplifica la integración en dispositivos IoT que ya consumen servicios de voz estándar.

Endpoint REST estándar

El punto de entrada es POST https://api.onebox63.info/v1/audio/speech. Envía texto en formato JSON y recibe el archivo de audio directamente en la respuesta, listo para reproducirse en el dispositivo.

Autenticación con API Key

Cada cuenta tiene una clave activa que se envía en el encabezado Authorization: Bearer. Si es necesario, puedes emitir una nueva clave en cualquier momento y la anterior dejará de funcionar instantáneamente.

Casos de uso IoT

Ilustración de onda de sonido para: Casos de uso IoT

La API de VozHoja permite a dispositivos IoT generar respuestas de voz sin necesidad de hardware dedicado o SDKs complejos. Al enviar texto mediante la API, los sensores y asistentes pueden emitir comandos o alertas en formato de audio listo para reproducirse, integrando la voz en sistemas de domótica existentes con una integración mínima de código.

Asistentes de voz personalizados

Los dispositivos pueden responder a eventos con voces predefinidas como Aria o Felix, personalizando la experiencia del usuario final sin requerir almacenamiento local de grandes archivos de audio. La generación bajo demanda asegura que el contenido siempre esté actualizado y sea relevante para el contexto específico del hogar inteligente.

  • Respuestas contextuales generadas al instante
  • Voces claras para comandos o instrucciones
  • Sin almacenamiento masivo de audio local

Notificaciones del hogar

Las alertas de sensores IoT, como detección de movimiento o apertura de puertas, se convierten en audio mediante la API. El sistema envía el texto a la endpoint y reproduce el archivo resultante, notificando al usuario de eventos en tiempo real con un tono adecuado según la urgencia o el tipo de evento.

  • Alertas de sensores convertidas a audio
  • Respuestas automáticas ante eventos específicos
  • Formatos MP3 o WAV para compatibilidad

Controles de voz

Los sistemas de domótica pueden utilizar la API para confirmar acciones o guiar al usuario en el uso de controles. Al recibir una orden, el dispositivo puede generar una confirmación auditiva clara, mejorando la usabilidad en entornos donde la pantalla no está disponible o es limitada, todo gestionado mediante una simple llamada API.

  • Confirmación auditiva de acciones ejecutadas
  • Guías de uso para controles de voz
  • Integración directa con endpoints REST

Soporte y documentación

Ilustración de onda de sonido para: Soporte y documentación

La documentación en /docs/ detalla el endpoint POST para generar audio y GET para listar voces, con ejemplos listos para copiar. Se especifican los campos requeridos como model, input y voice, facilitando la integración en scripts Python o curl sin ambigüedades.

Documentación técnica clara

Accede a la referencia completa de la API en /docs/. Incluye detalles sobre límites de 4096 caracteres y formatos de salida como mp3 o wav.

  • Endpoints REST estándar con estructura JSON

Ejemplos de código

Copia y pega ejemplos de curl o usa el SDK de OpenAI ajustando la base_url a https://api.onebox63.info/v1. Ideal para sensores IoT que requieren respuestas inmediatas.

Soporte por correo electrónico

Para dudas sobre integración o facturación, escríbenos directamente. No hay chat en vivo ni teléfono; la comunicación es asíncrona vía email para garantizar respuestas precisas.

Envía tu consulta al correo de soporte indicando tu clave API y el endpoint afectado.

  • Sin SLA ni garantía de tiempo de respuesta

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase.

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. Tether (USDT)
  3. openai-python on GitHub
  4. MDN: Web Speech API
  5. Node.js documentation
  6. TRON developer hub: TRC-20
  7. FFmpeg documentation
  8. LibriTTS-R paper (arXiv 2305.18802)
  9. ISO 639 language codes
  10. openai-node on GitHub
  11. LibriVox public-domain audiobooks
  12. LibriTTS-R corpus (OpenSLR 141)

Más en este sitio