Narrador de Google: API TTS para producción de videos en escala

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

Esta página presenta VozNarradora, una API de texto a voz diseñada para agencias y creadores de YouTube que necesitan producir contenido en escala. Aquí encontrarás los detalles técnicos, precios por carácter y ejemplos de integración para automatizar la locución de tus videos sin depender de estudios externos o talentos humanos.

Exploraremos las 8 voces disponibles, el soporte para 23 idiomas y la velocidad de generación (aprox. 25 caracteres por segundo para textos largos). También explicaremos cómo empezar con un crédito de prueba de $0.50 o recargar con USDT, junto con las limitaciones honestas del servicio para que planifiques tu flujo de trabajo con precisión.

Narrador de Google: API TTS para producción de videos en escala

Preguntas frecuentes

¿Qué es una API de narrador de texto?

Es un servicio en la nube que recibe texto y devuelve un archivo de audio mediante una solicitud POST. Utiliza el endpoint /v1/audio/speech con un formato JSON compatible con los SDK de OpenAI, permitiendo integrar narración automática directamente en tus flujos de trabajo de producción de video sin necesidad de hardware adicional.

¿Es una alternativa al narrador de Google?

Sí, ofrece una alternativa técnica mediante una API REST estándar. Utiliza un motor de síntesis diferente y no está afiliada a Google. Puedes conectarla usando los SDK oficiales de OpenAI cambiando la URL base, lo que facilita la migración de proyectos existentes sin depender de la infraestructura específica de Google.

¿Cuánto cuesta la API por carácter?

El costo es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. Este precio es fijo y no varía según el modelo o la voz seleccionada, facilitando la previsión de costos para proyectos de gran escala.

¿Qué formatos de audio puedo recibir?

Puedes solicitar el audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos se especifican en el campo response_format de la solicitud JSON. La elección depende de tus necesidades de compresión y calidad, permitiendo optimizar el almacenamiento y el ancho de banda para la entrega de tus videos.

¿Cuántos idiomas soporta la API?

La API soporta 23 idiomas, incluyendo inglés, español, alemán, francés, japonés, chino y árabe. Cualquier voz puede hablar cualquier idioma de la lista. Si no se especifica el idioma, se intenta adivinar por el script, pero para textos en latín distintos al inglés, se recomienda establecerlo manualmente para mayor precisión.

¿Puedo usar la API para videos de YouTube?

Sí, es ideal para creadores de YouTube y agencias que necesitan producir contenido constante. La API permite generar narraciones a escala mediante programación. Los archivos generados incluyen una marca de agua inaudible que identifica el audio como sintético, lo cual es compatible con las directrices actuales de contenido generado por IA en la plataforma.

¿Las voces suenan humanas?

Las voces están basadas en grabaciones con licencia: LibriTTS-R (CC BY 4.0), de lecturas de audiolibros de dominio público de LibriVox. Ofrecen ocho presets con tonos específicos, como narrador cálido o documental profundo. Aunque son sintéticas, están diseñadas para ser claras y naturales, adecuadas para la mayoría de los usos comerciales y de entretenimiento.

¿Hay límites de caracteres por solicitud?

Sí, cada solicitud puede contener hasta 4096 caracteres en el campo input. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Este límite técnico requiere lógica de fragmentación en tu aplicación para manejar guiones extensos de manera eficiente y continua.

¿Cómo se calcula el costo total?

El costo se calcula multiplicando el número total de caracteres (incluyendo espacios) por $0.01 / 1000. Solo se cobran las solicitudes exitosas; si la síntesis falla, el cargo se devuelve íntegramente. No hay costos fijos ni suscripciones, por lo que pagas únicamente por el volumen de texto procesado con éxito.

¿Qué pasa si la síntesis falla?

Si la síntesis falla, la solicitud es gratuita y el cargo se devuelve en su totalidad. Esto asegura que no pagues por audio que no se entregó correctamente. Puedes reintentar la solicitud o ajustar los parámetros sin penalización económica, manteniendo tu saldo intacto para el siguiente intento válido.

¿Puedo clonar mi propia voz?

No, no ofrecemos clonación de voz personalizada ni subida de voces propias. Solo disponemos de ocho voces preestablecidas (aria, nova, luna, sage, felix, milo, atlas, orion). Si necesitas una voz específica, debes seleccionar la preset que mejor se ajuste a tu tono deseado dentro de las opciones disponibles actualmente.

¿Necesito SDK especial para usarlo?

No necesitas un SDK propietario. La API es compatible con los SDK oficiales de OpenAI solo cambiando la URL base a https://api.chasus33.info/v1. También puedes usar HTTP estándar o cualquier cliente que envíe JSON. Esto te permite integrar la narración en tus herramientas existentes sin aprender una nueva biblioteca específica.

¿Cuál es el tiempo de entrega del audio?

La velocidad es aproximadamente en tiempo real para textos largos (25 caracteres por segundo). Las frases cortas pueden tardar unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga alta podría haber retrasos. Para producción en escala, considera planificar las solicitudes para evitar cuellos de botella en la cola.

¿Cómo puedo recargar mi cuenta?

Las recargas se realizan exclusivamente mediante USDT en la red TRON (TRC-20). El monto mínimo es de $5 y el saldo se acredita automáticamente en minutos. No aceptamos tarjetas, PayPal ni suscripciones. El saldo no expira y puedes usarlo para generar audio ilimitado hasta que se agote, sin costos adicionales fijos.

Primera solicitud

curl

curl https://api.chasus33.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 elegir una API de narración para YouTube?

Ilustración de onda de sonido para: ¿Por qué elegir una API de narración para YouTube?

La producción de volumen para YouTube exige consistencia sin la variabilidad de múltiples locutores. Una API de narración permite generar cientos de videos de forma escalable, ideal para canales automatizados que necesitan contenido diario sin gestionar contratos con talentos externos.

Al centralizar la voz en un modelo técnico, garantizas una identidad auditiva uniforme en toda tu biblioteca de videos. Esto reduce la carga operativa y mantiene la marca sonora de tu canal estable, sin depender de la disponibilidad o el estado de ánimo de los actores de voz.

Producción de volumen para canales automatizados

Producción de volumen para canales automatizados

Genera audio de forma programática mediante la API, procesando texto hasta 4096 caracteres por solicitud. Esta capacidad permite alimentar flujos de trabajo automatizados con guiones diarios, manteniendo un ritmo de publicación constante sin cuellos de botella humanos.

El procesamiento se realiza en cola, con una velocidad de generación de aproximadamente 25 caracteres por segundo. Esto asegura que, incluso bajo demanda, la entrega de audio sea predecible y alineada con el tiempo real del contenido.

  • Endpoint JSON compatible con SDK de OpenAI cambiando la base URL
  • Procesamiento en cola para alta demanda
  • Velocidad de generación de ~25 caracteres/segundo

Consistencia de voz sin contratar talentos

Elige entre 8 presets de voces predefinidas que ofrecen tonos específicos, desde narradores cálidos hasta voces energéticas para promos. Al usar una voz fija para un proyecto, eliminas la variación natural que ocurre al contratar a diferentes personas para cada video.

Las voces están basadas en grabaciones con licencia (LibriTTS-R), lo que garantiza una calidad auditiva clara y profesional. Además, cada archivo generado lleva una marca de agua inaudible que identifica el contenido como sintético, manteniendo la transparencia sin afectar la experiencia del oyente.

  • 8 presets de voz con tonos definidos
  • Basado en grabaciones con licencia (LibriTTS-R)
  • Marca de agua inaudible en audio sintetizado

Integración técnica para flujos de trabajo de agencias

La API se integra directamente en tus herramientas de producción mediante solicitudes POST a un endpoint estándar. Puedes usar el SDK oficial de OpenAI cambiando la base URL a https://api.chasus33.info/v1, facilitando la conexión con tus scripts de Python o flujos de trabajo existentes.

El sistema acepta campos como modelo, entrada de texto, voz y formato de respuesta. Esto permite automatizar la generación de audio desde la escritura del guion hasta la exportación del archivo de audio, reduciendo el tiempo de producción de cada video.

  • Endpoint compatible con SDK de OpenAI
  • Autenticación mediante token Bearer
  • Integración programática para flujos de agencia

Voces disponibles para tus videos

Ilustración de onda de sonido para: Voces disponibles para tus videos

Nuestras 8 voces están diseñadas para cubrir la amplia gama de estilos que requiere la producción de video en escala. Desde la claridad narrativa de Aria hasta la energía promocional de Felix, cada preset está optimizado para mantener la atención del espectador sin sonar robótico.

Todas las voces se basan en grabaciones con licencia de LibriTTS-R (CC BY 4.0), lo que garantiza una calidad auditiva consistente y profesional. Esto permite a las agencias y creadores mantener una identidad sonora uniforme sin depender de la disponibilidad de talentos humanos.

8 presets: desde narrador calmado hasta promo energético

Selecciona entre ocho perfiles vocales predefinidos que cubren desde narrativas suaves hasta presentaciones dinámicas. Por ejemplo, utiliza a Sage para tutoriales instructivos o a Atlas para noticias neutrales. Cada voz mantiene un tono profesional ideal para retener audiencias en YouTube.

  • Femeninas: Aria (narradora clara), Nova (alegre), Luna (suave), Sage (instruccional)
  • Masculinas: Felix (energético), Milo (conversacional), Atlas (noticias), Orion (documental)

Voces basadas en grabaciones con licencia (LibriTTS-R)

Las voces están basadas en grabaciones con licencia: LibriTTS-R (CC BY 4.0), de lecturas de audiolibros de dominio público de LibriVox. Esto asegura que las voces tengan una naturalidad superior a los sintetizadores básicos, sin necesidad de contratar actores de voz adicionales.

Marcas de agua invisibles en audio sintetizado

Cada archivo de audio generado incluye una marca de agua inaudible que identifica el contenido como speech sintético. Esto es útil para verificar el origen del audio en plataformas de video sin afectar la experiencia del oyente final.

Idiomas y soporte global

Ilustración de onda de sonido para: Idiomas y soporte global

La API soporta 23 idiomas, desde español y alemán hasta japonés o ruso. Cada voz es multilingüe: una sola voz puede generar audio en cualquiera de los idiomas listados sin necesidad de cambiar el modelo.

El motor detecta automáticamente el idioma según el guion, pero para textos en latín no ingleses se recomienda especificar el código ISO. Esto evita errores de pronunciación y asegura que la entonación se adapte al contexto correcto.

23 idiomas soportados, incluyendo español, inglés y alemán

Nuestra infraestructura permite generar audio en 23 idiomas distintos. Esta variedad cubre las necesidades de canales globales y agencias que producen contenido multilingüe sin necesidad de integrar múltiples proveedores de TTS.

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish

Detección automática o especificación por código ISO

Si no se indica nada, el sistema asume inglés para textos en latín. Para otros idiomas en latín, como español o alemán, es crucial pasar el parámetro language con su código ISO para garantizar la pronunciación correcta.

Voces que hablan cualquier idioma de la lista

No necesitas asignar una voz específica por idioma. Los 8 presets (como Luna o Felix) están diseñados para operar en todos los 23 idiomas soportados, manteniendo su tono característico independientemente del idioma generado.

Rendimiento y velocidad de entrega

Ilustración de onda de sonido para: Rendimiento y velocidad de entrega

La velocidad de generación se aproxima al tiempo real, procesando aproximadamente 25 caracteres por segundo para textos extensos. Esto permite una producción fluida donde el audio coincide con la duración esperada del contenido narrado.

Para frases breves, la síntesis puede tardar unos segundos adicionales. Bajo alta demanda, las solicitudes se procesan en secuencia, lo que puede introducir una cola de espera antes de comenzar la generación.

Velocidad realista: 25 caracteres por segundo generados

Este ritmo es típico en textos largos, optimizando la relación entre tiempo de espera y longitud del audio final. Para frases cortas, el tiempo de inicio puede ser ligeramente mayor.

Procesamiento en cola bajo alta demanda

Las solicitudes se manejan una tras otra. Si hay múltiples peticiones simultáneas, la siguiente debe esperar a que la anterior se complete. Esto garantiza la integridad del archivo sin colapsar el servicio.

Formatos de audio: MP3, WAV, OPUS, FLAC, PCM

Selecciona el formato adecuado según tu flujo de edición. MP3 y OPUS son ideales para web; WAV y FLAC para máxima calidad sin pérdida; PCM para procesamiento raw inmediato.

  • MP3: Estándar para web y reproductores.
  • WAV: Alta fidelidad, archivos más grandes.
  • OPUS: Eficiente para web.
  • FLAC: Sin pérdida de calidad.
  • PCM: Datos de audio crudos.

Costos transparentes para agencias

Ilustración de onda de sonido para: Costos transparentes para agencias

La estructura de precios por uso elimina la incertidumbre del gasto fijo. Con un costo de $0.01 por cada 1,000 caracteres, puedes calcular con precisión el presupuesto de cada video o lote de audios antes de generarlos, ideal para escalar la producción sin compromisos mensuales.

$0.01 por cada 1,000 caracteres

El precio se calcula estrictamente por volumen de texto, incluyendo espacios y puntuación. Si la síntesis falla, el cargo se devuelve íntegramente, asegurando que solo pagues por audio entregado correctamente.

Pago único con USDT (TRC-20), sin suscripciones

Utilizamos recargas únicas mediante USDT en la red TRON (TRC-20). El saldo no caduca y la recarga se acredita automáticamente en minutos. No hay planes mensuales ni mínimos de gasto obligatorios.

Sin cargos ocultos ni facturas con IVA

La facturación es directa y simple. No generamos facturas con IVA ni cobros secundarios por formatos o voces. La transparencia financiera facilita la contabilidad para agencias y creadores que gestionan múltiples proyectos.

Costos transparentes para agencias

Demostración técnica rápida

Ilustración de onda de sonido para: Demostración técnica rápida

La integración es inmediata porque el endpoint sigue el formato JSON de la API de OpenAI. Solo necesitas ajustar la base_url a https://api.chasus33.info/v1 y usar tu clave API para que los SDKs oficiales funcionen sin modificaciones.

Endpoint compatible con SDK de OpenAI

Utiliza POST https://api.chasus33.info/v1/audio/speech con la estructura estándar. Las librerías oficiales de OpenAI reconocen este formato cambiando la base URL, permitiendo migrar clientes existentes o iniciar nuevos proyectos con código mínimo.

Límites de 4096 caracteres por solicitud

Cada petición acepta hasta 4096 caracteres de texto. Para guiones más largos, debes dividir el texto en fragmentos y unir los archivos de audio resultantes.

Ejemplo de integración en Python o cURL

Puedes probar rápidamente con cURL o usar la biblioteca Python de OpenAI. Recuerda cambiar el base_url y autenticarte con Bearer tts-....

La velocidad de generación es de aproximadamente 25 caracteres por segundo. Las solicitudes se procesan en cola, por lo que tiempos de espera breves son normales bajo carga.

Casos de uso para creadores de contenido

Ilustración de onda de sonido para: Casos de uso para creadores de contenido

La API permite convertir guiones largos en archivos de audio listos para editar, manteniendo la coherencia narrativa sin depender de la disponibilidad de locutores humanos.

Videospots informativos y explicativos

Integra textos explicativos directamente en tu flujo de producción. Con límites de 4096 caracteres por solicitud, genera audios claros y comprensibles para tutoriales o resúmenes técnicos.

Contenido para canales de noticias y documentales

Utiliza voces como Atlas para noticias o Orion para documentales, asegurando un tono neutral o profundo. Ideal para canales que requieren entrega constante de contenido sin contratar talento.

Generación masiva de guiones a audio

Procesa grandes volúmenes de texto dividiendo el contenido en partes de 4096 caracteres. La velocidad de generación permite producir horas de audio por día para canales automatizados.

Limitaciones honestas de la API

Ilustración de onda de sonido para: Limitaciones honestas de la API

Esta API está diseñada para producción escalable, no para interacción en tiempo real. Las solicitudes se procesan secuencialmente; bajo alta demanda, las peticiones pueden esperar en cola hasta ser generadas.

La salida es un archivo de audio completo, no un flujo de bits. Esto garantiza consistencia pero implica que no hay latencia subsegundo para diálogos interactivos.

Sin streaming ni audio en tiempo real

La API no soporta WebSockets ni streaming de audio parcial. El cliente debe esperar la finalización de la síntesis para recibir el archivo completo.

Sin control de emociones ni SSML avanzado

La generación no incluye etiquetas SSML ni control fino de entonación o pausas por carácter. Las emociones se determinan por la preset de voz seleccionada.

Sin clonación de voz personalizada

No se ofrece clonación de voz personalizada ni subida de muestras propias. Solo están disponibles los 8 presets predefinidos basados en grabaciones con licencia.

Cómo empezar hoy

Ilustración de onda de sonido para: Cómo empezar hoy

La integración comienza accediendo a /get-api-key/ para obtener tu clave API. Con Google, recibes $0.50 de crédito válido por 7 días; con email, inicia sin crédito.

Para producción continua, recarga mínimo $5 en USDT (TRC-20). El saldo se acredita automáticamente en minutos y no expira. No hay suscripciones ni facturación con IVA.

Registro con Google para crédito de prueba

Accede a /get-api-key/ y autentícate con tu cuenta de Google. El sistema genera inmediatamente una clave activa y acredita $0.50 (aprox. 50,000 caracteres) para que pruebes la calidad sin compromiso.

Si prefieres usar email y contraseña, tu cuenta se crea al instante, pero no recibe el crédito de prueba inicial. Puedes verificar tu clave y saldo en el panel de la página.

  • Crédito inmediato: $0.50 válidos por 7 días
  • Generación automática de clave API
  • Sin necesidad de tarjeta de crédito

Recarga mínima de $5 en USDT

Para escalar tu producción, realiza recargas a partir de $5 en la red TRON (TRC-20). El pago es único, sin suscripciones mensuales ni cargos recurrentes.

El saldo se acredita automáticamente en cuestión de minutos. No se emiten facturas con IVA ni se requieren contratos de servicio. El dinero no caduca.

  • Moneda: USDT (TRC-20)
  • Mínimo de recarga: $5
  • Crédito inmediato y sin expiración

Soporte por correo electrónico

El soporte técnico y administrativo se gestiona exclusivamente por correo electrónico. No contamos con chat en vivo ni número de teléfono directo.

Envía tus consultas a la dirección de soporte indicada en la página de contacto para resolver dudas sobre facturación, cuotas de uso o integración técnica.

  • Canal único: correo electrónico
  • Atención a consultas de facturación y técnica

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Para producciones de escala, esto implica que la elección del preset debe anticipar el tono necesario sin depender de ajustes finos post-generación.

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. openai-node on GitHub
  3. LibriVox public-domain audiobooks
  4. FFmpeg documentation
  5. Creative Commons Attribution 4.0
  6. Python documentation
  7. LibriTTS-R paper (arXiv 2305.18802)
  8. W3C WAI: making audio and video accessible
  9. LibriTTS-R corpus (OpenSLR 141)
  10. Node.js documentation
  11. TRON developer hub: TRC-20
  12. Tether (USDT)

Más en este sitio