Integración de la API de texto a voz para aplicaciones de fitness

Por equipo editorial de VoicesFit · Actualizado 2026-11-19

Esta documentación técnica detalla la integración de la API de síntesis de voz para aplicaciones de fitness y meditación. Describe el flujo completo desde la obtención de la clave hasta la generación de audio, enfocándose en el formato JSON estándar y la compatibilidad con el SDK de OpenAI. Incluye ejemplos de código listos para producción y parámetros específicos para narraciones claras.

La guía está diseñada para desarrolladores de startups que necesitan generar contenido de audio escalable sin infraestructura compleja. Aquí encontrará especificaciones precisas sobre límites de velocidad, formatos de salida y gestión de errores, asegurando una implementación técnica sólida y predecible para rutinas de ejercicio y sesiones de mindfulness.

Integración de la API de texto a voz para aplicaciones de fitness

Preguntas frecuentes

¿Cómo se obtiene la clave API?

Acceda a /get-api-key/ para registrarse con Google o correo electrónico. La página muestra la clave, el saldo y ejemplos listos para usar. Las cuentas con Google reciben una prueba gratuita de 0,50 dólares. Los registros por correo no incluyen crédito inicial. La clave se emite inmediatamente tras la creación de la cuenta.

¿Qué formato tiene la solicitud JSON?

Envíe un objeto JSON con los campos model, input, voice, response_format, speed y language opcional. El campo input contiene el texto hasta 4096 caracteres. El campo voice requiere uno de los 8 presets disponibles. La velocidad debe estar entre 0.25 y 4.0. El formato de respuesta puede ser mp3, wav, opus, flac o pcm.

¿Se puede usar el SDK de OpenAI?

Sí, los SDK oficiales de OpenAI funcionan modificando la base_url. Configure la URL base como https://api.rw777.info/v1. Utilice la clave API de este sitio en el encabezado de autorización. La forma de la solicitud es idéntica al endpoint de speech de OpenAI. No requiere adaptadores adicionales.

¿Qué es el base_url?

Es la dirección base para las llamadas a la API. Para este servicio, la URL base es https://api.rw777.info/v1. Debe configurar este valor en sus clientes HTTP o SDK. Todas las rutas, como /audio/speech, se anexan a esta base. Asegúrese de usar la versión v1.

¿Cuántos caracteres caben en una solicitud?

Cada solicitud acepta hasta 4096 caracteres de texto. Los espacios y la puntuación cuentan como caracteres. Si su texto excede este límite, divídalo en partes y una los archivos de audio resultantes. El procesamiento es secuencial, por lo que textos largos pueden tardar más. La velocidad típica es de aproximadamente 25 caracteres por segundo.

¿Qué formatos de audio se generan?

El API genera audio en los formatos mp3, wav, opus, flac y pcm. Especifique el formato deseado en el campo response_format de la solicitud. Todos los archivos contienen una marca de agua invisible que indica que es síntesis de voz. El formato elegido no afecta el precio ni la calidad del motor.

¿Qué pasa si exceden los límites?

El límite es de 60 solicitudes por minuto por clave. Antes del primer recargo, el límite es de 10 solicitudes por minuto. Si excede el límite, recibirá un error 429. Las solicitudes fallidas no consumen caracteres ni saldo. Gestione la cola de solicitudes para evitar esperas durante picos de carga.

¿Cómo se maneja la autenticación?

Incluya el encabezado Authorization: Bearer tts-... con su clave API. Cada cuenta tiene una clave activa. La clave se emite al registrarse. Asegúrese de que la clave sea válida y esté asociada a su cuenta. Si la clave no es correcta, el servidor rechazará la solicitud con un error 401.

¿Qué significa un error 401?

El error 401 indica que la clave API es inválida o falta. Verifique que el encabezado Authorization contenga la clave correcta. Asegúrese de que la clave no haya sido revocada. Si emitió una nueva clave, la anterior deja de funcionar inmediatamente. Corrija la clave o obtenga una nueva desde /get-api-key/.

¿Qué significa un error 429?

El error 429 indica que ha excedido el límite de velocidad. El límite es de 60 solicitudes por minuto por clave. Antes del primer recargo, el límite es de 10 solicitudes por minuto. Implemente una lógica de reintento con backoff exponencial. Espere a que se libere la cuota antes de enviar más solicitudes.

¿Se puede cambiar la velocidad de la voz?

Sí, el parámetro speed permite ajustar la velocidad entre 0.25 y 4.0. El valor predeterminado es 1.0. Ajustar la velocidad no afecta el precio ni el formato de audio. Velocidades más altas reducen la duración del audio. Velocidades más bajas aumentan la claridad para contenido educativo o de meditación.

¿Qué sucede si la solicitud falla?

Si la síntesis falla, no se cobra el saldo de la cuenta. El cargo se devuelve en su totalidad si la solicitud falla. Los caracteres consumidos se restauran automáticamente. Verifique los encabezados de respuesta para detalles del error. Las solicitudes exitosas sí consumen caracteres y se facturan según la tarifa por millón de caracteres.

¿Cuántas claves activas hay?

Cada cuenta tiene una sola clave activa. Al emitir una nueva clave, la anterior deja de funcionar inmediatamente. No puede tener múltiples claves simultáneas en una misma cuenta. Esto simplifica la gestión de seguridad. Revogue la clave antigua emitiendo una nueva cuando sea necesario desde la página de configuración de la API.

¿Cómo se revoca una clave?

Emita una nueva clave desde la página /get-api-key/. La clave anterior deja de funcionar inmediatamente al emitir la nueva. No hay un botón de revocar separado; la emisión de una nueva actúa como revocación de la anterior. Asegúrese de actualizar la clave en sus aplicaciones antes de que caduque la anterior.

Primera solicitud

curl

curl https://api.rw777.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

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.rw777.info/v1", api_key="tts-...")

with client.audio.speech.with_streaming_response.create(
    model="tts-1", voice="nova", input="Hello from Python.", response_format="mp3"
) as response:
    response.stream_to_file("hello.mp3")

Node.js (openai)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({ baseURL: "https://api.rw777.info/v1", apiKey: process.env.TTS_API_KEY });
const res = await client.audio.speech.create({ model: "tts-1", voice: "milo", input: "Hello from Node.js." });
fs.writeFileSync("hello.mp3", Buffer.from(await res.arrayBuffer()));
voice
ariafemenino
novafemenino
lunafemenino
sagefemenino
felixmasculino
milomasculino
atlasmasculino
orionmasculino
language
arالعربية
zh中文
daDansk
nlNederlands
enEnglish
fiSuomi
frFrançais
deDeutsch
elΕλληνικά
heעברית
hiहिन्दी
itItaliano
ja日本語
ko한국어
msBahasa Melayu
noNorsk
plPolski
ptPortuguês
ruРусский
esEspañol
swKiswahili
svSvenska
trTürkçe

Obtención de la clave API

Ilustración de onda de sonido para: Obtención de la clave API

Acceda a la documentación técnica para integrar nuestra API de síntesis de voz en sus aplicaciones de fitness y meditación. El proceso comienza con la creación de una cuenta en rw777.info, disponible mediante Google o correo electrónico.

Una vez registrado, obtenga su clave API única. Esta credencial es el único mecanismo de autenticación necesario para realizar solicitudes POST al endpoint /v1/audio/speech y gestionar su uso.

Registro en la plataforma

Registro en la plataforma

Navegue a la página /get-api-key/ en rw777.info. Puede registrarse utilizando su cuenta de Google para obtener inmediatamente un crédito de prueba de $0.50 válido por 7 días, o mediante correo electrónico y contraseña si prefiere no asociar su identidad de Google.

Las cuentas se gestionan por sitio. Al completar el registro, tendrá acceso al panel de control donde se visualiza su clave API, el saldo disponible y el historial de uso.

Generación de la clave

Generación de la clave

El sistema asigna una clave única que inicia con el prefijo tts-. Cada cuenta mantiene una sola clave activa; si genera una nueva, la anterior deja de funcionar inmediatamente.

Esta clave identifica su cuenta y permite el acceso a los recursos de generación de audio según los límites de cuota asociados a su plan.

Uso de la clave en solicitudes

Incluya la clave en el encabezado Authorization: Bearer tts-... de cada solicitud HTTP. Asegúrese de que la clave esté activa y que tenga saldo suficiente para cubrir los caracteres generados.

La clave se utiliza tanto para la generación de audio como para consultas informativas sobre voces y modelos disponibles en la API.

  • Formato: Bearer tts-XXXXXXXXXXXXXXXX

Primera solicitud con cURL

Ilustración de onda de sonido para: Primera solicitud con cURL

La API acepta texto mediante una solicitud POST JSON. El cuerpo debe contener los parámetros necesarios para generar audio sintetizado. Este formato es compatible con las bibliotecas oficiales de OpenAI.

Para pruebas iniciales, se recomienda enviar textos cortos. La estructura es simple y permite verificar rápidamente la integración con el endpoint de síntesis de voz.

Estructura del cuerpo JSON

El cuerpo de la solicitud se envía como un objeto JSON estándar. Incluye el modelo de voz, el texto a convertir y el formato de salida deseado. Este formato facilita la integración con cualquier cliente HTTP moderno.

  • Clave 'model' para seleccionar la calidad.
  • Campo 'input' con el texto a sintetizar.
  • Parámetro 'voice' para elegir la voz.
  • Campo 'response_format' para el audio resultante.

Parámetros obligatorios

El campo 'model' es obligatorio y debe ser 'tts-1' o 'tts-1-hd'. Ambos utilizan el mismo motor de síntesis. El campo 'input' contiene el texto, con un límite de 4096 caracteres por solicitud.

  • model: 'tts-1' o 'tts-1-hd'.
  • input: texto de entrada (máx. 4096 caracteres).
  • voice: identificador de la voz elegida.
  • response_format: formato de audio solicitado.

Ejemplo de código cURL

Utilice la siguiente estructura para enviar una solicitud básica. Asegúrese de reemplazar 'YOUR_API_KEY' con su clave válida y ajustar los parámetros según sus necesidades de integración para fitness o meditación.

  • curl -X POST https://api.rw777.info/v1/audio/speech
  • -H "Authorization: Bearer YOUR_API_KEY"
  • -H "Content-Type: application/json"
  • -d '{"model": "tts-1", "input": "Hola", "voice": "nova", "response_format": "mp3"}'

Uso con SDK de OpenAI

Ilustración de onda de sonido para: Uso con SDK de OpenAI

Integre la API de síntesis de voz con las bibliotecas oficiales de OpenAI mediante la configuración personalizada de la URL base. Este enfoque permite reutilizar la lógica de cliente existente sin necesidad de adaptar la estructura de las solicitudes JSON.

La compatibilidad facilita el desarrollo rápido para aplicaciones de fitness y meditación, permitiendo generar audio mediante código estándar y manejar respuestas directamente.

Configuración del base_url

Modifique la configuración de la biblioteca para apuntar a https://api.rw777.info/v1. Esta ruta permite que las solicitudes HTTP se procesen correctamente en nuestra infraestructura.

Utilice su clave API generada en la sección de autenticación para validar cada solicitud enviada al servicio.

  • Base URL: https://api.rw777.info/v1
  • Método compatible: POST /v1/audio/speech
  • Formato de entrada: JSON estándar

Uso del método de audio

Invocar el método de generación de audio con los parámetros requeridos: modelo, texto de entrada y voz seleccionada. La respuesta contiene el archivo de audio generado en el formato especificado.

El sistema procesa las solicitudes secuencialmente; en casos de alta demanda, las peticiones pueden esperar en una cola antes de ser sintetizadas.

  • Parámetros: model, input, voice, response_format
  • Autenticación: Bearer token en encabezado
  • Formatos soportados: mp3, wav, opus, flac, pcm

Ejemplo en Python

Importe la biblioteca OpenAI y establezca la variable de entorno para la URL base. Ejecute la generación de audio especificando el texto y la voz deseada, como 'aria' para narración clara o 'nova' para rutinas enérgicas.

Este código es funcional y utiliza la estructura estándar compatible con nuestra API de texto a voz.

```python import openai client = openai.OpenAI( base_url="https://api.rw777.info/v1", api_key="tts-sUa39..." # Su clave de rw777.info ) with client.audio.speech.audio.create( model="tts-1", voice="nova", input="Bienvenido a tu sesión de meditación matutina.", response_format="mp3" ) as response: response.stream_to_file("meditacion.mp3") ```

  • Instalación: pip install openai
  • Configuración de entorno: base_url personalizada
  • Manejo de flujo: descarga directa

Parámetros de la solicitud

Ilustración de onda de sonido para: Parámetros de la solicitud

La configuración técnica de la API permite ajustar la generación de audio según las necesidades específicas de la aplicación de fitness o meditación. Los parámetros definidos en la solicitud determinan la calidad, el formato y la velocidad de la voz sintética generada.

Esta sección detalla los campos obligatorios y opcionales del cuerpo JSON que deben enviarse al endpoint de síntesis. Cada parámetro tiene un rango de valores válidos que afecta directamente el resultado final del archivo de audio.

Modelo tts-1 y tts-1-hd

El parámetro model acepta dos valores: tts-1 o tts-1-hd. Ambos utilizan el mismo motor de síntesis y tienen idéntico precio por carácter. La selección del modelo no altera el costo ni la infraestructura subyacente utilizada para la generación.

La elección entre uno u otro modelo puede basarse en preferencias de compatibilidad con sistemas heredados o en la estandarización de la API, ya que la calidad de audio y el rendimiento son consistentes entre ambas opciones disponibles.

  • Valor por defecto: tts-1
  • Costo idéntico para ambos modelos
  • Mismo motor de síntesis de voz

Voz y idioma

El campo voice requiere una de las 8 voces preestablecidas disponibles (ej. aria, nova, luna, sage, felix, milo, atlas, orion). Estas voces están diseñadas para ofrecer claridad en instrucciones de rutinas o narración en apps de meditación.

El parámetro language es opcional pero recomendado. Si no se especifica, el sistema intenta adivinar el idioma basándose en el script del texto. Para textos en latín que no sean inglés, debe establecerse explícitamente el código ISO para evitar errores de pronunciación.

  • 8 voces disponibles (4 femeninas, 4 masculinas)
  • Cualquier voz puede hablar cualquier idioma soportado
  • 23 idiomas soportados
  • Detección automática del idioma si no se especifica

Formato y velocidad

El parámetro response_format permite seleccionar entre mp3, wav, opus, flac o pcm. MP3 es recomendado para la mayoría de las aplicaciones móviles y web debido a su compresión. WAV ofrece alta calidad sin pérdida.

El campo speed acepta valores entre 0.25 y 4.0. El valor predeterminado es 1.0. Ajustar la velocidad permite adaptar la narración a diferentes contextos, como ejercicios rápidos o meditaciones guiadas lentas.

  • Formatos: mp3, wav, opus, flac, pcm
  • Rango de velocidad: 0.25 a 4.0
  • Velocidad predeterminada: 1.0

Formatos de salida

Ilustración de onda de sonido para: Formatos de salida

El formato de salida se define mediante el campo response_format en la solicitud JSON. Puede especificar mp3, wav, opus, flac o pcm según los requisitos de su aplicación de fitness o meditación.

MP3 para compresión

El formato MP3 es la opción estándar para la mayoría de las aplicaciones móviles y web debido a su eficiente compresión con pérdida. Permite reducir el tamaño de los archivos de audio sin sacrificar una claridad suficiente para narraciones de rutinas de ejercicio o guías de meditación, optimizando el uso de datos móviles.

  • Compresión con pérdida eficiente
  • Tamaño de archivo reducido
  • Amplia compatibilidad con reproductores

WAV para alta calidad

El formato WAV ofrece audio sin comprimir, preservando la integridad original de la señal de voz. Es ideal para entornos donde la fidelidad del sonido es crítica o para procesamiento posterior en estudios de producción de contenido de bienestar, aunque genera archivos significativamente más grandes.

  • Audio sin comprimir
  • Máxima fidelidad de señal
  • Ideal para edición profesional

OPUS, FLAC y PCM

OPUS proporciona una excelente relación calidad-tamaño para almacenamiento eficiente. FLAC ofrece compresión sin pérdida, manteniendo la calidad original con un tamaño menor que WAV. PCM es el formato de audio crudo sin procesar, útil para integraciones que requieren muestras de audio sin codificar.

  • OPUS: eficiencia para streaming
  • FLAC: compresión sin pérdida
  • PCM: audio crudo sin codificar
Formatos de salida

Manejo de errores

Ilustración de onda de sonido para: Manejo de errores

La API devuelve códigos HTTP estándar para indicar el estado de cada solicitud. Un 200 confirma que el audio se generó correctamente, mientras que otros códigos señalan errores de validación o limitaciones de cuota.

Códigos de estado HTTP

Los respuestas 4xx indican errores del cliente, como parámetros faltantes o formato inválido. Los 5xx señalan problemas internos del servicio, aunque son infrecuentes.

  • 200: Éxito, audio disponible en la respuesta.
  • 400: Solicitud incorrecta o parámetros inválidos.
  • 429: Límite de 60 solicitudes por minuto excedido.

Solicitudes fallidas

Si la síntesis falla, el cargo se devuelve completamente. Esto asegura que no se pague por audio no entregado, un factor crítico para la previsibilidad de costos en aplicaciones de fitness.

Mensajes de error comunes

Los mensajes incluyen detalles como 'input too long' si el texto supera los 4096 caracteres o 'invalid voice' si la voz especificada no existe. Revise la documentación para validar los parámetros antes de enviar.

Límites y cuotas

Ilustración de onda de sonido para: Límites y cuotas

La API impone un límite de 60 solicitudes por minuto por clave. Antes de la primera recarga, este límite se reduce a 10 solicitudes por minuto, lo que requiere ajuste en la configuración inicial para evitar bloqueos temporales.

El límite de caracteres es estricto: cada solicitud puede contener hasta 4096 caracteres, incluyendo espacios y puntuación. Para textos más largos, es necesario dividirlo manualmente en partes y unir los archivos de audio resultantes.

Límite de 60 solicitudes por minuto

La cuota estándar permite 60 solicitudes por minuto por clave de API. Este límite se mantiene constante una vez que la cuenta ha sido recargada.

Límite de caracteres por solicitud

Cada llamada a la API acepta un máximo de 4096 caracteres en el campo input. Si el texto de la rutina de ejercicio o la sesión de meditación excede este límite, debe dividirse en segmentos manejables para garantizar la síntesis correcta.

Gestión de la cola

Las solicitudes se procesan en secuencia. Bajo carga, las peticiones pueden esperar en una cola antes de iniciarse la síntesis. Esto puede aumentar la latencia en comparación con la generación instantánea, especialmente para frases cortas que requieren unos segundos para completarse.

Autenticación

Ilustración de onda de sonido para: Autenticación

La API requiere autenticación mediante un token Bearer en cada solicitud. La clave se envía en el encabezado Authorization para verificar la identidad de la cuenta y validar el saldo disponible antes de generar el audio.

Es fundamental proteger esta clave en el entorno de producción. Aunque se puede emitir una nueva en cualquier momento, la anterior deja de ser válida de forma inmediata al generar la nueva.

Encabezado de autorización

Incluya el encabezado Authorization: Bearer tts-... en todas las solicitudes POST a /v1/audio/speech. Este token identifica su cuenta y permite el cargo correspondiente contra su saldo o crédito de prueba.

  • Encabezado estándar HTTP Authorization
  • Prefijo Bearer seguido del token
  • Verificación instantánea de permisos

Formato de la clave

Las claves comienzan con el prefijo tts- y se asignan a una cuenta única. Puede generar una nueva clave desde su panel de control, lo que invalida inmediatamente la anterior para evitar accesos no deseados.

Revocación de claves

La revocación es inmediata al emitir una nueva clave. No hay periodo de gracia ni retención de la clave antigua, lo que asegura que cualquier solicitud realizada con la versión anterior sea rechazada por el sistema de autenticación.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Félix presenta un tono enérgico y promocional, ideal para anuncios o recordatorios de rutinas diarias.

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. ISO 639 language codes
  4. W3C WAI: making audio and video accessible
  5. LibriVox public-domain audiobooks
  6. openai-node on GitHub
  7. LibriTTS-R corpus (OpenSLR 141)
  8. LibriTTS-R paper (arXiv 2305.18802)
  9. IETF RFC 7845: Ogg Opus
  10. Node.js documentation
  11. Creative Commons Attribution 4.0
  12. OpenAI API reference: create speech

Más en este sitio