Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube que convierte texto en archivos de audio mediante una solicitud POST a https://api.rw777.info/v1/audio/speech. Envía el texto y recibe el archivo generado, facilitando la integración sin infraestructura compleja.
¿Cómo se integra en una app de fitness?
Envíe texto mediante POST a /v1/audio/speech con una clave Bearer. Utilice el SDK de OpenAI cambiando base_url o HTTP estándar. El servicio devuelve el audio listo para reproducirse en rutinas de ejercicio o meditación.
¿Qué voces son mejores para meditación?
Para meditación, se recomiendan luna (suave, narrativa) y sage (calma, instruccional). Ambas ofrecen tonos claros y profesionales adecuados para guiar sesiones de relajación o mindfulness sin distracciones auditivas excesivas.
¿Cómo se configura el idioma?
Establezca el campo language con el código ISO del idioma deseado. Si no se especifica, el sistema intenta adivinarlo (el texto en latín predeterminado es inglés). Para textos latinos no ingleses, configurelo explícitamente.
¿Cuánto cuesta generar audio?
El costo es de $10 por 1 millón de caracteres ($0.01 por 1.000 caracteres). Los espacios y puntuación cuentan como caracteres. Las solicitudes fallidas se cobran $0 y el saldo se devuelve íntegramente.
¿Qué formatos de audio se usan?
Puede solicitar los formatos mp3, wav, opus, flac o pcm mediante el campo response_format. Estos formatos cubren necesidades estándar de reproducción en aplicaciones móviles y web para contenido de fitness.
¿Cuáles son los límites de uso?
El límite es de 60 solicitudes por minuto por clave (10 por minuto antes del primer recargo). Cada solicitud procesa hasta 4096 caracteres. Las solicitudes excedentes pueden esperar en cola bajo carga.
¿Qué pasa si falla una solicitud?
Si la síntesis falla, no se realiza ningún cargo. El importe se devuelve íntegramente a su saldo. Esto asegura que solo pague por audio generado correctamente sin costos adicionales por errores.
¿Se puede cambiar la velocidad?
Sí, el parámetro speed acepta valores entre 0.25 y 4.0. Esto permite acelerar o ralentizar la narración según el ritmo de las rutinas de ejercicio o la claridad necesaria en meditaciones.
¿Cómo se mide el consumo?
El consumo se mide por caracteres de entrada, incluyendo espacios y puntuación. El panel muestra el saldo, créditos restantes y uso detallado. La facturación se basa en el volumen total de caracteres procesados.
¿Qué es el parámetro language?
Es un campo opcional que especifica el código ISO del idioma. Aunque el sistema puede inferirlo, es crucial para textos en latín que no sean inglés, garantizando la pronunciación correcta.
¿Qué es el parámetro voice?
Selecciona una de las 8 voces preestablecidas, como aria, nova, luna o sage. Cada voz tiene un tono distinto, permitiendo elegir la más adecuada para narraciones de bienestar o instrucciones de ejercicio.
¿Qué es el parámetro model?
Define el modelo: tts-1 o tts-1-hd. Ambos utilizan el mismo motor y tienen el mismo precio. Este parámetro determina la calidad base del audio generado para su aplicación.
¿Qué es el parámetro response_format?
Especifica el formato del archivo de audio devuelto: mp3, wav, opus, flac o pcm. Esto permite optimizar el almacenamiento y la transmisión según las capacidades técnicas de su aplicación de fitness.
¿Qué es el parámetro speed?
Controla la velocidad de narración entre 0.25 y 4.0. Valores más altos aceleran la voz para rutinas rápidas, mientras que valores bajos son ideales para meditaciones guiadas que requieren calma y claridad.
¿Qué es el parámetro input?
Contiene el texto que se convertirá en audio, con un límite de 4096 caracteres por solicitud. Para textos más largos, debe dividirlos y unir los archivos de audio resultantes para mantener la coherencia.
¿Qué es la cola de procesamiento?
Las solicitudes se procesan secuencialmente. Bajo carga, una solicitud puede esperar en cola antes de generarse. Esto puede aumentar el tiempo de respuesta para frases cortas durante picos de uso simultáneo.
¿Qué es una marca de agua sintética?
Cada archivo generado incluye una marca de agua inaudible que identifica el audio como voz sintética.
¿Qué es la prueba gratuita?
Al registrarse con Google, recibe $0.50 de crédito (aprox. 50.000 caracteres) válidos por 7 días. Las cuentas creadas con email y contraseña no incluyen este crédito inicial.
¿Cómo se recarga el saldo?
El recargo se realiza mediante USDT en la red TRON (TRC-20), con un mínimo de $5. El saldo se acredita automáticamente en minutos. No se aceptan tarjetas ni PayPal; el saldo no expira.
Conceptos básicos
Una API de texto a voz es un servicio en la nube que convierte texto en archivos de audio mediante una llamada HTTP POST. Envía texto y recibe un archivo listo para reproducir, sin necesidad de gestionar servidores de síntesis.
Para startups de fitness y bienestar, esta tecnología permite generar narraciones claras y profesionales para rutinas de ejercicio y meditaciones de forma escalable, sin infraestructura compleja.
¿Qué es una API de texto a voz?
Es un endpoint que acepta texto y devuelve audio. El formato de la solicitud es idéntico al de la API de OpenAI, lo que permite usar sus SDKs oficiales modificando solo la URL base.
Ventajas para startups de fitness
Permite escalar la producción de contenido de audio para aplicaciones de meditación y guías de entrenamiento sin contratar voces adicionales ni comprar hardware.
El modelo de pago por uso elimina costos fijos, ideal para validar productos en etapas tempranas.
Integración técnica sencilla
La integración requiere solo una clave API y una llamada POST al endpoint de sintesis. No se requieren conocimientos de procesamiento de audio.
Los SDKs oficiales de OpenAI funcionan directamente al ajustar la base URL a nuestro servicio.
Pasos de integración
La integración comienza en la página /get-api-key/, donde se registra con Google o correo electrónico para obtener la clave de API única. Esta credencial, prefix tts-..., se usa en el encabezado Authorization para autenticar cada solicitud.
El flujo técnico es directo: se envía el texto a la URL de la API y se recibe el archivo de audio. No requiere SDK propietario; las librerías oficiales de OpenAI funcionan modificando la base_url al dominio de la API, simplificando la implementación en cualquier entorno.
Registro y obtención de clave
Acceda a /get-api-key/ y cree una cuenta con Google o correo electrónico. La página muestra inmediatamente la clave API activa, el saldo disponible y un ejemplo curl listo para usar. La clave se asigna a la cuenta y puede ser renovada en cualquier momento, invalidando la anterior instantáneamente.
El sistema gestiona el estado de autenticación mediante el encabezado Authorization: Bearer. Asegúrese de almacenar la clave de forma segura en su entorno de desarrollo, ya que es el único identificador necesario para las transacciones de síntesis.
- Registro disponible con Google o correo electrónico
- Clave única con prefijo
tts-... - Invalidación inmediata de claves antiguas
Configuración del SDK
Utilice el SDK oficial de OpenAI o peticiones HTTP directas. Configure la propiedad base_url apuntando a https://api.rw777.info/v1. Esto permite reutilizar la lógica de cliente existente sin importar el lenguaje de programación elegido.
La estructura de la solicitud JSON es idéntica al endpoint de speech de OpenAI, garantizando compatibilidad inmediata con las herramientas estándar de desarrollo.
- Compatible con SDKs de OpenAI
- Base URL:
https://api.rw777.info/v1 - Sin dependencias propietarias adicionales
Envío de texto y recepción de audio
Realice una solicitud POST a /v1/audio/speech con el cuerpo JSON que incluye el modelo, el texto de entrada, la voz seleccionada y el formato deseado. La API procesa la solicitud y devuelve el archivo de audio generado directamente en la respuesta.
Los archivos se entregan en formatos como MP3, WAV, OPUS, FLAC o PCM. Para textos largos, se recomienda dividir el contenido en fragmentos de hasta 4096 caracteres y unir los resultados para mantener la coherencia del audio final.
- Endpoint:
POST /v1/audio/speech - Formatos: mp3, wav, opus, flac, pcm
- Límite de texto: 4096 caracteres por solicitud
Selección de voces
La elección de la voz determina la experiencia del usuario en tu aplicación de fitness. Nuestras voces están diseñadas para transmitir claridad y profesionalismo, adaptándose al tono de tu contenido, ya sea una meditación guiada o una rutina de alta intensidad.
Cada voz tiene una característica acústica distinta que facilita la comprensión prolongada. Utilizar la voz adecuada reduce la fatiga auditiva y mejora la retención de las instrucciones durante las sesiones.
Voces femeninas para meditación
Para sesiones de relajación y mindfulness, selecciona voces que transmitan calma y suavidad. luna ofrece un tono suave ideal para narrativas de historias, mientras que aria proporciona una claridad narrativa que mantiene la atención sin resultar invasiva.
Estas voces son óptimas para guiar al usuario a través de respiraciones y estiramientos lentos, asegurando que el mensaje llegue con serenidad.
- luna: suave, ideal para storytelling y meditación.
- aria: clara, narrativa, ideal para instrucciones relajadas.
Voces masculinas para fitness
Para rutinas de ejercicio y cardio, las voces masculinas aportan energía y claridad en la instrucción. felix tiene un tono enérgico perfecto para promociones o rutinas dinámicas. atlas ofrece un tono neutral y directo, adecuado para noticias o instrucciones técnicas precisas.
Estas voces mantienen el ritmo de la sesión, asegurando que el usuario no pierda el compás durante el entrenamiento.
- felix: enérgico, ideal para promos y rutinas dinámicas.
- atlas: neutral, ideal para instrucciones claras y directas.
Personalización básica
Puedes ajustar la velocidad de la voz entre 0.25 y 4.0 para adaptarla al ritmo de tu contenido. Una velocidad más rápida es útil para conteos numéricos en ejercicios, mientras que una velocidad más lenta mejora la comprensión en meditaciones.
Ajustar estos parámetros permite optimizar la experiencia sin necesidad de generar nuevos archivos de audio.
- Velocidad ajustable: 0.25 a 4.0.
- Formatos disponibles: mp3, wav, opus, flac, pcm.
Configuración de idioma
La API detecta automáticamente el idioma basándose en el script del texto proporcionado. Por defecto, el texto en latín se interpreta como inglés, lo cual puede generar errores si se desea una voz en español o francés sin indicación explícita.
Para garantizar la precisión, se recomienda configurar el parámetro language manualmente. Esto asegura que el motor de síntesis aplique la fonética y la entonación correctas, evitando lecturas con acento incorrecto en rutinas o meditaciones.
Detección automática
El sistema analiza los caracteres del texto de entrada para inferir el idioma. Si se envía texto en español pero no se especifica el lenguaje, el motor podría interpretarlo como inglés debido al uso de alfabeto latino, resultando en una pronunciación forzada.
Configuración manual
Se debe incluir el código ISO del idioma en el cuerpo de la solicitud. Por ejemplo, usar language: "es" para español o language: "fr" para francés. Esto garantiza que las voces como Luna o Nova pronuncien las palabras con la acentuación nativa adecuada para la audiencia objetivo.
Importancia del parámetro language
La especificación explícita del idioma es crítica para startups que operan en mercados multilingües. Asegura coherencia en las instrucciones de ejercicio y evita confusión del usuario final al escuchar comandos en el idioma correcto.
- Soporte para 23 idiomas específicos.
- El parámetro es opcional pero altamente recomendado.
- Afecta directamente la pronunciación y fluidez.
Optimización de costos
La API de VoicesFit cobra $0.01 por cada 1,000 caracteres, donde se incluyen espacios y puntuación. Este modelo de pago por uso elimina costos fijos mensuales, ideal para startups que escalan su contenido de audio según la demanda real.
Para optimizar gastos, es crucial calcular la longitud del texto antes de enviarlo. Cada solicitud tiene un límite de 4,096 caracteres; dividir textos largos en partes más pequeñas evita errores y permite gestionar mejor los recursos del sistema.
Cálculo de caracteres
El costo se determina estrictamente por la longitud del texto de entrada. Cada espacio, coma o signo de puntuación cuenta como un carácter unitario. Con una tarifa de $0.01 por mil caracteres, los presupuestos son predecibles y proporcionales al volumen generado.
Para rutinas de ejercicio largas, asegúrese de que el texto base no supere los 4,096 caracteres por solicitud. Si excede este límite, la API rechazará la solicitud.
- Tarifa base: $0.01 por 1,000 caracteres.
- Espacios y puntuación cuentan como caracteres.
- Límite por solicitud: 4,096 caracteres.
Uso eficiente de la API
Implemente una lógica de división de texto en su aplicación para combinar fragmentos largos. Esto garantiza que cada llamada a la API sea válida y optimice el uso de la cuota de 60 solicitudes por minuto.
Aproveche las voces predefinidas sin añadir metadatos innecesarios. La velocidad (0.25–4.0) permite ajustar la duración del audio sin consumir caracteres adicionales, manteniendo la claridad en las instrucciones de fitness.
- Divida textos >4096 caracteres en partes.
- Ajuste la velocidad para controlar duración.
- No pague por caracteres no enviados.
Monitoreo del consumo
El panel de cuenta muestra el saldo restante y los caracteres consumidos. Revise este panel regularmente para anticipar la necesidad de recargas en USDT (TRC-20).
Las solicitudes fallidas son gratuitas. Monitoree los códigos de error para identificar problemas de formato o autenticación que no afecten su saldo, asegurando que solo pague por audio generado exitosamente.
- Verifique el panel de cuenta.
- Recargas automáticas en minutos.
- Errores no cuestan crédito.
Formatos y calidad
La API de texto a voz de VoicesFit permite generar audio en cinco formatos: mp3, wav, opus, flac y pcm. La elección depende del equilibrio entre compatibilidad y eficiencia de almacenamiento en tu aplicación de fitness.
El formato mp3 es ideal para la mayoría de las apps móviles por su amplio soporte y compresión. Para aplicaciones de meditación que requieren alta fidelidad, flac o wav son opciones válidas, aunque ocupan más espacio.
Elección del formato adecuado
Selecciona mp3 para la mayoría de los casos, garantizando compatibilidad universal. Usa opus si necesitas reducir el ancho de banda en conexiones móviles lentas. Elige wav o flac si tu app de yoga prioriza la máxima calidad de audio sin pérdida.
- mp3: equilibrio estándar
- wav: calidad sin pérdida
- opus: eficiencia de banda
- flac: alta fidelidad
- pcm: datos sin comprimir
Calidad de audio
La calidad depende del modelo seleccionado: tts-1 ofrece un rendimiento eficiente, mientras que tts-1-hd proporciona mayor claridad vocal. Ambas opciones mantienen la legibilidad necesaria para instrucciones de ejercicio o guías de meditación.
El audio generado incluye una marca de agua inaudible que identifica el contenido como síntesis artificial.
Tamaño del archivo
El tamaño varía según el formato y la duración. Los archivos mp3 son significativamente más pequeños que wav o flac, optimizando el almacenamiento en tus servidores para rutinas largas.
Recuerda que la generación es en tiempo real aproximado; un archivo de 10 minutos de audio tendrá un tamaño proporcional al formato elegido, afectando la carga de tu infraestructura de almacenamiento.

Límites técnicos
La API impone límites técnicos claros para garantizar la estabilidad del servicio. Cada solicitud puede contener hasta 4096 caracteres de texto, incluyendo espacios y puntuación. Para textos más largos, es necesario dividirlo en fragmentos y unir los archivos de audio generados posteriormente.
Límite de caracteres
Cada llamada a la API acepta un máximo de 4096 caracteres en el campo input. Si tu rutina o meditación excede este límite, debes implementar lógica de división en el cliente o servidor y concatenar los resultados de audio.
Límite de solicitudes por minuto
La cuota estándar es de 60 solicitudes por minuto por clave. Antes de la primera recarga, el límite es de 10 solicitudes por minuto. Exceder este límite resulta en errores de límite de velocidad.
Para startups con picos de demanda, planifica la generación de contenido en lotes durante horas de baja actividad o implementa reintento con backoff exponencial.
Manejo de la cola
Las solicitudes se procesan secuencialmente. Bajo carga, una solicitud puede esperar en una cola antes de comenzar la síntesis. Esto puede aumentar la latencia percibida para rutinas de ejercicio en tiempo real.
La velocidad típica es de aproximadamente 25 caracteres de texto por segundo de audio generado. Para aplicaciones sensibles a la latencia, considera pre-generar las pistas de audio y servirlas estáticamente.
Errores comunes
Los errores más frecuentes al integrar la API de síntesis de voz para fitness suelen deberse a credenciales incorrectas o cuerpos de solicitud mal formados. Identificar rápidamente estos fallos reduce el tiempo de inactividad en tus aplicaciones de meditación o rutinas de ejercicio.
Errores de autenticación
El error más común es el 401 Unauthorized, que indica que la clave API es inválida o ha sido revocada. Recuerda que cada cuenta tiene una sola clave activa y que emitir una nueva invalida la anterior inmediatamente. Verifica que el encabezado Authorization contenga el prefijo "Bearer" seguido de tu clave.
- Verifica que la clave comience con "tts-".
- Asegúrate de que no haya espacios extra en el encabezado.
- Emite una nueva clave si la anterior dejó de funcionar.
Errores de formato
El cuerpo de la solicitud JSON debe incluir obligatoriamente los campos "model", "input" y "voice". Si el texto excede los 4096 caracteres, la API rechazará la solicitud. Además, el formato de respuesta debe ser uno de los soportados: mp3, wav, opus, flac o pcm.
- El campo "input" no debe superar 4096 caracteres.
- Usa solo los valores de voz listados en /v1/voices.
- Verifica que el JSON sea válido antes de enviarlo.
Solución de problemas básicos
Si la generación tarda más de lo esperado, es posible que la solicitud esté en cola debido a la carga del servidor. Los errores de formato suelen devolver códigos 400 con un mensaje descriptivo. Revisa tu saldo y la validez de la clave si no recibes audio.
Casos de uso específicos
La API de texto a voz permite a las startups de fitness generar narraciones escalables para rutinas de ejercicio y meditaciones. Al integrar la síntesis de voz, las aplicaciones pueden ofrecer instrucciones claras y profesionales sin requerir infraestructura compleja para la grabación de audio.
El sistema procesa textos de hasta 4096 caracteres por solicitud. Para rutinas más largas, se dividen en partes y se unen los archivos de audio resultantes. Esto asegura que las instrucciones de movimiento o respiración se mantengan coherentes y sincronizadas con la experiencia del usuario.
Rutinas de cardio
Las rutinas de cardio requieren instrucciones precisas y rítmicas. Con la API, se pueden generar audios con voces energéticas como Felix o Milo, configurando la velocidad entre 0.25 y 4.0 para adaptarse al ritmo de la actividad. Esto permite a los usuarios seguir el ejercicio sin interrupciones visuales.
- Usar la voz 'Felix' para instrucciones de alta energía.
- Ajustar la velocidad a 1.2 para mantener el ritmo de carrera.
- Generar audios de 30-60 segundos para intervalos de ejercicio.
Meditaciones guiadas
Para meditaciones, se prioriza la claridad y la calma. Voces como Luna o Sage ofrecen tonos suaves e instructivos ideales para guiar la respiración. La detección automática de idioma asegura que las instrucciones en español o inglés se pronuncien correctamente, evitando confusiones en la práctica.
- Seleccionar la voz 'Luna' para narraciones de relajación.
- Configurar velocidad a 0.8 para una entrega pausada.
- Usar formato WAV para máxima calidad en sesiones largas.
Clases de yoga
Las clases de yoga benefician de instrucciones detalladas sobre posturas y respiración. Se pueden generar audios largos dividiendo el texto en fragmentos de 4096 caracteres. La voz 'Sage' es adecuada para explicar alineación, mientras que 'Orion' puede usarse para transiciones profundas y meditativas.
- Dividir texto de yoga en fragmentos de 4096 caracteres.
- Usar 'Sage' para explicaciones de posturas.
- Aplicar formato MP3 para optimizar el almacenamiento en la app.
Mejores prácticas
Aplicar la API de síntesis de voz para fitness requiere atención a la estructura del texto, el control de velocidad y la validación de calidad. Estas prácticas aseguran que las narraciones para rutinas de ejercicio y meditaciones sean claras y profesionales.
Estructura del texto
Divida textos largos en fragmentos de máximo 4096 caracteres para cumplir con los límites de la API. Esto evita errores de solicitud y facilita la gestión de archivos de audio generados para secuencias de ejercicios prolongadas.
Uso de la velocidad
Ajuste el parámetro speed (0.25–4.0) según el tipo de contenido. Para meditaciones, utilice valores cercanos a 1.0 o inferiores para una voz calmada; para rutinas de cardio, aumente la velocidad para mantener la energía del usuario.
- Velocidad 1.0: estándar para la mayoría de narraciones.
- Velocidad <1.0: ideal para meditación guiada.
- Velocidad >1.0: útil para conteos rápidos de ejercicio.
Pruebas de calidad
Verifique la claridad de la voz y la precisión del idioma generado. Utilice las voces predefinidas como luna para narrativa suave o felix para energía, asegurando que el audio sintetizado cumpla con los estándares de la startup antes de su implementación.
Soporte y recursos
La documentación técnica se encuentra disponible en la ruta /docs/ del sitio, donde puede consultar los detalles de los endpoints, parámetros de solicitud y respuestas esperadas para la integración con su aplicación de fitness.
Complementamos la referencia técnica con ejemplos de código listos para copiar, facilitando la implementación rápida en entornos de desarrollo de startups de bienestar.
Documentación técnica
Acceda a la especificación completa de la API en /docs/. Aquí encontrará la estructura JSON requerida para los endpoints de voz y modelos, incluyendo ejemplos de cabeceras de autenticación y manejo de errores.
- Especificación de endpoints y parámetros
- Ejemplos de respuestas JSON
- Guía de autenticación con Bearer token
Ejemplos de código
Disponemos de snippets de código listos para usar, diseñados para integrarse rápidamente con las librerías estándar de HTTP o SDKs compatibles, minimizando el tiempo de desarrollo para sus rutinas de audio.
- Ejemplos en Python y JavaScript
- Configuración de base_url
- Manejo de respuestas de audio
Contacto por correo
Para consultas técnicas o soporte específico, utilice exclusivamente el correo electrónico.
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
