API de texto a voz para audioguías de museos

Por Equipo editorial AudioMuseo · Actualizado 2026-11-18

Esta página explica cómo la API de AudioMuseo convierte texto en audio para audioguías y museos, ideal para equipos sin programadores. Descubre la integración sencilla mediante un endpoint compatible con el formato de OpenAI, los formatos de audio compatibles y las ocho voces profesionales diseñadas para tus proyectos turísticos.

Obtén detalles sobre precios transparentes, soporte para 23 idiomas específicos y casos de uso reales. Aprende a generar narraciones naturales para visitas guiadas, museos virtuales y puntos de información con una solución técnica clara, sin complicaciones ni infraestructura compleja.

API de texto a voz para audioguías de museos

Preguntas frecuentes

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

Es un servicio en la nube que convierte texto en archivos de audio mediante una simple petición POST. Envías el guion y recibes el audio listo para audioguías. No requiere infraestructura propia, solo una clave API y conexión a internet para generar narraciones profesionales de forma automatizada.

¿Cuántos idiomas soporta la API de narrador de texto?

La API soporta 23 idiomas, incluyendo español, inglés, francés, alemán, italiano, portugués, chino, japonés y árabe. Cualquier voz puede hablar cualquiera de estos idiomas. Si no se especifica, el sistema intenta adivinar el idioma, pero es recomendable definirlo explícitamente para textos en latín no ingleses.

¿Qué voces están disponibles para audioguías?

Hay 8 voces preestablecidas: Aria, Nova, Luna y Sage (femeninas); Felix, Milo, Atlas y Orion (masculinas). Cada una tiene un tono distinto, desde narradoras cálidas hasta voces neutrales para noticias o profundas para documentales. Todas las voces pueden pronunciar cualquiera de los 23 idiomas soportados.

¿Cuánto cuesta usar la API por carácter?

El costo es de $10 por cada 1 millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres. Los fallos en la síntesis son gratuitos y el cargo se devuelve íntegramente si la generación falla.

¿Puedo usar la API sin saber programar?

Sí. Aunque la API requiere enviar peticiones HTTP, puedes usar herramientas como Postman o SDKs de terceros. Para usuarios sin código, existen conectores no-code externos que permiten enviar texto y recibir audio sin programación compleja. La API funciona con el formato estándar de OpenAI, facilitando la integración mediante métodos alternativos a la codificación directa.

¿Cómo se realiza el pago con criptomonedas?

Los pagos se realizan exclusivamente con USDT en la red TRON (TRC-20). El monto mínimo es de $5. El saldo se acredita automáticamente en minutos tras la transferencia. No aceptamos tarjetas, PayPal ni suscripciones mensuales. El saldo no tiene fecha de caducidad y puedes emitir una nueva clave si la anterior se compromete.

¿Cuánto tarda en generarse una audioguía?

La velocidad es aproximadamente de tiempo real: 25 caracteres de texto por segundo de audio generado. Las frases cortas tardan unos segundos. Las peticiones se procesan en cola, por lo que bajo carga podría haber esperas. Para textos largos, se dividen en partes de 4096 caracteres y se unen.

¿Se pueden ajustar la velocidad de la voz?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 veces la velocidad normal. Esto se configura en el campo 'speed' de la petición JSON. Es útil para adaptar la narración a diferentes contextos, desde explicaciones detalladas hasta anuncios rápidos en puntos de interés del museo.

¿Qué formato de audio se genera por defecto?

Debes especificar el formato al realizar la solicitud. Puedes elegir entre mp3, wav, opus, flac o pcm. No existe un formato predeterminado estricto; la API generará el audio exactamente en el formato que indiques en el campo response_format. Los archivos generados incluyen una marca de agua invisible que indica que se trata de voz sintética, útil para la transparencia en contenido digital.

¿Las voces suenan naturales en español?

Nuestras 8 voces preset, basadas en grabaciones con licencia de LibriTTS-R, ofrecen un sonido claro y profesional ideal para audioguías. Aunque no ofrecemos clonación de voz personalizada, estas voces suenan naturales y son adecuadas para la narración turística en español, garantizando una integración sencilla sin necesidad de programadores.

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

Sí, puedes emitir una nueva clave API en cualquier momento desde tu panel de cuenta. La clave anterior deja de funcionar inmediatamente al generar la nueva. Esto permite una gestión segura de accesos sin interrumpir el servicio si una clave se expone o se pierde en tus sistemas.

¿Los textos se guardan después de generar el audio?

No. El texto de entrada se utiliza únicamente para producir el audio y no se usa para entrenar modelos. El audio generado se devuelve en la respuesta y no se almacena permanentemente. Solo se conservan los metadatos de la petición (hora, caracteres, estado) para fines de facturación y auditoría.

¿Hay límite de caracteres por petición?

Sí, cada petición puede contener hasta 4096 caracteres de texto. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Esto garantiza un procesamiento eficiente y evita errores en la síntesis de audio para guiones extensos de museos o tours.

¿Qué ocurre si la generación de audio falla?

Si la síntesis falla, la petición no se cobra. El saldo de tu cuenta se mantiene intacto y el cargo se devuelve íntegramente. Puedes reintentar la petición o ajustar los parámetros (como el formato o la voz) sin incurrir en costos adicionales por los intentos fallidos de generación.

Primera solicitud

curl

curl https://api.get68f.com/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

Cómo funciona la API para tu proyecto

Ilustración de onda de sonido para: Cómo funciona la API para tu proyecto

La API de AudioMuseo convierte texto en audio mediante una petición POST a un endpoint REST. Envías el texto y recibes un archivo de audio listo para usar, sin necesidad de servidores adicionales ni infraestructura compleja.

Envía texto y recibe audio en segundos

El proceso es directo: se envía el texto y se recibe el archivo de audio. Para textos largos, el tiempo de generación es aproximadamente de tiempo real (unos 25 caracteres por segundo), por lo que las audioguías extensas tardarán varios minutos. Las solicitudes se procesan en cola, por lo que en momentos de alta demanda pueden producirse retrasos.

Integración simple con OpenAI SDK

La API utiliza la misma estructura de solicitud que el endpoint de speech de OpenAI. Es compatible con la sintaxis del SDK de OpenAI modificando la base_url a https://api.get68f.com/v1, lo que facilita la implementación para equipos técnicos sin necesidad de aprender una nueva librería.

Formatos compatibles con reproductores turísticos

Los archivos de audio se entregan en formatos estándar como MP3, WAV, OPUS, FLAC y PCM. Estos formatos son ampliamente soportados por los reproductores de audioguías y dispositivos móviles utilizados en visitas guiadas, asegurando la reproducción correcta del contenido en cualquier entorno.

Voces profesionales para audioguías

Ilustración de onda de sonido para: Voces profesionales para audioguías

La API ofrece ocho voces predefinidas que generan audio natural, evitando el sonido robótico típico de sistemas básicos. Cada voz se basa en grabaciones con licencia y está diseñada para diferentes estilos narrativos, permitiendo elegir el tono más adecuado para cada pieza o exhibición.

Voces femeninas: narradoras claras y cálidas

Las voces femeninas incluyen Aria, Nova, Luna y Sage. Aria ofrece un tono cálido y claro, ideal para narradoras. Nova es brillante y enérgica. Luna es suave, perfecta para contar historias. Sage es calma, indicada para contenido instruccional.

Voces masculinas: informativas y documentales

Las voces masculinas son Felix, Milo, Atlas y Orion. Felix tiene un estilo enérgico, útil para promociones. Milo es amigable y conversacional. Atlas es neutral, apropiado para noticias. Orion es profunda, adecuada para documentales.

Estilos variados para cada contexto museístico

Puedes combinar estilos para crear una experiencia auditiva coherente. Usa Atlas para explicaciones neutrales de arte. Elige Luna para historias de artefactos antiguos. Emplea Felix para anuncios de actividades. Esto permite adaptar la voz al contenido específico de cada sala.

Voces profesionales para audioguías

Multilenguaje para turismo internacional

Ilustración de onda de sonido para: Multilenguaje para turismo internacional

La API de AudioMuseo permite generar audioguías multilingües con un único motor de síntesis, eliminando la complejidad de gestionar proveedores distintos por región. El soporte abarca 23 idiomas específicos, desde el árabe hasta el turco, garantizando coherencia acústica en todos los idiomas de tu catálogo.

Soporte para 23 idiomas y dialectos

Ofrecemos cobertura para 23 idiomas específicos: árabe, chino, danés, neerlandés, inglés, finlandés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco y turco. Cualquier voz puede pronunciar cualquiera de estos idiomas sin restricciones adicionales.

No se incluyen idiomas como vietnamita, tailandés, ucraniano, rumano, checo o bengalí. Es fundamental verificar que el idioma de tu contenido esté en la lista para evitar errores de síntesis.

  • Árabe, chino, danés, neerlandés, inglés
  • Finlandés, francés, alemán, griego, hebreo
  • Hindi, italiano, japonés, coreano, malayo
  • Noruego, polaco, portugués, ruso, español
  • Suajili, sueco, turco

Detección automática y configuración manual

El sistema intenta adivinar el idioma basándose en los caracteres del texto enviado; el texto en latín se asume como inglés por defecto. Para textos en latín en otros idiomas, debes especificar el código ISO en el campo language para garantizar la pronunciación correcta.

Esta configuración manual es crucial para evitar que el motor pronuncie palabras en español o francés con acento inglés, asegurando la calidad de la audioguía.

Idiomas clave: español, inglés, francés, alemán

Los idiomas más demandados en turismo internacional están perfectamente soportados. Las voces como Aria o Nova ofrecen una claridad excepcional para guías en español e inglés, mientras que Sage y Felix son ideales para contenido instructivo en francés y alemán.

La consistencia de la voz a través de estos cuatro idiomas permite que los visitantes perciban una única experiencia de marca, independientemente del idioma que elijan.

Precios transparentes por carácter

Ilustración de onda de sonido para: Precios transparentes por carácter

La facturación se calcula estrictamente por el número de caracteres, incluyendo espacios y puntuación, a un coste de 0,01 USD por cada 1.000 caracteres. Este modelo lineal facilita la previsión de costes para grandes volúmenes de contenido de audioguías sin sorpresas en la cuenta final.

Coste de 0,01 USD por mil caracteres

El precio base es de 10 USD por cada millón de caracteres procesados. Si tu proyecto requiere generar narraciones extensas para visitas guiadas, el coste aumenta proporcionalmente al texto enviado, permitiendo un control preciso del presupuesto por pieza de audio.

Crédito inicial de prueba gratuito

Al registrarte con Google, recibes 0,50 USD de crédito (aproximadamente 50.000 caracteres) válidos durante 7 días. Esto permite validar la calidad de las voces y la integración con tu flujo de trabajo antes de comprometer fondos.

Sin costes ocultos ni suscripciones mensuales

No existen planes de suscripción ni cargos adicionales por el formato de audio o la velocidad de reproducción. Solo pagas por lo que generas. Si una solicitud falla, el importe se devuelve íntegramente, asegurando que no pierdas saldo por errores técnicos.

  • Sin cuotas mensuales fijas
  • Sin cargos por formato (mp3, wav, opus, flac, pcm)
  • Sin costes por ajuste de velocidad (0.25–4.0x)
  • Reembolso automático en fallos de síntesis

Casos de uso en turismo y cultura

Ilustración de onda de sonido para: Casos de uso en turismo y cultura

La API de AudioMuseo simplifica la creación de contenido auditivo para instituciones culturales, permitiendo generar narraciones profesionales sin necesidad de estudios de grabación costosos ni equipos especializados.

Audioguías para visitas guiadas

Genera archivos de audio para puntos específicos de una exposición enviando texto a la API. Con límites de 4096 caracteres por solicitud, puedes dividir guías largas en segmentos manejables y unirlos para crear recorridos completos.

  • Texto a audio en segundos para visitas autoguiadas
  • Integración sencilla con reproductores turísticos estándar
  • Velocidad ajustable (0.25–4.0) para adaptarse a diferentes públicos

Contenido digital para museos virtuales

Crea narraciones para experiencias digitales sin costes de almacenamiento, ya que el audio se devuelve en la respuesta y no se almacena en nuestros servidores. Ideal para webs museísticas o aplicaciones educativas.

  • Sin almacenamiento persistente de los archivos generados
  • Compatible con formatos MP3, WAV, OPUS, FLAC y PCM
  • Integración mediante SDK estándar o HTTP

Narraciones para puntos de información

Provee contenido auditivo multilingüe para centros de información turística. Soporta 23 idiomas, permitiendo atender a visitantes internacionales con la misma calidad de voz, ya sea en español, inglés, francés o alemán.

  • Soporte para 23 idiomas incluyendo turco, ruso y japonés
  • Detección automática o configuración manual del idioma
  • Voces claras y naturales para alta legibilidad
Casos de uso en turismo y cultura

Calidad y características técnicas

Ilustración de onda de sonido para: Calidad y características técnicas

La síntesis de voz genera audio natural que evita el sonido robótico típico de los sistemas antiguos. Las voces se basan en grabaciones con licencia de LibriTTS-R y lecturas de dominio público de LibriVox, garantizando una base de calidad probada para narraciones de museos.

Cada archivo generado contiene una marca de agua auditiva invisible que identifica el contenido como voz sintética. Esta característica asegura la transparencia en el uso del audio sin afectar la experiencia del visitante durante la visita guiada.

Voz natural sin sonido robótico

El motor utiliza modelos tts-1 y tts-1-hd con la misma calidad y precio. El resultado es una narración fluida y clara, adecuada tanto para audioguías físicas como para contenido digital en museos virtuales.

Marcas de agua auditivas en los archivos

Se añade una marca de agua inaudible a cada archivo generado. Esto permite identificar fácilmente el origen del audio como voz generada por IA, manteniendo la integridad de la información entregada al usuario final.

Velocidad ajustable para cada necesidad

Puedes ajustar la velocidad entre 0.25x y 4.0x. Esto permite adaptar la velocidad de narración a diferentes contextos, desde explicaciones detalladas hasta resúmenes rápidos en puntos de información turísticos.

  • Rango de velocidad: 0.25x a 4.0x
  • Adaptación a contextos de visita o digital
  • Mismo motor para tts-1 y tts-1-hd

Ventajas para equipos sin programadores

Ilustración de onda de sonido para: Ventajas para equipos sin programadores

La gestión de tu proyecto de audioguías es directa: al registrarte en /get-api-key/, obtienes tu clave API y ves el saldo restante. No hay configuraciones complejas de servidores ni infraestructura adicional que mantener.

Interfaz sencilla para gestionar claves

La página de tu cuenta muestra claramente la clave activa, el balance y los caracteres disponibles. Si necesitas renovar la seguridad, puedes emitir una nueva clave instantáneamente, invalidando la anterior sin interrupciones en tus servicios.

Ejemplos listos para copiar y pegar

Accede a documentación técnica que incluye ejemplos de código listos para usar. Puedes utilizar la SDK oficial de OpenAI simplemente ajustando la URL base a nuestra API, facilitando la integración sin necesidad de expertos en programación.

Sin necesidad de servidores adicionales

Todo el procesamiento de voz ocurre en la nube. No necesitas instalar software ni mantener hardware propio en tus museos o puntos turísticos. Solo envía el texto y recibe el archivo de audio listo para reproducir.

Proceso de pago y recarga

Ilustración de onda de sonido para: Proceso de pago y recarga

La recarga de saldo se realiza exclusivamente mediante USDT en la red TRON (TRC-20). Este método evita intermediarios bancarios y permite gestionar tu cuenta directamente, sin necesidad de suscripciones mensuales ni facturación con IVA.

Pago con USDT en red TRON

Envía la cantidad deseada a tu dirección de billetera TRON única. No se aceptan tarjetas, PayPal ni otros métodos. La credited automática asegura que tu API esté lista para usarse en minutos tras la transferencia.

  • Red exclusiva: TRON (TRC-20)
  • Sin intermediarios bancarios
  • Proceso directo y verificable

Recarga mínima de 5 dólares

El importe mínimo para realizar una recarga es de 5 dólares. Esta cantidad es suficiente para generar miles de caracteres de audio, ideal para probar la calidad del servicio antes de comprometerse con volúmenes mayores.

Saldo sin fecha de caducidad

El crédito acumulado en tu cuenta no tiene fecha de vencimiento. Puedes recargar cuando necesites y utilizar el saldo en cualquier momento, lo que facilita la planificación de tus proyectos de audioguías a largo plazo.

Proceso de pago y recarga

Soporte y atención al cliente

Ilustración de onda de sonido para: Soporte y atención al cliente

El soporte para AudioMuseo se centra en la claridad y la autonomía, eliminando barreras para equipos de museos sin experiencia técnica. No ofrecemos chat en vivo ni atención telefónica, lo que garantiza respuestas documentadas y precisas. Toda la asistencia se realiza exclusivamente por correo electrónico, asegurando que cada consulta quede registrada y sea trazable para tu equipo de curadores o gestores culturales.

Atención por correo electrónico

Envía tus dudas sobre integración o facturación a nuestro equipo de soporte. No hay números de teléfono ni chats en vivo para agilizar la gestión de incidencias técnicas. Recibirás respuestas por escrito que puedes archivar junto con la documentación de tu proyecto museístico.

Esta modalidad es ideal para equipos que prefieren tener un registro claro de las soluciones aplicadas a sus audioguías digitales o sistemas de información turística.

  • Comunicación 100% por correo electrónico
  • Sin chat en vivo ni teléfono
  • Respuestas documentadas y trazables

Documentación técnica detallada

Accede a ejemplos listos para copiar y pegar en nuestra sección de documentación. Aunque no programadores, puedes utilizar nuestros endpoints REST estándar compatibles con SDKs de OpenAI, modificando solo la URL base.

La documentación incluye instrucciones claras para generar audio con las voces seleccionadas, ajustando parámetros como la velocidad o el formato de salida sin necesidad de servidores adicionales.

  • Ejemplos de código listos para usar
  • Compatibilidad con HTTP estándar y SDKs conocidos
  • Guías paso a paso para la integración

Política de privacidad y uso de datos

Tus textos se utilizan únicamente para generar el audio y no se emplean para entrenar modelos de inteligencia artificial. Los archivos de audio generados se entregan en la respuesta inmediata y no se almacenan en nuestros servidores tras la entrega.

Conservamos únicamente los metadatos de la solicitud (tiempo, número de caracteres y estado) estrictamente para fines de facturación y control de límites de uso, garantizando la transparencia en tu cuenta.

Esta política asegura que el contenido narrativo de tus exposiciones o audioguías permanezca privado y bajo tu control total.

  • Textos no usados para entrenamiento
  • Audio no almacenado tras la entrega
  • Metadatos conservados solo para facturación

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Disfruta del recorrido mientras escuchas las historias más fascinantes de cada sala en tu propio idioma.

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. Node.js documentation
  3. IETF RFC 7845: Ogg Opus
  4. LibriVox public-domain audiobooks
  5. FFmpeg documentation
  6. curl documentation
  7. openai-python on GitHub
  8. openai-node on GitHub
  9. TRON developer hub: TRC-20
  10. W3C WAI: making audio and video accessible
  11. LibriTTS-R paper (arXiv 2305.18802)
  12. Creative Commons Attribution 4.0

Más en este sitio