Preguntas frecuentes
¿Qué voz es mejor para un museo de historia?
Atlas es ideal para museos de historia por su tono neutral y claro, perfecto para información factual. Orion aporta la profundidad adecuada para documentales, mientras que Luna ofrece una narrativa más suave y cercana. Todas las voces soportan los 23 idiomas disponibles sin pérdida de calidad, adaptándose al estilo expositivo de tu proyecto.
¿Cuál es la diferencia entre tts-1 y tts-1-hd?
Ambos modelos usan el mismo motor y tienen idéntico precio ($0,01 por mil caracteres). La única diferencia es la etiqueta model en la API; puedes usar tts-1 o tts-1-hd indistintamente, ya que el costo y la calidad del audio generado son exactamente iguales. No existe variación técnica entre ambas opciones al enviar la solicitud.
¿Se pueden combinar varias voces en una audioguía?
Sí. La API genera un archivo por solicitud, con un límite de 4096 caracteres por fragmento. Asigna la voz deseada a cada parte mediante llamadas POST separadas. Finalmente, une los archivos resultantes manualmente o con una herramienta externa para crear la audioguía completa.
¿Qué formato de audio ocupa menos espacio?
OPUS ofrece la mejor compresión disponible. Puedes elegir entre MP3, WAV, FLAC o PCM según tus necesidades. Para audioguías, OPUS o MP3 son recomendables para optimizar el almacenamiento y la velocidad de carga en los dispositivos de los visitantes.
¿Es natural la voz de Aria para niños?
Aria es una voz femenina con timbre cálido y claro, ideal para narración general. No está diseñada específicamente para imitar voces infantiles, ya que se trata de un preset fijo basado en grabaciones licenciadas. La API no ofrece ajuste de tono ni clonación de voces personalizada, por lo que si necesitas un registro infantil, deberás utilizar herramientas externas.
¿Puedo usar la voz de Milo para un tour guiado?
Sí. Milo es una voz masculina, amigable y conversacional, ideal para audioguías. Configúrala mediante el parámetro voice en la solicitud POST a https://api.get68f.com/v1/audio/speech. Incluye tu texto (máx. 4096 caracteres) y la clave API en el cuerpo JSON. El servicio devuelve el archivo de audio listo para integrar en tu experiencia turística, aunque requiere conocimientos técnicos básicos para construir la petición JSON y manejar la respuesta.
¿Cuántos idiomas se pueden mezclar en una ruta?
La API soporta 23 idiomas. Puedes mezclarlos en una misma ruta definiendo el campo language en cada solicitud individual. Si no se especifica, el sistema adivina el idioma por el script (el texto en latín por defecto es inglés), pero es recomendable definirlo explícitamente para evitar errores en textos en latín que no sean inglés.
¿Qué velocidad es ideal para visitas guiadas?
La velocidad estándar es 1.0, ajustable entre 0.25 y 4.0. Para audioguías, 1.0 es ideal para claridad. Recuerda que el procesamiento es asíncrono y las peticiones se ejecutan en cola, por lo que tiempos altos pueden generar espera. El audio resultante mantiene una duración proporcional a la velocidad seleccionada, sin streaming.
¿Las voces suenan igual en todos los dispositivos?
Sí. La API devuelve archivos de audio estándar (mp3, wav, opus, flac o pcm) compatibles con cualquier reproductor, sin necesidad de streaming ni dependencias específicas. La calidad percibida depende del codec y del dispositivo, no de la voz. Cada archivo incluye una marca de agua invisible que identifica el audio como síntesis artificial, sin afectar su reproducción en móviles, web o hardware de audioguías.
¿Se puede ajustar el tono de la voz?
No, la API no permite ajustar el tono (pitch) ni la modulación emocional en tiempo real. Puedes controlar la velocidad (0.25–4.0) y elegir entre 8 voces predefinidas. Para variar el tono, edita el archivo de audio generado con software externo.
¿Qué significa que las voces tienen licencia CC BY?
Las voces provienen de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox. Cada archivo generado incluye una marca de agua inaudible que lo identifica como voz sintética. Aunque no es obligatorio atribuir explícitamente a AudioMuseo, es recomendable mencionar el uso de tecnología TTS en tus proyectos.
¿Es audible la marca de agua en las voces?
No, la marca de agua es inaudible. Cada archivo de audio generado incluye una señal inaudible que identifica el contenido como voz sintética. Esto no afecta la calidad del sonido ni interfiere con la narración de tus audioguías, garantizando una experiencia inmersiva y profesional para los visitantes de museos y proyectos turísticos sin señales perceptibles durante la reproducción.
¿Cuántas voces hay disponibles en total?
Disponemos de 8 voces predefinidas: Aria, Nova, Luna y Sage (femeninas); Felix, Milo, Atlas y Orion (masculinas). Cada una tiene un estilo distintivo. Puedes seleccionar la voz mediante el parámetro voice en tus solicitudes a la API. Todas las voces pueden hablar los 23 idiomas soportados, incluido el español, sin necesidad de programación adicional.
¿Se puede cambiar la voz después de generar el audio?
No. La API genera un archivo de audio definitivo; no existe un endpoint para modificar la voz de un archivo ya creado. Para cambiar la voz, debes realizar una nueva solicitud POST con el mismo texto, especificando el parámetro voice deseado. Cada generación es un archivo independiente con la voz fija que se indicó en la petición.
Selección de voces según el contexto
La elección de la voz determina la experiencia del usuario en una audioguía. Cada tono debe alinearse con el contenido y el contexto del espacio expositivo para garantizar una escucha clara y adecuada.
Voces narradoras para historia
Aria ofrece un tono cálido y claro, ideal para narrar la historia con naturalidad. Luna aporta un tono suave, adecuado para historias que requieren una atmósfera más íntima o contemplativa.
Voces claras para información práctica
Sage transmite calma y claridad, siendo la opción más segura para instrucciones prácticas. Milo, con su tono amigable y conversacional, también funciona bien para guías rápidos.
Voces dinámicas para zonas interactivas
Nova aporta un tono brillante y enérgico, ideal para zonas interactivas. Atlas, con su neutralidad, puede usarse en contextos donde se busca una voz informativa sin carga emocional.
Voces femeninas recomendadas
La selección de voces femeninas es clave para definir el tono de una audioguía. Cada preset está diseñado para un contexto específico, asegurando que el contenido se escuche profesional y natural, sin requerir conocimientos técnicos avanzados.
Aria: narradora clara y cálida
Aria es ideal para recorridos históricos y narrativas principales. Su tono cálido y claro mantiene la atención del visitante durante explicaciones de arte o historia, ofreciendo una experiencia inmersiva sin fatiga auditiva.
Nova: voz brillante y enérgica
Nova destaca en zonas interactivas o contenido dinámico. Su energía brillante mantiene el ritmo ágil, perfecta para anuncios de eventos, recomendaciones de tienda o rutas rápidas donde se busca captar la atención inmediatamente.
Luna: tono suave para historias
Luna ofrece un tono suave ideal para historias narrativas o espacios de reflexión. Su voz facilita la conexión emocional con el contenido, siendo excelente para relatos históricos detallados o experiencias de audio inmersivo.

Voces masculinas recomendadas
La selección de voces masculinas permite cubrir distintos registros narrativos en una audioguía, desde la objetividad informativa hasta la inmersión histórica. Cada voz está diseñada para un propósito específico, garantizando coherencia auditiva según el tipo de contenido que se reproduce.
Atlas: neutral para noticias
Atlas ofrece un tono neutral ideal para paneles informativos, horarios o avisos logísticos. Su claridad asegura que el visitante reciba datos prácticos sin distracciones emocionales, manteniendo la objetividad necesaria en la comunicación institucional.
Milo: amigable y conversacional
Milo aporta un tono cercano y natural, perfecto para explicaciones de obras o anécdotas breves. Su estilo conversacional facilita la conexión con el público, haciendo que la visita se sienta más personalizada y menos rígida.
Orion: profundo para documentales
Con un registro grave, Orion es la opción estándar para documentales o contextos históricos solemnes. Su profundidad añade autoridad y seriedad al contenido, ideal para narraciones que requieren un tono más cinematográfico o reflexivo.
Comparativa de formatos de audio
La elección del formato de audio afecta directamente la experiencia del usuario y la eficiencia de almacenamiento en tus audioguías digitales. Cada formato ofrece un equilibrio distinto entre calidad sonora, tamaño de archivo y compatibilidad con los dispositivos de los visitantes.
MP3: equilibrio entre calidad y tamaño
El formato MP3 es la opción estándar para la mayoría de las audioguías de museos. Ofrece una buena relación entre claridad de voz y compresión, lo que permite cargar contenido rápido sin ocupar demasiado espacio en los servidores o dispositivos móviles de los usuarios.
WAV: máxima calidad sin compresión
El formato WAV proporciona audio sin compresión, preservando la fidelidad original de la síntesis. Es ideal para instalaciones fijas o situaciones donde la calidad sonora es prioritaria y el tamaño del archivo no es una limitación crítica para la infraestructura del museo.
OPUS: tamaño reducido para redes lentas
OPUS minimiza el tamaño del archivo manteniendo una calidad de voz aceptable. Es la mejor opción para distribuir audioguías por internet o en áreas con conectividad limitada, asegurando que el contenido se descargue rápidamente incluso en conexiones móviles lentas.
Velocidad de narración ideal
La velocidad de narración es un factor clave para la comprensión en entornos museísticos. Con un rango ajustable entre 0.25 y 4.0, puedes adaptar la voz a la densidad de información y al tipo de audiencia.
Una configuración equilibrada asegura que los visitantes absorban la información sin fatiga auditiva. La API permite ajustar este parámetro en cada solicitud para optimizar la experiencia según el contexto.
Velocidad estándar para turismo
Para recorridos generales, una velocidad cercana a 1.0 ofrece un ritmo natural similar al de una audioguía profesional. Esto facilita la comprensión sin apresurar la lectura de los textos históricos.
Esta configuración es ideal para la mayoría de las visitas guiadas, manteniendo un equilibrio entre claridad y dinamismo.
- Ritmo natural y cómodo para la mayoría de los usuarios.
- Ideal para textos informativos de longitud media.
Ajuste lento para personas mayores
Reducir la velocidad a valores inferiores a 1.0 (hasta 0.25) beneficia a personas con dificultades auditivas o de procesamiento. Una narración más pausada mejora la retención de detalles complejos.
Es recomendable para zonas con fondos acústicos o para textos con terminología específica.
Permite que cada palabra sea claramente distinguible, evitando la sensación de prisa.
- Valores entre 0.25 y 0.8 para mayor claridad.
- Mejora la accesibilidad en espacios con ruido ambiente.
Velocidad rápida para contenido digital
Para contenido complementario o pantallas de información rápida, velocidades superiores a 1.0 (hasta 4.0) permiten consumir más datos en menos tiempo.
Es útil para textos breves o para usuarios que ya conocen el contexto y solo buscan datos concretos.
Ajusta la velocidad según la complejidad del texto; textos técnicos pueden requerir velocidades más bajas incluso en modo rápido.
- Ritmo acelerado para información secundaria o de referencia.
- Apto para usuarios que prefieren velocidad sobre detalle.
Idiomas para audioguías internacionales
La API de AudioMuseo ofrece soporte nativo para 23 idiomas, lo que permite a los museos atender a visitantes internacionales sin necesidad de contratar múltiples proveedores de voz. El sistema detecta automáticamente el idioma a partir del guion, aunque se puede forzar una configuración específica mediante el código ISO si es necesario, evitando errores comunes con textos en latín que no son inglés.
Esta capacidad multilingüe elimina la barrera de la complejidad técnica. Los gestores de museos pueden generar audioguías en español, inglés, francés, alemán, chino, japonés, coreano, swahili y otros idiomas con la misma facilidad. Todos los idiomas utilizan las mismas voces predefinidas, manteniendo una consistencia auditiva en toda la experiencia del visitante, independientemente de la lengua seleccionada.
Español y inglés como básicos
El inglés y el español son fundamentales para la mayoría de los sitios turísticos. Las voces como Aria o Atlas garantizan una pronunciación clara y natural para audiencias angloparlantes e hispanohablantes, que representan la mayor parte del tráfico internacional en la mayoría de los museos.
La detección automática funciona con alta precisión para estos idiomas, pero se recomienda verificar la configuración de language si el texto contiene mezclas complejas para asegurar que la voz seleccionada pronuncie correctamente los acentos y la entonación específicos de cada idioma.
- Soporte nativo para inglés y español.
- Detección automática precisa basada en el guion.
- Voces optimizadas para claridad turística.
Francés y alemán para Europa
Para instituciones en Europa, el francés y el alemán son esenciales. Las voces como Nova o Felix ofrecen un tono dinámico adecuado para explicaciones históricas o culturales. La API maneja correctamente las particularidades fonéticas de estos idiomas sin necesidad de ajustes manuales de fonética.
La disponibilidad de estos idiomas permite a los museos cumplir con los estándares de accesibilidad y servicio internacional en regiones de habla germana y francófona, ofreciendo una experiencia fluida que rivaliza con grabaciones profesionales tradicionales.
- Francés y alemán nativos.
- Calidad auditiva comparable a grabaciones profesionales.
- Ideal para turismo en Europa.
Idiomas asiáticos y africanos soportados
La API incluye soporte para chino, japonés, coreano, malayo, swahili y turco, entre otros. Esto permite a los museos atender a visitantes de Asia y África con la misma calidad de audio que para los idiomas europeos principales. Cada idioma utiliza las mismas ocho voces, adaptando la entonación y el ritmo a las reglas lingüísticas correctas.
El soporte para swahili y otros idiomas menos comunes expande significativamente el alcance de las audioguías, permitiendo una inclusión real de visitantes diversos sin costos adicionales por idioma, ya que el precio se basa únicamente en los caracteres procesados.
- Chino, japonés y coreano disponibles.
- Soporte para swahili y malayo.
- Misma calidad en todos los idiomas.
Optimización de costes por formato
La estructura de precios de AudioMuseo es sencilla y transparente: se cobra $0,01 por cada 1.000 caracteres, independientemente de que elijas MP3, WAV, OPUS o FLAC. Esto elimina las sorpresas en la facturación, ya que el coste de generación es uniforme sin importar el formato elegido. Cada carácter, incluido el espacio, cuenta para el cálculo final.
Si una síntesis falla, el cargo se devuelve íntegramente. Este mecanismo protege tu presupuesto en caso de errores técnicos momentáneos. No hay tarifas ocultas por el tipo de salida ni costes adicionales por la calidad del archivo, lo que facilita la previsión de gastos para proyectos de audioguías de cualquier escala.
Coste idéntico en todos los formatos
El precio por carácter es fijo en todos los formatos soportados (mp3, wav, opus, flac, pcm). Esto significa que puedes experimentar con diferentes calidades de audio sin impactar tu presupuesto operativo.
La transparencia en el cobro permite calcular exactamente cuántos caracteres puedes generar con tu saldo actual o con la recarga mínima de USDT.
- Un solo precio base: $0,01 por 1.000 caracteres.
- Aplicable a tts-1 y tts-1-hd.
- Sin peajes por formato de salida.
Ahorro de espacio con OPUS
Aunque el coste por carácter es idéntico, el formato OPUS ofrece una compresión superior que reduce significativamente el tamaño del archivo final. Esto es ideal para museos con conexiones de red limitadas o para audioguías distribuidas vía QR en zonas con señal débil.
El ahorro se manifiesta en el ancho de banda y el almacenamiento, no en el precio de la API. Tus archivos ocupan menos espacio en tus servidores o en la app de visita guiada.
- Archivos más ligeros para carga rápida.
- Ideal para entornos con datos limitados.
- Misma calidad percibida con menos bytes.
Cobro por carácter independientemente del formato
El consumo se mide por la longitud del texto de entrada, no por la duración o el peso del audio resultante. Un texto de 4.000 caracteres costará lo mismo en WAV que en MP3.
Este modelo facilita la estimación de costes: solo necesitas contar los caracteres de tus guiones. Las solicitudes fallidas se devuelven íntegramente, asegurando que solo pagas por audio entregado con éxito.
- Medición basada en caracteres de entrada.
- Peso del archivo no afecta al precio.
- Reembolso automático en fallos.

Calidad de voz y naturalidad
Las voces de AudioMuseo se generan a partir de grabaciones con licencia de LibriTTS-R, basadas en lecturas de audiolibros de dominio público de LibriVox. Esta fuente garantiza una calidad de voz natural y consistente, ideal para la narrativa de museos.
Voces basadas en grabaciones con licencia
El modelo utiliza muestras licenciadas bajo CC BY 4.0, asegurando que la síntesis mantenga la naturalidad sin requerir intervención manual en la grabación. Esto permite una escalabilidad inmediata para grandes volúmenes de contenido turístico.
Marcas de agua en el audio generado
Cada archivo de audio generado incluye una marca de agua inaudible que identifica claramente el contenido como voz sintética. Esta marca no afecta la experiencia del usuario pero facilita la trazabilidad del material generado.
Sin sonidos robóticos evidentes
Los motores tts-1 y tts-1-hd producen una síntesis fluida que evita los sonidos robóticos típicos de tecnologías antiguas. La naturalidad es suficiente para audioguías donde la claridad y el tono emocional (según la voz elegida) son prioritarios.
La ausencia de artefactos robóticos asegura que el visitante se centre en el contenido histórico o cultural sin distracciones auditivas innecesarias.
Recomendaciones para museos pequeños
Para museos pequeños, la consistencia auditiva es clave para no distraer al visitante. Utilizar una única voz en todas las audioguías garantiza una identidad sonora uniforme, evitando que el público perciba la experiencia como fragmentada o poco profesional.
El formato MP3 ofrece el equilibrio ideal entre calidad y tamaño de archivo, asegurando una reproducción fluida en la mayoría de los reproductores y dispositivos móviles sin ocupar espacio excesivo en el servidor.
Uso de una sola voz para coherencia
Mantener un solo narrador en toda la colección refuerza la marca del museo. Esto simplifica la gestión técnica, ya que solo necesitas configurar un parámetro de voz en tu integración API.
Formato MP3 para máxima compatibilidad
El formato MP3 es ampliamente soportado por reproductores de audioguías y aplicaciones móviles. Su compresión ligera facilita la descarga rápida, incluso con conexiones de datos móviles variables en zonas de alta densidad.
Prueba con el crédito gratuito inicial
Al registrarte con Google, se obtienen 0,50 $ de crédito válido durante 7 días. Esto permite generar hasta 50.000 caracteres para validar la calidad de audio sin compromiso financiero.
- Crédito válido por 7 días tras registro con Google
- Equivalente a 50.000 caracteres de texto
Recomendaciones para grandes instituciones
Las grandes instituciones de museos y turismo pueden estructurar sus audioguías asignando una voz específica a cada sección temática. Por ejemplo, utilizar una voz profunda para documentales históricos y otra más enérgica para zonas interactivas mejora la experiencia del usuario y delimita claramente el contenido.
El límite de 60 solicitudes por minuto permite generar archivos de audio de forma continua. Al combinar textos cortos por sección, es posible crear audioguías complejas manteniendo un flujo de trabajo estable sin sobrecargar la API.
Uso de múltiples voces por sección
Es posible mezclar voces en una misma ruta de audioguía. Para una visita guiada completa, se pueden asignar diferentes presets como Atlas para noticias o Aria para narración histórica, generando cada parte por separado y uniéndolas posteriormente.
- Asignar una voz por sección temática para mayor claridad auditiva.
- Utilizar Orion para secciones documentales y Nova para zonas interactivas.
- Mantener coherencia acústica dentro de cada segmento de la visita.
Generación masiva de audioguías
La API permite procesar textos de hasta 4096 caracteres por solicitud. Para audioguías más largas, el sistema divide el texto en partes y une los archivos de audio resultantes. Con un límite de 60 solicitudes por minuto, se puede escalar la producción de contenido para múltiples idiomas o rutas simultáneas.
- Procesar textos largos dividiéndolos en bloques de 4096 caracteres.
- Generar múltiples idiomas en paralelo para instituciones internacionales.
- Monitorear el uso mediante la clave de API para optimizar costos.
Integración con sistemas de visitas guiadas
La integración es sencilla mediante la API estándar, compatible con SDKs de terceros. Los archivos de audio se devuelven en la respuesta y no se almacenan en nuestros servidores, por lo que la institución debe gestionar su propio almacenamiento. Esto facilita la integración con aplicaciones móviles o sistemas de guías existentes.
- Usar la clave de API para autenticar las solicitudes de generación.
- Almacenar los archivos de audio en la infraestructura propia del museo.
- Actualizar textos frecuentes sin necesidad de regenerar todo el contenido.
Gestión técnica básica
La API devuelve el audio directamente en la respuesta y no lo almacena en nuestros servidores. Esto permite una gestión ligera donde cada generación es un archivo independiente.
La responsabilidad de guardar los archivos recae en el cliente o su sistema. No existe un historial nativo en nuestra plataforma.
Almacenamiento de archivos generados
Como la respuesta contiene el archivo de audio directamente, debes implementarlo en tu propia infraestructura. Puedes guardarlo en tu servidor o en un servicio de almacenamiento en la nube.
- Archivos independientes por solicitud
- Sin almacenamiento nativo en AudioMuseo
- Formatos MP3, WAV, OPUS, FLAC o PCM
Actualización de textos frecuentes
Si el contenido de una sala cambia, genera una nueva solicitud. Cada petición crea un archivo de audio nuevo con los caracteres actualizados.
El coste se calcula por carácter. No hay penalización por regenerar el mismo texto si es necesario por correcciones.
Control de versiones de audioguías
Mantén un registro de qué texto corresponde a cada versión de audio. Dado que no guardamos los archivos, tú debes organizarlos por fecha o ID de sala.
Esta estructura te permite revertir a una versión anterior si se detecta un error en la narración o la pronunciación.
- Organización por ID de sala
- Registros de fecha de generación
- Reversión manual de errores

Preguntas frecuentes sobre la selección
Aquí resolvemos dudas comunes sobre la configuración de voz y formato para audioguías.
¿Se pueden mezclar voces en una ruta?
Cada solicitud de la API genera un archivo independiente. Para mezclar voces, debes solicitar cada fragmento por separado y unirlos posteriormente en tu software de edición o reproductor.
¿Es mejor WAV o MP3 para museos?
El coste es idéntico ($0.01 por mil caracteres). El MP3 ofrece mejor equilibrio entre calidad y tamaño de archivo, facilitando la descarga en redes móviles. El WAV es útil si buscas máxima fidelidad sin compresión para estudios de masterización.
¿Cómo se elige la voz más adecuada?
Elige según el tono del contenido: Aria para narración histórica clara, Luna para historias suaves o Atlas para información neutral. Prueba con tu crédito gratuito de $0.50 para comparar resultados antes de generar masivamente.
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
