¿Cómo integrar una API de texto a voz en tus audioguías?

Por Equipo editorial AudioMuseo · Actualizado 2026-11-18

Esta guía explica cómo integrar la API de AudioMuseo para generar audioguías sin programadores. Aprenderás a conectar la plataforma con tus proyectos turísticos, desde la obtención de la clave API hasta la configuración del punto base y la cabecera de autorización. El proceso está diseñado para ser claro y directo, eliminando la complejidad técnica habitual en la integración de voz sintética.

Descubrirás cómo seleccionar voces profesionales, ajustar la velocidad de narración y manejar textos largos divididos por caracteres. También verás ejemplos concretos de solicitudes JSON y cómo validar el audio generado en formatos como MP3. Ideal para equipos de museos que buscan una solución nube fiable, con costes por uso y sin necesidad de infraestructura adicional ni contratos complejos.

¿Cómo integrar una API de texto a voz en tus audioguías?

Preguntas frecuentes

¿Qué es una API en el contexto de museos?

Una API es una interfaz que permite enviar texto y recibir un archivo de audio mediante una solicitud POST. Los museos la usan para generar narraciones de audioguías de forma automatizada, enviando el texto y recibiendo el audio en formatos como MP3 o WAV sin necesidad de software complejo.

¿Necesito saber programar para usar la API?

No necesitas programar. La API acepta solicitudes HTTP estándar compatibles con el formato de OpenAI, por lo que puedes usar herramientas como Postman o comandos curl listos para copiar. No ofrecemos SDK propios ni plugins específicos, pero la estructura simple de enviar texto y recibir audio facilita la integración sin escribir código desde cero.

¿Cuánto tiempo tarda la primera audioguía?

Las frases cortas tardan unos segundos. En textos largos, la generación es aproximadamente en tiempo real (25 caracteres por segundo). Como las solicitudes se procesan secuencialmente, bajo alta carga puede haber una pequeña espera adicional en la cola antes de recibir el audio final.

¿Puedo usar la API en un teléfono móvil?

Sí, aunque no ofrecemos un SDK móvil nativo ni una aplicación propia. La API funciona mediante solicitudes HTTP estándar, accesible desde cualquier dispositivo con conexión a internet. Puedes integrarla mediante código o herramientas de terceros compatibles con peticiones web, sin necesidad de un cliente específico para tu plataforma móvil.

¿Qué es el SDK de OpenAI?

El SDK de OpenAI es una librería de terceros, no nuestro propio SDK. Nuestra API es compatible con él: solo debes cambiar la URL base a https://api.get68f.com/v1. Esto permite usar las herramientas estándar de OpenAI para integrar narraciones en tus audioguías sin necesidad de programadores expertos.

¿Se puede cambiar el texto después de generar el audio?

No. El audio generado es un archivo estático que refleja exactamente el texto enviado en la solicitud. Si necesitas modificar el contenido narrativo, debes realizar una nueva solicitud a la API para generar un archivo de audio diferente con el texto actualizado.

¿Cómo se reproduce el audio generado?

El audio se recibe como un archivo (MP3, WAV, etc.) que puedes reproducir con cualquier reproductor estándar. Para audioguías, puedes alojar estos archivos en un servidor web o integrarlos en una aplicación móvil, reproduciéndolos según la ubicación del visitante o el recorrido establecido.

¿Es necesario un servidor para usar la API?

No necesitas un servidor propio para consumir la API, ya que es un servicio en la nube. Solo necesitas enviar solicitudes a nuestra URL. Sin embargo, para gestionar audioguías complejas o almacenar los archivos generados, podrías necesitar un servidor de alojamiento para los audios resultantes.

¿Qué formato de archivo es MP3?

Es un formato de audio comprimido con pérdida, ampliamente compatible con reproductores móviles, web y dispositivos de audioguía. Ofrece un buen equilibrio entre calidad y tamaño de archivo, lo que facilita su distribución rápida a los visitantes sin ocupar demasiado espacio en sus dispositivos.

¿Puedo usar la API en varios museos a la vez?

Sí. Una clave API permite generar audio desde cualquier lugar. Puedes gestionar audioguías de múltiples museos simultáneamente con la misma cuenta, respetando el límite de 60 solicitudes por minuto por clave. No existe un tope en el número de museos ni en el volumen de contenido que puedas procesar, siempre que te mantengas dentro de la cuota de peticiones permitida por segundo.

¿Qué pasa si se pierde la clave API?

Puedes emitir una nueva clave en cualquier momento desde tu panel de cuenta. La clave anterior deja de funcionar inmediatamente al generar la nueva, lo que garantiza la seguridad. Esto es útil si la clave se compromete o se pierde, sin afectar tu saldo ni datos.

¿Se puede usar la API offline?

No. La API requiere conexión a internet para enviar el texto a nuestros servidores y recibir el audio generado. No hay modo offline ni almacenamiento local de la capacidad de síntesis. Necesitas conexión constante para realizar las solicitudes de texto a voz.

¿Cuántas audioguías se pueden generar por día?

No existe un límite diario de audioguías, solo una velocidad máxima de 60 solicitudes por minuto. Puedes generar todo el contenido que necesites respetando este límite. El costo se calcula por carácter (1 000 caracteres cuestan $0,01), por lo que el volumen total depende de tu saldo disponible y del tiempo de uso.

¿Es segura la API para datos de visitantes?

El texto se usa exclusivamente para generar el audio y no se emplea para entrenamiento. Los archivos se devuelven en la respuesta y no se almacenan, conservando solo metadatos de facturación. La seguridad depende de cómo protejas tu clave API y los dispositivos de reproducción. No ofrecemos garantías de cumplimiento ni certificaciones específicas como GDPR o HIPAA.

Conceptos básicos de la integración

Ilustración de onda de sonido para: Conceptos básicos de la integración

Una API de texto a voz es un servicio en la nube que recibe un texto y devuelve un archivo de audio. Para audioguías, esto significa generar narraciones profesionales sin necesidad de grabar estudios ni contratar locutores para cada cambio de contenido.

La integración permite generar audio bajo demanda o por lotes, adaptando el contenido a los visitantes sin requerir descargas de nuevas versiones de una app nativa. Es una herramienta técnica que convierte información estática en experiencia auditiva.

Qué es una API de texto a voz

Es un punto de conexión web que procesa texto y lo convierte en sonido sintetizado. Envías un mensaje JSON y recibes un archivo de audio listo para reproducirse en cualquier dispositivo móvil o dispositivo de audioguía.

No es una aplicación con interfaz gráfica, sino un motor de procesamiento que opera en segundo plano. Tú controlas el texto y el formato, mientras la API se encarga de la síntesis vocal.

  • Convierte texto plano en audio sintetizado
  • Funciona mediante solicitudes HTTP estándar
  • Genera archivos listos para reproducción

Diferencia entre API y aplicación nativa

Una aplicación nativa empaqueta el audio o el código dentro del dispositivo. Una API genera el audio cuando se solicita. Esto permite actualizar las narraciones del museo sin que los usuarios tengan que descargar nuevas versiones de la aplicación.

La API no inyecta audio en tiempo real dentro de la interfaz de la app, sino que entrega el archivo completo listo para ser reproducido. Es una solución más ligera y flexible para contenido que cambia frecuentemente.

  • API: genera audio bajo demanda
  • App nativa: audio empaquetado o código fijo
  • API: actualizaciones inmediatas sin recargar app

Ventajas de la nube para museos

La infraestructura en nube elimina la necesidad de servidores locales o hardware especializado. Solo necesitas conexión a internet y una clave API para comenzar a generar narraciones para tus visitas guiadas.

Puedes manejar picos de tráfico sin preocuparte por la capacidad de procesamiento. Cada solicitud se procesa en nuestros servidores, permitiéndote escalar desde decenas hasta miles de audioguías diarias sin inversión en hardware.

  • Sin inversión en hardware local
  • Escalabilidad automática bajo demanda
  • Actualización inmediata del contenido

Pasos para obtener acceso

Ilustración de onda de sonido para: Pasos para obtener acceso

Acceder a la API de AudioMuseo es el primer paso para digitalizar tus audioguías sin complicaciones técnicas. El proceso está diseñado para ser directo, permitiendo que gestores de museos o creadores de contenido turístico obtengan las credenciales necesarias en minutos.

Registro en la plataforma

Dirígete a la página de registro y crea tu cuenta. Puedes iniciar sesión de forma inmediata utilizando tu cuenta de Google, lo que te otorga automáticamente un crédito de prueba de 0,50 dólares válido por 7 días. Si prefieres, también puedes registrarte con correo electrónico y contraseña, aunque en este caso no recibirás crédito inicial.

Las cuentas son independientes por sitio, por lo que tu acceso está vinculado específicamente a esta plataforma.

Recuperación de la clave de seguridad

Una vez registrado, accede a tu panel de usuario para obtener tu clave API. La plataforma genera un identificador único que debes usar en tus solicitudes. Tienes una clave activa por cuenta; si la revocas o generas una nueva, la anterior deja de funcionar inmediatamente.

Verificación del saldo disponible

Tu panel muestra claramente el saldo actual y los caracteres restantes. El crédito de prueba permite generar aproximadamente 50.000 caracteres para validar la calidad del servicio antes de realizar cualquier recargo.

Recuerda que el coste es de 0,01 dólares por cada 1.000 caracteres, con cobro solo por solicitudes exitosas.

Pasos para obtener acceso

Configuración técnica básica

Ilustración de onda de sonido para: Configuración técnica básica

La integración técnica se basa en reutilizar las librerías oficiales de OpenAI, ya que el formato de las peticiones es idéntico. No se requiere un SDK propietario ni una instalación compleja; basta con instalar el paquete estándar de Python o Node.js y ajustar la configuración de conexión.

El punto base de la API debe apuntar a https://api.get68f.com/v1. Esta URL única distingue nuestra infraestructura de la de OpenAI, manteniendo intacta la estructura de las solicitudes HTTP y los endpoints como /v1/audio/speech.

Instalación del SDK de OpenAI

Instala la librería openai mediante tu gestor de paquetes habitual. Al utilizar las mismas clases y métodos que la API original, puedes migrar tu código sin reescribir la lógica de generación, solo cambiando la configuración de conexión.

Esta aproximación evita la dependencia de un SDK personalizado, garantizando compatibilidad con entornos de desarrollo estándar y facilitando la integración en aplicaciones web o móviles existentes sin añadir nuevas dependencias propietarias.

  • Compatible con Python, Node.js, Java y Go.
  • Mismo formato JSON que el endpoint estándar de OpenAI.
  • Sin necesidad de descargar librerías adicionales específicas del proveedor.

Punto base de la API

Configura la variable base_url para que apunte a https://api.get68f.com/v1. Esta modificación es el único cambio necesario en la conexión para dirigir las solicitudes al motor de AudioMuseo en lugar del servicio de OpenAI.

El endpoint final para la síntesis se mantiene como /v1/audio/speech. Al modificar solo la URL base, todas las rutas internas se resuelven correctamente sin alterar la estructura de la petición.

  • Base URL: https://api.get68f.com/v1.
  • Endpoint de síntesis: /v1/audio/speech.
  • Mantén el resto de la estructura de la petición idéntica.

Cabecera de autorización correcta

Incluye la cabecera Authorization: Bearer tts-TU_CLAVE_AQUI en cada solicitud HTTP. Esta clave, obtenida tras el registro en /get-api-key/, autentica tu cuenta y permite el consumo de tu saldo.

Asegúrate de que la clave esté activa y tenga fondos suficientes. Una clave inválida o sin saldo devolverá un error de autorización o de cuota, deteniendo la generación del audio de la audioguía.

  • Formato: Authorization: Bearer tts-....
  • Una clave activa por cuenta.
  • Las claves se revocan inmediatamente al emitir una nueva.

Ejemplo de generación de audio

Ilustración de onda de sonido para: Ejemplo de generación de audio

La generación de audio se realiza mediante una solicitud HTTP POST al endpoint /v1/audio/speech. El cuerpo debe contener el texto, el modelo y la voz, respetando el límite estricto de 4096 caracteres por petición.

Cuerpo de la solicitud JSON

Envía un objeto JSON con model ("tts-1" o "tts-1-hd"), input (el texto a narrar) y voice (por ejemplo, "aria"). Incluir response_format como "mp3" es recomendable para audioguías móviles.

Selección de voz y formato

Elige entre 8 voces predefinidas según el tono deseado, como "atlas" para noticias o "nova" para contenido dinámico. El formato MP3 ofrece la mejor relación entre calidad y tamaño de archivo para dispositivos móviles.

Recepción del archivo de audio

La API devuelve el archivo de audio binario directamente en la respuesta. Si la síntesis falla, no se cobra el crédito. Guarda el archivo resultante para integrarlo en tu aplicación o sitio web.

Personalización de la voz

Ilustración de onda de sonido para: Personalización de la voz

La API ofrece ocho voces preestablecidas, cuatro femeninas (Aria, Nova, Luna, Sage) y cuatro masculinas (Felix, Milo, Atlas, Orion). Cada una tiene un registro de tono distinto, desde narrador claro hasta voz profunda para documentales, permitiendo elegir la más adecuada para el tono de la visita guiada.

Elección de tono masculino o femenino

Puedes asignar voces femeninas como Aria o Luna para narraciones históricas suaves, o voces masculinas como Atlas para información logística neutral. La selección depende del estilo deseado para el contenido del museo, sin necesidad de diseño de voz personalizado.

Ajuste de velocidad de narración

La velocidad se ajusta entre 0.25 y 4.0 mediante el parámetro speed. Para audioguías turísticas, una velocidad cercana a 1.0 o ligeramente superior optimiza la comprensión sin perder claridad, adaptándose al ritmo natural de la caminata.

Uso de voces para diferentes personajes

Aunque no hay clonación de voz, puedes asignar voces distintas a diferentes secciones. Por ejemplo, usar Felix para anuncios dinámicos y Milo para explicaciones conversacionales, diferenciando claramente los segmentos de la visita guiada.

Manejo de textos largos

Ilustración de onda de sonido para: Manejo de textos largos

La API tiene un límite estricto de 4096 caracteres por solicitud, lo que incluye espacios y puntuación. Para audioguías con descripciones extensas, es necesario dividir el texto manualmente o mediante tu lógica de código en fragmentos que respeten este tope.

División automática de textos extensos

Debes fragmentar el guion en bloques de máximo 4096 caracteres. Cada fragmento genera un archivo de audio independiente que luego debes concatenar.

  • Mantén el control de los límites de caracteres para evitar errores de solicitud.
  • La división debe respetar la coherencia narrativa de la audioguía.

Límite de 4096 caracteres

Cada petición POST al endpoint solo acepta un máximo de 4096 caracteres. Si superas este número, la API rechazará la solicitud o no generará el audio completo correctamente.

Este límite es fijo y no depende del modelo tts-1 o tts-1-hd utilizado.

Unión de archivos de audio generados

Una vez recibidos los archivos de audio por fragmentos, tu sistema debe unirlos secuencialmente para crear el archivo final de la audioguía. Este proceso puede realizarse mediante herramientas de línea de comandos o librerías de audio en tu servidor.

El resultado es un archivo continuo listo para distribuir en tus dispositivos de audio o app móvil.

Manejo de textos largos

Validación del resultado

Ilustración de onda de sonido para: Validación del resultado

La validación es el paso crítico para asegurar que la narración cumple los estándares de una audioguía profesional. Aunque la API devuelve el archivo inmediatamente, es necesario verificar que la síntesis se haya completado sin interrupciones y que la claridad vocal sea adecuada para el entorno museístico.

Este proceso garantiza que el contenido final sea utilizable inmediatamente en las aplicaciones de visita, evitando errores de reproducción o formatos incompatibles con los dispositivos de los visitantes.

Verificación de la calidad del audio

Reproduce el archivo generado para comprobar que la voz seleccionada (como Aria o Atlas) se entiende claramente. Verifica que no haya silencios extraños ni cortes abruptos en la síntesis.

Asegúrate de que la velocidad (entre 0.25 y 4.0) sea natural para una guía turística. El audio debe sonar fluido, sin pausas artificiales que interrumpan la experiencia del visitante.

  • Escuchar la entonación y el ritmo en el idioma seleccionado
  • Confirmar que no hay distorsión en la voz sintética

Comprobación del formato recibido

Es fundamental comprobar que el formato recibido coincida exactamente con la solicitud inicial (MP3, WAV, OPUS, FLAC o PCM). Si solicitaste MP3 para móviles, el archivo debe tener esa extensión y codificación.

Los formatos como WAV o FLAC son de mayor calidad pero ocupan más espacio, mientras que MP3 optimiza el tamaño sin perder inteligibilidad para la mayoría de los dispositivos móviles.

Descarga del archivo final

Una vez verificada la calidad y el formato, guarda el archivo en tu servidor o carpeta de activos digitales. La API no almacena los audios generados, por lo que la descarga es responsabilidad del usuario.

Asegúrate de que el archivo se descargue completamente antes de integrarlo en tu aplicación de audioguías para evitar archivos corruptos que puedan fallar durante la visita al museo.

  • Guardar en formato MP3 para compatibilidad móvil
  • Verificar que el archivo no esté truncado

Errores frecuentes en la integración

Ilustración de onda de sonido para: Errores frecuentes en la integración

La integración de la API en audioguías puede fallar por errores simples de configuración. Identificar rápidamente estos problemas evita interrupciones en la generación de contenido narrativo para tus proyectos turísticos.

Clave API incorrecta o expirada

El error más común es usar una clave mal copiada o haberla renovado. Al emitir una nueva clave, la anterior deja de funcionar inmediatamente. Verifica que el encabezado Authorization: Bearer tts-... sea exacto.

  • Usa la clave activa en /get-api-key/.
  • Renovar la clave invalida la anterior al instante.

Texto excedido del límite permitido

Cada solicitud acepta un máximo de 4096 caracteres. Si tu guion es más largo, debes dividirlo manualmente en partes y unir los archivos resultantes, ya que la API no lo hace automáticamente.

  • Límite estricto: 4096 caracteres por request.
  • Espacios y puntuación cuentan como caracteres.

Formato de respuesta no soportado

Solo se permiten mp3, wav, opus, flac y pcm. Solicitar otros formatos generará un error. Para audioguías móviles, el MP3 es la opción recomendada por su equilibrio entre calidad y tamaño.

Optimización para audioguías

Ilustración de onda de sonido para: Optimización para audioguías

Para audioguías móviles, el formato MP3 es la opción estándar por su equilibrio entre calidad y peso. Con una velocidad de 1x, la generación se aproxima al tiempo real, facilitando la integración sin latencia perceptible en dispositivos de visitantes.

Reducción del tamaño del archivo

El formato MP3 permite comprimir el audio sin perder inteligibilidad, reduciendo significativamente el peso de los archivos en comparación con WAV o FLAC. Esto optimiza la carga de datos en redes móviles, asegurando que los usuarios puedan descargar las narraciones rápidamente.

  • MP3 es ideal para distribución móvil por su eficiencia.
  • WAV y FLAC ocupan más espacio sin ventaja audible clara para audioguías.

Uso de MP3 para móviles

La compresión de MP3 mantiene la claridad de la voz mientras minimiza el uso de ancho de banda. Esto es crucial para experiencias de audioguía en museos donde la conectividad puede ser intermitente.

Velocidad óptima para turismo

La velocidad por defecto de 1.0x ofrece una narración clara y natural, similar a la lectura humana. Para textos largos, mantener esta velocidad asegura que la duración del audio sea predecible y cómoda para los visitantes.

Prueba de concepto gratuita

Ilustración de onda de sonido para: Prueba de concepto gratuita

La prueba de concepto permite generar la primera audioguía sin inversión previa. Al registrarse con Google, se activa un crédito de $0,50 válido por 7 días, equivalente a 50.000 caracteres.

Este saldo cubre la generación inicial, ya que el coste es de $0,01 por cada 1.000 caracteres. Es suficiente para validar la calidad de la síntesis antes de realizar cualquier recarga.

Uso del crédito de 0,50 dólares

El crédito se otorga automáticamente al iniciar sesión con Google. Cada solicitud consume solo una fracción mínima del saldo, permitiendo varias pruebas con el texto de unaaudioguía estándar.

Si la síntesis falla, el cargo se devuelve íntegramente. Esto asegura que no se pierda crédito por errores técnicos durante la fase de validación.

  • Crédito inicial de $0,50
  • Válido por 7 días
  • Coste: $0,01 por 1.000 caracteres

Generación de la primera audioguía

Envía el texto de la descripción del museo mediante la API. El sistema procesa la solicitud y devuelve el archivo de audio en segundos.

Utiliza las voces disponibles como 'aria' o 'atlas' para un tono profesional y claro, adecuado para contextos turísticos y expositivos.

  • Texto de ejemplo de museografía
  • Generación en formato MP3

Validación del flujo de trabajo

Descarga el archivo resultante y verifica la claridad del audio y la sincronización con el contenido visual.

Confirma que el formato sea compatible con los reproductores de audioguías móviles o estaciones de la visita.

Si el resultado es satisfactorio, puedes proceder a recargar saldo vía USDT para escalar la producción.

Prueba de concepto gratuita

Soporte técnico disponible

Ilustración de onda de sonido para: Soporte técnico disponible

El acceso a la documentación técnica está disponible directamente en /docs/, donde encontrarás referencias de la API y ejemplos prácticos para la integración en audioguías. No hay soporte telefónico ni chat en vivo; toda la asistencia se gestiona exclusivamente por correo electrónico para mantener la simplicidad del servicio.

Esta vía de comunicación permite enviar capturas de pantalla de tus errores de integración o consultas específicas sobre los formatos de audio, recibiendo respuestas detalladas sin la espera de una línea ocupada.

Documentación completa en línea

En /docs/ encontrarás la especificación completa de los endpoints, incluyendo los parámetros para model, voice y response_format. La guía explica cómo ajustar la velocidad de narración entre 0.25 y 4.0, crucial para adaptar el ritmo de las audioguías turísticas a diferentes estilos de visita.

  • Referencia técnica de /v1/audio/speech
  • Guía de códigos de idioma ISO
  • Explicación de límites de caracteres

Envío de consultas por correo

Para cualquier duda sobre facturación, estado de la clave API o problemas de integración, utiliza el formulario de contacto en /contact/. Al no haber chat en vivo ni teléfono, todas las consultas se registran para un seguimiento claro.

El equipo revisa los correos y proporciona soluciones específicas, ya sea para errores de autenticación o ajustes en la generación de audio.

Ejemplos de código listos para usar

La sección de documentación incluye snippets en Python y cURL que puedes copiar y pegar. Estos ejemplos demuestran cómo configurar la base_url de https://api.get68f.com/v1 y enviar la cabecera Authorization: Bearer correcta.

Estos fragmentos están optimizados para el SDK de OpenAI, facilitando la migración si ya utilizas sus librerías estándar en tus proyectos de museos.

  • Snippet cURL para prueba rápida
  • Clase Python con SDK oficial
  • Ejemplo de manejo de errores

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. LibriVox public-domain audiobooks
  3. Creative Commons Attribution 4.0
  4. TRON developer hub: TRC-20
  5. IETF RFC 7845: Ogg Opus
  6. LibriTTS-R paper (arXiv 2305.18802)
  7. MDN: Web Speech API
  8. ISO 639 language codes
  9. FFmpeg documentation
  10. LibriTTS-R corpus (OpenSLR 141)
  11. OpenAI API reference: create speech
  12. W3C WAI: making audio and video accessible

Más en este sitio