Genera audio para menús y avisos con nuestra API de texto a voz

Por Equipo editorial de PlatoHabla · Actualizado 2026-11-19

Si gestionas un restaurante o desarrollas para el sector gastronómico, esta página te explica cómo usar nuestra API de texto a voz para convertir menús y avisos en audio real. Aquí encontrarás los detalles técnicos para integrar la solución en tus sistemas, los idiomas disponibles y un ejemplo práctico con cURL para generar tu primera pista de audio en minutos.

Está diseñada para desarrolladores indie y equipos técnicos que buscan una alternativa económica y directa a las grandes plataformas. No hay suscripciones ni complicaciones: solo pagas por los caracteres que usas. Explora cómo adaptar las voces disponibles a tu contexto y empieza a automatizar la lectura de tus menús digitales o las promociones de tu local.

Genera audio para menús y avisos con nuestra API de texto a voz

Preguntas frecuentes

¿Qué es una aplicación para pasar texto a audio?

Q: ¿Qué es la API de texto a voz? A: Es una API en la nube que recibe texto y devuelve un archivo de audio. Envía una solicitud POST con tu texto y obtén el audio generado. Ideal para integrar avisos o menús en tus sistemas de gestión gastronómica sin complicaciones técnicas.

¿Cómo funciona la API de texto a voz para restaurantes?

Envías texto mediante POST a /v1/audio/speech y recibes el archivo. Puedes usar SDKs de OpenAI cambiando la base URL. Para textos largos, se dividen en partes de 4096 caracteres y se unen. La velocidad es aproximadamente tiempo real.

¿Qué voces están disponibles para anuncios de menú?

Hay 8 voces preestablecidas: aria, nova, luna, sage, felix, milo, atlas y orion. Cada una tiene un tono distinto, desde narrador hasta documental. Puedes elegir la que mejor se adapte a la presentación de tus platos o avisos en el local.

¿Es necesario un SDK propio para usar la API?

No, no tenemos SDK propio. La API tiene la misma forma de solicitud que OpenAI, por lo que puedes usar sus SDKs oficiales cambiando la base URL. También funciona perfectamente con solicitudes HTTP directas o librerías estándar de tu lenguaje preferido.

¿Puedo usar la API para generar avisos en tiempo real?

No ofrecemos streaming ni audio parcial en tiempo real. Las solicitudes se procesan una tras otra, por lo que bajo carga pueden esperar en cola. Para avisos, genera el audio con antelación o acepta la latencia de la generación completa.

¿Cuántos idiomas soporta la aplicación?

Soporta 23 idiomas: español, inglés, francés, alemán, italiano, portugués, chino, japonés, coreano, árabe, hindi, ruso, turco, polaco, sueco, danés, noruego, finés, holandés, griego, hebreo, swahili y malayo. Si no especificas el idioma, se intenta adivinar por el script (el texto en latín por defecto es inglés).

¿Qué formato de audio se genera por defecto?

Puedes elegir entre mp3, wav, opus, flac y pcm. Si no especificas el formato, la API devuelve mp3 por defecto. Puedes ajustar la velocidad entre 0.25 y 4.0 para adaptarlo a la velocidad de lectura de tus clientes o empleados.

¿Cuánto cuesta la prueba gratuita?

La prueba gratuita ofrece $0.50 de crédito, equivalente a unos 50 000 caracteres. Es válida durante 7 días y se otorga al iniciar sesión con Google. Si te registras con correo y contraseña, comienzas sin este crédito inicial.

¿Se cobran las solicitudes fallidas?

No, las solicitudes fallidas son gratuitas. Si la síntesis falla, el cargo se devuelve completamente. Solo se cobra por las solicitudes que se procesan con éxito, lo que hace que el uso sea seguro incluso si ocurren errores temporales.

¿Se utiliza el texto para entrenar modelos?

No, el texto de entrada se usa únicamente para producir el audio y no se utiliza para entrenar modelos. El audio generado se devuelve en la respuesta y no se almacena. Solo conservamos metadatos de la solicitud para fines de facturación.

¿Hay límite de caracteres por solicitud?

Sí, cada solicitud puede contener hasta 4096 caracteres. Para textos más largos, debes dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Los espacios y la puntuación cuentan como caracteres dentro de este límite.

¿Se puede cambiar la velocidad de la voz?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0. Esto permite acelerar o ralentizar la voz para adaptarla a diferentes contextos, como anuncios rápidos o narraciones más pausadas. El parámetro se envía en el cuerpo JSON de la solicitud.

¿Qué métodos de pago aceptan para recargar saldo?

Solo aceptamos USDT en la red TRON (TRC-20). El mínimo es $5 y el saldo se acredita automáticamente en minutos. No hay tarjetas, PayPal ni suscripciones. El saldo no expira y puedes emitir una nueva clave de API en cualquier momento.

¿Cuántas solicitudes por minuto puedo hacer?

El límite es de 60 solicitudes por minuto por clave. Antes del primer recargo, el límite es de 10 por minuto. Si hay mucha carga, las solicitudes pueden esperar en cola. Esto asegura un procesamiento ordenado y estable para tu integración.

Primera solicitud

curl

curl https://api.abaje.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Texto a audio para restaurantes

Ilustración de onda de sonido para: Texto a audio para restaurantes

Transforma el texto de tu menú o los avisos del día en audio claro y profesional. Nuestra API de texto a voz permite que los restaurantes y comedores actualicen su contenido sonoro de forma dinámica sin necesidad de grabaciones manuales ni equipos complejos.

Ideal para desarrolladores indie que buscan una integración técnica y económica en sus sistemas de gestión gastronómica, garantizando que la información llegue a los comensales con la claridad adecuada.

Menús digitales dinámicos

Menús digitales dinámicos

Actualiza las descripciones de platos o alérgenos en tiempo real. Envía texto y recibe un archivo de audio listo para reproducirse en pantallas o sistemas de sonido, sin depender de grabaciones estáticas. Los textos largos se dividen en fragmentos de hasta 4096 caracteres y se unen.

Cada solicitud procesa hasta 4096 caracteres, lo que permite incluir descripciones completas de platos o instrucciones detalladas en un solo archivo de audio generado.

  • Generación instantánea de audio a partir de texto
  • Actualización dinámica de menús sin nuevas grabaciones
  • Compatible con sistemas de gestión gastronómica existentes

Avisos en comedores y cafeterías

Comunicad aperturas, cierres o cambios de horario con voces naturales como Aria o Atlas. El sistema detecta el idioma automáticamente, aunque se recomienda especificarlo para textos en latín que no sean inglés.

Los avisos se generan bajo demanda, permitiendo cambios de última hora sin interrupciones en el servicio ni necesidad de personal de estudios de grabación.

  • Avisos automáticos de apertura y cierre
  • Voces neutrales o cálidas según el contexto
  • Sin necesidad de personal de grabación

Promociones de voz alta

Destacad ofertas del día con voces enérgicas como Felix o brillantes como Nova. La velocidad de generación es aproximadamente tiempo real (unos 25 caracteres por segundo), aunque las solicitudes se procesan en cola y pueden esperar bajo carga.

El audio generado incluye una marca de agua inaudible que identifica el contenido como sintético, manteniendo la transparencia sin afectar la experiencia auditiva del cliente.

  • Voces enérgicas para promociones atractivas
  • Generación rápida para actualizaciones en tiempo real
  • Marca de agua sintética incluida

Voces disponibles para tu negocio

Ilustración de onda de sonido para: Voces disponibles para tu negocio

Elige la voz que mejor se adapte al tono de tu restaurante o cafetería. Cada preset está diseñado para transmitir claridad y confianza, desde narradores cálidos hasta presentadores enérgicos.

Aria: Narradora cálida para descripciones

Aria tiene una voz clara y cercana, ideal para leer la descripción de platos o ingredientes con naturalidad. Su tono suave invita a los comensales a prestar atención a los detalles del menú sin resultar invasiva.

Nova: Voz brillante para ofertas

Con un tono brillante y enérgico, Nova es perfecta para anunciar promociones del día o platos especiales. Su ritmo dinámico ayuda a captar la atención rápidamente en ambientes con ruido de fondo.

Atlas: Neutral para noticias del día

Atlas ofrece una voz neutral y profesional, excelente para avisos informativos, cambios de menú o lecturas de precios. Su estilo claro garantiza que la información se entienda sin ambigüedades.

Integración técnica para developers

Ilustración de onda de sonido para: Integración técnica para developers

Integra nuestra API de texto a voz en tus sistemas de gestión gastronómica con un formato de solicitud idéntico al estándar de la industria. Esto facilita la conexión sin necesidad de aprender sintaxis nuevas, permitiendo que los desarrolladores indie conecten menús digitales o avisos en cuestión de minutos.

API compatible con SDK de OpenAI

Utiliza las bibliotecas oficiales de OpenAI cambiando simplemente la base_url a https://api.abaje.info/v1. Tu clave API (tts-...) funciona directamente con el método de speech, manteniendo la misma estructura de objetos JSON que ya conoces.

  • Compatible con SDKs oficiales de OpenAI
  • Cambio mínimo de configuración
  • Mismo formato de payload

Endpoint simple POST

Envía texto y recibe audio mediante una sola llamada POST https://api.abaje.info/v1/audio/speech. Especifica el modelo (tts-1 o tts-1-hd), la voz y el formato deseado (mp3, wav, opus, flac, pcm). Las respuestas son archivos de audio listos para reproducirse.

  • Endpoint único: /v1/audio/speech
  • Formatos: mp3, wav, opus, flac, pcm
  • Autenticación con Bearer token

Soporte multiidioma

Genera audio en 23 idiomas, incluyendo español, inglés, francés, alemán y portugués. Cualquier voz puede hablar cualquiera de estos idiomas. Si no especificas el código ISO del idioma, el sistema lo deduce del script (el texto latino se asume inglés por defecto).

  • 23 idiomas disponibles
  • Voces multiidioma
  • Detección automática de idioma

Idiomas cubiertos

Ilustración de onda de sonido para: Idiomas cubiertos

La API soporta la generación de audio en múltiples idiomas, lo que permite adaptar los menús digitales y los avisos en comedores a las necesidades específicas de tu público. Esto facilita la integración en sistemas de gestión gastronómica sin complicaciones técnicas.

Español, Inglés y Francés

Son idiomas ampliamente soportados para restaurantes y desarrolladores indie. Puedes generar audio claro y natural para descripciones de platos, indicaciones en comedores o promociones, utilizando las voces disponibles como Aria, Nova o Luna.

Alemán y Portugués

El soporte para alemán y portugués permite atender audiencias internacionales o comunidades específicas. La API detecta el idioma automáticamente o puedes especificarlo mediante el código ISO para garantizar la pronunciación correcta en cada solicitud.

23 idiomas disponibles

Disponemos de 23 idiomas en total, incluyendo árabe, chino, japonés, coreano, ruso y turco, entre otros. Cualquier voz puede hablar cualquier idioma de la lista, lo que te da flexibilidad para expandir tus servicios de audio a nuevas regiones sin cambiar de proveedor.

Precios transparentes

Ilustración de onda de sonido para: Precios transparentes

La facturación se basa estrictamente en los caracteres enviados, incluyendo espacios y puntuación. El precio es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Si la síntesis falla, el cargo se devuelve íntegramente.

Al registrarte con Google, recibes un crédito inicial de $0.50 (aproximadamente 50.000 caracteres) válido por 7 días. Las cuentas creadas con correo y contraseña no incluyen este bono. No hay suscripciones mensuales ni mínimos de gasto.

Pago por caracteres

El costo es directo y predecible. Solo pagas por lo que procesas. Para menús extensos o avisos repetidos, el volumen reduce el impacto en tu presupuesto operativo.

  • Precio: $10 por 1 millón de caracteres
  • Costo unitario: $0.01 por 1.000 caracteres

Crédito inicial gratis

Inicia tus pruebas sin compromiso. El bono de $0.50 te permite generar aproximadamente 50.000 caracteres de audio en los primeros 7 días tras el inicio de sesión con Google.

Este crédito es ideal para validar la integración con tus sistemas de gestión gastronómica antes de realizar tu primera recarga.

Sin costes ocultos

No hay planes mensuales fijos, ni cargos por plazas de usuarios ni por infraestructura. El saldo no caduca y puedes recargar cuando necesites.

El único método de recarga es USDT (TRC-20) con un mínimo de $5. No aceptamos tarjetas, PayPal ni emitimos facturas con IVA.

Precios transparentes

Tecnología detrás de la voz

Ilustración de onda de sonido para: Tecnología detrás de la voz

Nuestra voz se construye sobre grabaciones licenciadas de LibriTTS-R (CC BY 4.0) y audiciones de dominio público de LibriVox. Cada archivo generado es el resultado directo de estos activos originales, garantizando una base acústica verificada sin licencias complejas.

Muestras de audio licenciadas

Las voces no son simulaciones aleatorias; están entrenadas sobre muestras reales con licencia clara. Esto asegura que la calidad sonora sea consistente y esté basada en grabaciones licenciadas.

  • Fuente: LibriTTS-R (CC BY 4.0)
  • Base: Grabaciones de LibriVox

Marca de agua sintética

Cada archivo de audio generado lleva una marca de agua inaudible que lo identifica como voz sintética. Esto permite verificar el origen del contenido sin afectar la experiencia del comensal.

Calidad consistente

La generación es determinista para el mismo input. Si usas la misma voz, modelo y texto, obtendrás el mismo resultado.

Limitaciones honestas

Ilustración de onda de sonido para: Limitaciones honestas

Antes de entregarse, el audio se genera completo. No puedes recibir fragmentos de audio mientras se sintetiza.

Ofrecemos 8 voces predefinidas basadas en grabaciones licenciadas. No puedes subir tu propia voz ni clonar la de una persona específica.

Sin streaming en tiempo real

El audio se genera completo antes de entregarse. No puedes recibir fragmentos de audio mientras se sintetiza.

Sin SSML complejo

No soportamos etiquetas SSML, diccionarios de fonemas ni control de pronunciación personalizada. La velocidad se ajusta entre 0.25x y 4.0x, pero no puedes marcar pausas específicas o énfasis en palabras concretas.

Sin clonación de voz

Ofrecemos 8 voces predefinidas basadas en grabaciones licenciadas. No puedes subir tu propia voz ni clonar la de una persona específica.

Inicio rápido

Ilustración de onda de sonido para: Inicio rápido

Comienza a integrar audio en tus sistemas de gestión gastronómica en minutos. Accede a tu clave API desde el panel y utiliza la documentación técnica para realizar tu primera llamada.

Usa el comando cURL proporcionado para generar audio instantáneamente. Ajusta los parámetros según tus necesidades y verifica que el archivo de audio se reciba correctamente.

Obtén tu clave API

Visita la página /get-api-key/ y regístrate con Google o correo electrónico. El panel te mostrará tu clave única y el saldo disponible para empezar.

Prueba con cURL

Copia el ejemplo cURL de la documentación. Reemplaza tu_clave_api con la que obtuviste y ajusta el texto de entrada para probar la integración básica.

  • Endpoint: POST https://api.abaje.info/v1/audio/speech
  • Formato: JSON con campo 'input'
  • Autenticación: Header 'Authorization: Bearer'

Genera tu primer audio

Envía la solicitud y recibe el archivo de audio directamente en la respuesta. Verifica que la calidad sea la esperada para tus menús o avisos.

Una vez confirmado, integra esta llamada en tu aplicación para generar audio dinámico de forma automática.

Soporte y contacto

Ilustración de onda de sonido para: Soporte y contacto

No contamos con teléfono ni chat en vivo; toda la atención se gestiona por correo electrónico. Si tienes dudas sobre tu cuenta o facturación, escríbenos y te responderemos lo antes posible. Para problemas técnicos de integración, nuestra documentación es tu mejor aliada.

Atención por correo electrónico

Somos un equipo técnico independiente, sin intermediarios. Para consultas sobre tu clave API, saldos o problemas con la API, envíanos un email. Es el único canal de soporte disponible.

Documentación técnica

Explora la referencia completa de la API, ejemplos en cURL y guías de integración. Encontrarás cómo configurar el endpoint POST y manejar los formatos de audio fácilmente.

Preguntas frecuentes

Encuentra respuestas rápidas sobre límites de caracteres, idiomas soportados y cómo funcionan los pagos por uso.

  • ¿Cómo se calculan los caracteres?
  • ¿Qué idiomas puedo usar?
  • ¿Es segura la API?

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Su tono relajado acompaña perfectamente los postres, invitando a una pausa tranquila sin prisa.

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. Python documentation
  3. LibriTTS-R corpus (OpenSLR 141)
  4. OpenAI API reference: create speech
  5. MDN: Web Speech API
  6. openai-node on GitHub
  7. IETF RFC 7845: Ogg Opus
  8. openai-python on GitHub
  9. LibriVox public-domain audiobooks
  10. Tether (USDT)
  11. W3C WAI: making audio and video accessible
  12. ISO 639 language codes

Más en este sitio