Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube donde envías texto y recibes un archivo de audio. Usas POST a /v1/audio/speech con tu clave API. Es ideal para generar avisos o menús digitales sin complicaciones técnicas, integrándose fácilmente en sistemas de gestión gastronómica existentes.
¿Cómo funciona la síntesis de voz?
Envías texto (máx. 4096 caracteres) y una voz en formato JSON. La API procesa la solicitud y devuelve el audio. Si falla, no se cobra. Los textos largos deben dividirse en partes de hasta 4096 caracteres y unirse manualmente.
¿Cuál es la diferencia entre tts-1 y tts-1-hd?
Ambos usan el mismo motor de síntesis y tienen el mismo precio por carácter. La única diferencia es el nombre del modelo en la solicitud. Puedes elegir cualquiera de los dos para generar tus archivos de audio sin variación en el costo.
¿Puedo usar la API para menús en varios idiomas?
Sí, soporta 23 idiomas como inglés, español, francés, alemán, japonés, chino y árabe. Cualquier voz puede hablar cualquier idioma de la lista. Solo debes especificar el código ISO del idioma si usas texto en latino que no sea inglés.
¿Cuánto tarda en generarse un audio?
Típicamente es casi en tiempo real: unos 25 caracteres por segundo. Frases cortas tardan unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga podría haber una pequeña espera. Es rápido para menús digitales estándar.
¿Se puede cambiar la velocidad de lectura?
Sí, puedes ajustar la velocidad entre 0.25 y 4.0. Esto permite adaptar la voz para avisos rápidos o lecturas pausadas en menús digitales. Solo incluye el parámetro 'speed' en tu solicitud JSON para modificar la velocidad de reproducción.
¿Qué formato de audio es mejor para web?
Puedes elegir entre mp3, wav, opus, flac o pcm. Para web, mp3 u opus son ideales por su equilibrio entre calidad y tamaño. El formato se especifica en el campo 'response_format' de tu solicitud API según tus necesidades de reproducción.
¿Necesito saber programar para usarla?
Es una API REST, por lo que requiere enviar solicitudes HTTP. Puedes usar curl o la SDK de OpenAI cambiando la base URL. Es ideal para desarrolladores indie que integran audio en sus sistemas, pero requiere conocimientos técnicos básicos.
¿Cuántas voces diferentes puedo usar?
Hay 8 voces disponibles: aria, nova, luna, sage, felix, milo, atlas y orion. Puedes elegir entre voces femeninas y masculinas con diferentes tonos. Cada solicitud especifica la voz deseada para generar el audio personalizado para tu menú.
¿Las voces tienen acentos específicos?
Las voces son presets basados en grabaciones licenciadas y pueden hablar cualquier idioma soportado. No hay acentos fijos por voz; puedes forzar el idioma mediante el parámetro 'language'. Esto permite flexibilidad para menús multilingües sin limitaciones de acento.
¿Puedo usar la API en mi app móvil?
Sí, puedes usarla desde cualquier lugar que soporte solicitudes HTTP. No hay SDK móvil específico, pero puedes usar la SDK de OpenAI o HTTP directo. Es una solución técnica y económica para integrar audio en aplicaciones de restaurantes.
¿Cómo gestiono textos muy largos?
Debes dividir el texto en partes de hasta 4096 caracteres por solicitud. Luego, une los archivos de audio generados. La API no une automáticamente partes largas, así que tu código debe manejar la concatenación de los fragmentos de audio.
¿Qué pasa si no sé el código del idioma?
Si no especificas 'language', el sistema intenta adivinarlo desde el script. El texto en latino se asume como inglés por defecto. Para otros idiomas en latino, debes establecer explícitamente el código ISO para evitar errores de pronunciación en el menú.
¿Es fiable para uso comercial?
Sí, es una API cloud diseñada para integración técnica. El texto no se usa para entrenamiento y el audio no se almacena. Es fiable para generar avisos y menús, aunque no ofrece SLA ni garantía de disponibilidad empresarial específica.
¿Qué es la síntesis de voz para menús?
La síntesis de voz para menús es una API que transforma el texto del menú en archivos de audio mediante un endpoint HTTP. No se requiere hardware especializado; solo se envía el texto y se recibe el archivo generado.
A diferencia de las grabaciones estáticas, esta solución permite actualizar la voz y el contenido en tiempo real sin volver a estudiar. Los cambios en precios o platos se reflejan inmediatamente en la experiencia del cliente.
Ideal para restaurantes que buscan automatizar la lectura de menús sin complicaciones técnicas, manteniendo un tono profesional y claro.
Definición básica
Es una API de texto a voz en la nube que convierte descripciones de platos en audio. Envías el texto y recibes un archivo de audio listo para reproducirse.
Funciona mediante llamadas HTTP simples, integrándose fácilmente en sistemas de gestión gastronómica sin necesidad de hardware adicional.
- API REST simple
- Entrada: texto
- Salida: archivo de audio
Ventaja sobre grabaciones estáticas
Elimina la necesidad de regrabar todo el menú cuando cambian los platos o los precios. Solo se genera el audio del nuevo contenido.
Mantiene la coherencia auditiva sin depender de la disponibilidad de un locutor para nuevas grabaciones.
- Sin regrabaciones
- Costo reducido
- Flexibilidad total
Actualización dinámica
Los menús del día o las promociones se pueden generar al instante. La API procesa el texto y devuelve el audio rápidamente.
Permite adaptar la voz a diferentes contextos, desde descripciones detalladas hasta avisos urgentes, sin cambiar de sistema.
- Actualización inmediata
- Menús del día
- Promociones dinámicas
Preparación del texto
Antes de enviar cualquier texto a la API, es fundamental asegurarse de que la codificación sea correcta y que los caracteres especiales no interfieran con la síntesis. Una limpieza básica evita errores de formateo que podrían cortar la generación prematuramente o generar artefactos de audio inesperados en los menús digitales.
La API acepta un máximo de 4096 caracteres por solicitud, contando espacios y puntuación. Si tu lista de platos excede este límite, deberás segmentarlo en partes de hasta 4096 caracteres y unir los archivos resultantes para mantener la coherencia del audio final.
Limpieza de caracteres
Asegúrate de que los nombres de los platos estén libres de saltos de línea extraños o símbolos no soportados. La API cuenta espacios y puntuación como caracteres válidos, por lo que mantener el texto limpio optimiza el uso de tu crédito.
Si utilizas nombres extranjeros o términos técnicos, verifica que la codificación UTF-8 sea la correcta para evitar que la voz confunda signos de puntuación con pausas no deseadas.
- Elimina saltos de línea innecesarios entre ingredientes.
- Verifica que no haya caracteres de control ocultos.
- Los espacios y signos de puntuación cuentan como caracteres.
Límite de 4096 caracteres
Cada llamada a la API tiene un límite estricto de 4096 caracteres por objeto de texto. Esto incluye todo el contenido que desees sintetizar en una sola petición, desde el nombre del plato hasta la descripción de sus ingredientes.
Si superas este número, la solicitud fallará o se truncará dependiendo de la implementación. Planifica la longitud de tus menús digitales para que encajen en este bloque único o prepara la lógica de división.
Segmentación de textos largos
Si tu menú es más largo, deberás segmentarlo en partes de hasta 4096 caracteres y unir los archivos resultantes. Este proceso debe hacerse en tu aplicación cliente antes o después de la síntesis, ya que la API no une los audios automáticamente.
Al unir los archivos, ten en cuenta que no habrá silencio entre las secciones si no lo insertas explícitamente. Para menús fijos, generar y cachear estos segmentos al inicio del turno mejora el rendimiento.
Selección de la voz adecuada
Elegir la voz correcta es clave para que el menú digital suene natural y profesional. Cada voz tiene un carácter distinto que se adapta al tipo de contenido que vas a transmitir, desde descripciones detalladas hasta avisos rápidos.
Aria para descripciones
Usa Aria para las descripciones de platos. Su tono cálido y claro es ideal para narrar los ingredientes o el origen de una preparación, ayudando a que el cliente visualice el producto sin distracciones.
Felix para promociones
Felix tiene un carácter energético y es perfecto para anunciar promociones del día. Su tono vivo capta la atención inmediatamente, ideal para destacar ofertas especiales o platos de temporada con un toque dinámico.
Atlas para avisos neutros
Utiliza Atlas para avisos informativos neutros, como horarios de cierre o instrucciones de pago. Su voz equilibrada y clara asegura que la información crítica se transmita con precisión y sin ambigüedades emocionales.
Configuración del idioma
La API detecta automáticamente el idioma a partir del script del texto enviado. Sin embargo, para textos en latín que no sean inglés, es crucial especificar el código ISO para evitar errores de pronunciación.
Configurar el idioma explícitamente asegura que la síntesis sea precisa, especialmente cuando se mezclan términos gastronómicos internacionales o nombres propios que podrían ser interpretados incorrectamente por el algoritmo de detección.
Detección automática
El sistema intenta inferir el idioma basándose en los caracteres del texto de entrada. Si envías texto en español con caracteres estándar, la API lo reconocerá correctamente, aunque es recomendable especificar el código ISO para evitar errores.
Forzar idioma con código ISO
Si la detección falla o quieres asegurar un acento específico, utiliza el campo language en el cuerpo de la solicitud con el código ISO correspondiente (por ejemplo, es para español). Esto elimina ambigüedades.
Importancia en texto latino
El texto latino por defecto se interpreta como inglés si no se especifica lo contrario. Para menús bilingües o con nombres de platos que no son claramente ingleses, forzar el idioma evita que la voz pronuncie las palabras con acento anglosajón.
Esto es vital para mantener la naturalidad en la experiencia del cliente, asegurando que los nombres de los platos se lean con la fonética correcta.
Solicitud API paso a paso
Para generar audio, envía una solicitud POST al endpoint de la API. El cuerpo debe ser un objeto JSON que incluya el modelo, el texto a convertir, la voz seleccionada y el formato de salida deseado.
La autenticación se realiza mediante un token Bearer en el encabezado de la solicitud. Necesitas una clave de API válida que has obtenido al registrarte en la plataforma.
Endpoint POST
Dirige tu solicitud a POST https://api.abaje.info/v1/audio/speech. Este es el punto de entrada principal para generar archivos de audio a partir de texto plano.
Asegúrate de que el método HTTP sea estrictamente POST, ya que otros métodos no están soportados para esta operación de síntesis de voz.
- Método: POST
- URL: https://api.abaje.info/v1/audio/speech
Body JSON necesario
El cuerpo de la solicitud debe contener campos como model ("tts-1" o "tts-1-hd"), input con el texto del menú, voice para la voz elegida y response_format para el tipo de archivo.
El texto no puede exceder los 4096 caracteres por solicitud. Si tu menú es más largo, deberás segmentarlo y unir los archivos resultantes posteriormente.
- model: tts-1 o tts-1-hd
- input: texto hasta 4096 caracteres
- voice: nombre de la voz
- response_format: mp3, wav, etc.
Autenticación con Bearer
Incluye el encabezado Authorization: Bearer <tu-clave-aqui> en cada solicitud. Esta clave única identifica tu cuenta y permite el uso del servicio.
Puedes generar una nueva clave en cualquier momento desde tu panel; la anterior dejará de funcionar inmediatamente, asegurando la seguridad de tu integración.
- Encabezado: Authorization
- Formato: Bearer tts-...
Procesamiento de la respuesta
La API devuelve el archivo de audio directamente en el cuerpo de la respuesta. No se requiere descargar un enlace externo; el contenido binario llega tras el procesamiento.
Este flujo permite integrar la generación de audio en tus sistemas de gestión gastronómica.
Recibir archivo de audio
La respuesta contiene el audio generado. Para menús digitales, esto significa tener el archivo listo para reproducirse inmediatamente en tu interfaz o sistema de avisos.
Guardar formato MP3
Selecciona mp3 en response_format para optimizar el peso del archivo. Es ideal para web y reproducción en dispositivos móviles o pantallas de restaurante.
Manejo de errores
Si la síntesis falla, la carga se devuelve íntegramente. Verifica el código de estado HTTP para gestionar reintentos o notificar al usuario si el texto excede los 4096 caracteres.
Optimización para restaurantes
Los restaurantes gestionan menús con frecuencia variables. Generar el audio al inicio del turno asegura que la voz esté disponible sin latencia durante el servicio. Esto evita demoras en la generación cuando hay alta demanda de solicitudes simultáneas.
Generar al inicio del turno
Planifica las llamadas API antes de la apertura. Así, los archivos de audio estarán listos y cacheados en tu servidor, eliminando la espera de generación en tiempo real para cada comanda o aviso.
Cache de menús fijos
Los platos base no cambian diariamente. Guarda los archivos MP3 generados para estos ítems y reutilízalos. Solo regenera cuando haya variaciones en el precio o la descripción, ahorrando caracteres y costos.
- Almacena los audios en tu servidor local o CDN.
- Vincula el audio al ID del plato en tu base de datos.
- Invalida la caché solo si el texto del ingrediente cambia.
Regenerar platos del día
Los menús del día o las ofertas especiales cambian a diario. Genera estos audios dinámicamente cada mañana. Usa la voz Atlas para avisos neutros o Felix para promociones energéticas, manteniendo la coherencia de tu marca.

Ejemplo práctico con cURL
Para probar la API sin escribir código, usa cURL desde la terminal. Este método es ideal para validar rápidamente la integración con tus sistemas de gestión gastronómica antes de automatizar la generación de menús digitales.
Comando completo
Envía una solicitud POST al endpoint de audio. Reemplaza TUS_CLAVE_AQUI con tu clave API real y ajusta el texto del menú.
- curl -X POST "https://api.abaje.info/v1/audio/speech" \
- -H "Authorization: Bearer TUS_CLAVE_AQUI" \
- -H "Content-Type: application/json" \
- -d "{\"model\": \"tts-1\", \"input\": \"Hoy hay specialidad de paella,\", \"voice\": \"nova\"}"
Explicación de flags
La cabecera Authorization autentica tu cuenta con un token Bearer. El parámetro model selecciona el motor estándar o HD, mientras que voice elige el preset deseado para el tono del aviso.
Salida esperada
La respuesta contendrá el archivo de audio binario en el formato solicitado (por defecto MP3). Si la solicitud falla, recibirás un código de estado HTTP y un mensaje de error descriptivo.
Uso con Python y OpenAI SDK
Para generar audio en tus sistemas de gestión gastronómica, puedes aprovechar la compatibilidad con los SDKs oficiales de OpenAI. Esto permite integrar la API de PlatoHabla en tu flujo de trabajo Python sin necesidad de aprender una librería nueva desde cero.
La integración es directa: solo necesitas instalar el paquete estándar y ajustar la configuración para apuntar a nuestra infraestructura. Esto facilita la automatización de la lectura de menús o avisos durante el turno.
Instalación delcliente
Instala la biblioteca oficial utilizando pip en tu entorno de desarrollo:
pip install openai
- Asegúrate de tener Python 3.7 o superior.
- La biblioteca
openaimaneja la serialización JSON y la autenticación automáticamente.
Código de ejemplo
A continuación, un script básico para convertir un plato del menú en audio:
```python from openai import OpenAI client = OpenAI( api_key="tts-tu-clave-aqui", base_url="https://api.abaje.info/v1" ) response = client.audio.speech.create( model="tts-1", voice="aria", input="Hoy recomendamos la paella mixta", response_format="mp3" ) response.stream_to_file("menu.mp3") ```
- Reemplaza
tts-tu-clave-aquicon tu clave real. - El archivo
menu.mp3se guardará en el directorio actual.
Modificación de base_url
La clave para usar este SDK es modificar la base_url. Al apuntar a https://api.abaje.info/v1, las solicitudes siguen la misma estructura que el endpoint de OpenAI, pero se procesan con nuestro motor y tarifas.
Esto asegura que la autenticación con Bearer tts-... funcione correctamente sin cambiar la lógica de tu aplicación.
Consideraciones de rendimiento
La velocidad de generación depende de la longitud del texto y la carga del servidor. Los textos largos se procesan a un ritmo cercano al tiempo real, mientras que las frases cortas pueden tardar unos segundos en completarse debido a la inicialización del motor de síntesis.
Velocidad de generación
El proceso no es instantáneo. Dependiendo de la complejidad del texto y la disponibilidad del servidor, la latencia varía. Es importante considerar este tiempo de espera si tu aplicación requiere una respuesta inmediata para cada línea del menú.
Cola de solicitudes
Las solicitudes se procesan secuencialmente. Bajo carga, es posible que tu petición entre en una cola de espera antes de comenzar la síntesis. Mantén el límite de 60 solicitudes por minuto para evitar demoras innecesarias en la generación de audio.
Tiempo real aproximado
En textos extensos, la generación ocurre a un ritmo de aproximadamente 25 caracteres de texto por segundo de audio. Esto permite estimar con precisión cuánto tiempo tardará en producirse el audio final para menús completos o listas de platos.
Formatos recomendados
La API ofrece cinco formatos de salida: mp3, wav, opus, flac y pcm. La elección depende del caso de uso, desde la web hasta el procesamiento local.
Cada formato tiene ventajas específicas para la distribución de audio de menús digitales en restaurantes.
MP3 para web
El formato MP3 es ideal para la reproducción en navegadores web y aplicaciones móviles. Ofrece un equilibrio entre calidad y tamaño de archivo, facilitando la carga rápida de menús digitales.
- Ampliamente compatible con todos los navegadores modernos
- Tamaño de archivo reducido para menor consumo de datos
WAV para procesamiento local
El formato WAV es sin compresión y mantiene la máxima calidad de audio. Es perfecto para procesamiento local o cuando se necesita editar el audio generado posteriormente.
- Sin pérdida de calidad
- Ideal para edición posterior
Opus para eficiencia
El formato Opus ofrece una excelente relación calidad-tamaño, especialmente útil para dispositivos con recursos limitados. Es una opción eficiente para la transmisión de audio.
- Alta eficiencia en compresión
- Bajo consumo de CPU
Verificación de calidad
La verificación de calidad es un paso esencial antes de desplegar los audios en tu sistema de gestión gastronómica. Aunque la API genera audio coherente, validar el resultado final asegura que la experiencia del cliente sea fluida y profesional.
Dado que los archivos contienen una marca de agua inaudible que los identifica como voz sintética, la atención debe centrarse en la claridad vocal y la correcta pronunciación de los ingredientes o términos culinarios específicos de tu menú.
Escuchar muestras
Reproduce los archivos generados en diferentes formatos (MP3, WAV) para verificar que la calidad de audio sea clara y sin artefactos molestos. Esto es crucial para menús digitales en pantallas o sistemas de audio ambiente.
Verifica que la voz seleccionada mantenga el tono adecuado, ya sea la calidez de Aria para descripciones o la energía de Felix para promociones.
- Prueba en dispositivos móviles y altavoces del restaurante.
- Verifica el equilibrio entre voz y silencio.
Comprobar acentos
Aunque las voces pueden hablar cualquier idioma del listado, la entonación puede variar. Escucha atentamente si la voz respeta las normas fonéticas del idioma forzado con el código ISO.
Para textos en español o francés, confirma que la entonación suene natural y no artificialmente plana.
- Verifica la coherencia del acento con el idioma objetivo.
- Ajusta si la voz suena muy neutra o forzada.
Validar pronunciación
Revisa que términos culinarios o nombres propios se pronuncien correctamente. Si la API no conoce una palabra específica, podría intentar leerla literalmente.
Asegúrate de que la segmentación de 4096 caracteres no haya cortado palabras de forma abrupta, generando una pronunciación extraña en la unión de los archivos.
- Verifica nombres de platos o ingredientes técnicos.
- Revisa la transición entre segmentos largos.
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.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
