Preguntas frecuentes
¿Qué voces masculinas ofrece la API para call centers?
Ofrecemos cuatro voces masculinas: Felix (enérgica para promociones), Milo (amigable y conversacional), Atlas (neutral para noticias) y Orion (profunda para documentales). Todas están diseñadas para claridad en entornos de call center. También contamos con opciones femeninas como Aria, Nova, Luna y Sage para complementar tus menús IVR.
¿Es posible usar la API para menús IVR?
Sí, la API es ideal para IVR. Envías texto y recibes un archivo de audio mediante un endpoint POST estándar. Puedes ajustar la velocidad entre 0.25 y 4.0 para adaptarla al flujo de tu menú telefónico. No requiere integración compleja ni SDK propio.
¿Cuánto cuesta el texto a voz masculino?
El costo es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y puntuación cuentan como caracteres. No hay planes mensuales ni cargos fijos; pagas solo por lo que generas, con recargas mínimas de $5.
¿En qué formato se recibe el audio?
Puedes recibir el audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos son estándar y compatibles con la mayoría de los sistemas de telefonía y plataformas de call center. Solo debes especificar el formato deseado en el campo response_format de tu solicitud.
¿Se puede ajustar la velocidad de la voz?
Sí, puedes ajustar la velocidad de la voz entre 0.25 y 4.0. Esto te permite acelerar o ralentizar la voz según sea necesario para tu menú IVR. El ajuste se aplica directamente en la solicitud API mediante el parámetro speed, sin necesidad de post-producción.
¿Qué idiomas soporta la API?
Soportamos 23 idiomas, incluyendo inglés, español, alemán, francés, italiano, portugués, ruso, japonés, chino, coreano, árabe, hindi, turco, polaco, sueco, noruego, danés, finés, griego, hebreo, malayo, swahili y neerlandés. Si no especificas el idioma, se intenta adivinar, pero es recomendable definirlo explícitamente para textos en latín no ingleses.
¿Cómo se realiza el pago con USDT?
El pago se realiza exclusivamente mediante USDT en la red TRON (TRC-20). El monto mínimo es de $5. El saldo se acredita automáticamente en minutos después de la transferencia. No aceptamos tarjetas, PayPal ni facturas con IVA. El saldo no tiene fecha de caducidad.
¿Hay límite de caracteres por solicitud?
Sí, cada solicitud puede contener hasta 4096 caracteres. Para textos más largos, debes dividirlos en partes y unir los archivos de audio resultantes. Los límites de velocidad son de 60 solicitudes por minuto por clave, con un límite inicial de 10 solicitudes por minuto.
¿Qué pasa si la síntesis falla?
Si la síntesis falla, no se realiza ningún cargo. El importe se devuelve íntegramente a tu cuenta. Esto asegura que solo pagues por el audio generado con éxito. Puedes verificar el estado de la solicitud en los metadatos de respuesta para confirmar si fue exitosa o fallida.
¿Se almacena el texto enviado?
El texto enviado se utiliza únicamente para producir el audio y no se usa para entrenamiento. El audio generado se devuelve en la respuesta y no se almacena. Solo conservamos metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación y registro.
¿Puedo usar la API con mi equipo de trabajo?
Sí, la API es ideal para equipos. Cada cuenta tiene una clave API activa que puedes usar desde cualquier lugar. No hay límite de usuarios ni asientos adicionales. Puedes emitir una nueva clave en cualquier momento, invalidando la anterior instantáneamente si es necesario para mayor seguridad.
¿Cuánto tarda en generarse el audio?
La velocidad es aproximadamente de tiempo real: unos 25 caracteres de texto por segundo de audio generado. Las frases cortas pueden tardar unos segundos. Las solicitudes se procesan en secuencia, por lo que bajo carga alta podría haber una cola de espera breve.
¿Ofrecen garantía de disponibilidad?
No ofrecemos garantía de disponibilidad (SLA) ni certificaciones como SOC 2 o HIPAA. El servicio funciona en la nube sin garantía de tiempo de actividad específico. No hay contratos empresariales ni opciones de instalación on-premise. El servicio es proporcional a la disponibilidad de la infraestructura actual.
¿Cómo contacto al soporte?
El soporte se realiza únicamente por correo electrónico. No contamos con número de teléfono, chat en vivo ni soporte presencial. Puedes contactarnos a través de la página /contact/ del sitio. La respuesta se dará por escrito a la dirección de correo que indiques en tu consulta.
Primera solicitud
curl
curl https://api.vipclubmm.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.mp3Voces masculinas para IVR y atención al cliente
Las voces de VozHumana están diseñadas para mantener la claridad y el profesionalismo en sistemas IVR y atención al cliente.
Cada voz masculina ofrece un tono específico para diferentes contextos operativos, asegurando que el mensaje se transmita con la intención adecuada sin requerir ajustes complejos.
Felix: energía para promociones
Felix aporta un tono enérgico ideal para promociones o avisos rápidos que requieren captar la atención del usuario de inmediato.
Milo: conversación amigable
Milo ofrece una voz conversacional y amigable, perfecta para guiar al cliente durante el menú de opciones o en interacciones de soporte inicial.
Atlas: neutralidad informativa
Atlas es una voz neutral y clara, adecuada para la difusión de información operativa, horarios o confirmaciones de estado sin sesgo emocional.
Orion: profundidad documental
Orion cuenta con una voz profunda y grave, similar a la de un documental, que transmite seriedad y autoridad en anuncios institucionales.
Integración sencilla para equipos grandes
VozHumana está diseñada para integrarse sin fricción en la infraestructura existente de tus call centers. No necesitas aprender una API nueva ni contratar a especialistas en desarrollo específicos; tu equipo puede usar las herramientas que ya conoce para conectar los sistemas de voz con tus bases de datos de clientes.
Compatible con SDK de OpenAI
Utiliza las mismas librerías oficiales de OpenAI, modificando únicamente el base_url a https://api.vipclubmm.info/v1 y usando tu clave de API. Esto permite reutilizar el código que ya tengas implementado o adoptar rápidamente el flujo de trabajo estándar de la industria sin adaptar lógica compleja.
Endpoints estándar JSON
La comunicación es directa: envías texto en formato JSON y recibes el archivo de audio. El endpoint principal es POST https://api.vipclubmm.info/v1/audio/speech. Si necesitas verificar la disponibilidad de voces o formatos antes de generar, puedes consultar GET /v1/voices o GET /v1/models.
Gestión de claves por cuenta
Cada cuenta tiene una clave activa que se gestiona desde la sección de configuración. Si detectas un uso inusual o simplemente deseas renovar la seguridad, puedes emitir una nueva clave en cualquier momento; la anterior deja de funcionar de inmediato, sin pasos adicionales de validación.
Múltiples usuarios en un equipo
El sistema está pensado para equipos grandes donde varios desarrolladores o administradores necesitan acceder a la generación de voz. La gestión centralizada de la clave y la compatibilidad con SDK estándar facilitan que varios miembros integren la API simultáneamente sin conflictos de configuración.
Idiomas y capacidades técnicas
La API soporta 23 idiomas, incluyendo español, inglés, alemán, japonés, chino y ruso. El sistema detecta automáticamente el idioma por el script del texto; para textos en latín distintos al inglés, especifica el código ISO. Idiomas como vietnamita, tailandés, indonesio, ucraniano, rumano, checo, bengalí y otros no están soportados.
23 idiomas soportados
El sistema reconoce scripts como el cirílico, árabe o asiático. Idiomas como vietnamita, tailandés, indonesio, ucraniano, rumano, checo, bengalí y otros no están soportados.
Formatos de audio variados
Genera archivos en mp3, wav, opus, flac o pcm. Elige el formato que mejor se adapte a tu infraestructura telefónica para equilibrar calidad y ancho de banda.
Velocidad ajustable
Ajusta la velocidad entre 0.25x y 4.0x. Esto permite adaptar el ritmo de voz a menús IVR rápidos o instrucciones detalladas sin perder claridad.
Manejo de textos largos
Cada solicitud procesa hasta 4096 caracteres. Para textos más extensos, divídelos en partes y une los archivos de audio resultantes para crear anuncios continuos.
Costos transparentes para tu operación
Tu facturación refleja exactamente el volumen de caracteres procesados, con un costo fijo de $10 por cada millón de caracteres. Esto incluye espacios y puntuación, lo que permite predecir el gasto operativo con precisión para centros de llamadas con alto tráfico de IVR.
Pago por uso real
El cobro se genera solo cuando la síntesis se completa exitosamente. Si una solicitud falla, el cargo se devuelve en su totalidad, asegurando que no pagues por servicios no entregados.
Recargas en USDT
Utilizamos únicamente la red TRON (TRC-20) para recargas con un mínimo de $5 USD. Los fondos se acreditan automáticamente en minutos tras la confirmación de la transferencia, sin necesidad de procesadores de pago externos.
Sin costos ocultos
No hay planes mensuales, cargos por asiento ni costos mínimos. El saldo no caduca y puedes emitir una nueva clave API en cualquier momento, deteniendo la anterior al instante.
Crédito de prueba disponible
Al registrarte con Google, recibes $0.50 de crédito (aproximadamente 50,000 caracteres) válido por 7 días. Las cuentas creadas con email y contraseña comienzan sin este crédito inicial.
Calidad sonora y naturalidad
Las voces de VozHumana provienen de grabaciones licenciadas de LibriTTS-R y lecturas de LibriVox, lo que garantiza una calidad auditiva adecuada para tus sistemas IVR. Cada voz mantiene características distintivas sin caer en imitaciones de celebridades, ofreciendo un tono profesional y consistente.
El audio generado incluye una marca de agua inaudible que lo identifica como síntesis, asegurando transparencia. Esta característica, combinada con la claridad vocal optimizada, permite que los mensajes de call centers sean entendidos con facilidad, incluso en entornos con ruido de fondo.
Voces basadas en grabaciones reales
Nuestras voces provienen de grabaciones licenciadas de LibriTTS-R y lecturas de LibriVox. Esto asegura una base acústica sólida y natural, ideal para la escucha prolongada en centrales telefónicas.
Marca de agua sintética
Cada archivo de audio generado lleva una marca de agua inaudible que certifica su origen sintético. Esto es útil para auditorías internas y transparencia ante el usuario final.
Sin imitación de celebridades
No imitamos voces de personas famosas ni políticos. Ofrecemos ocho presets originales (como Felix, Milo, Atlas y Orion) diseñados para claridad y profesionalismo, evitando conflictos de licencia o expectativas erróneas.
Claridad en llamadas
Las voces están optimizadas para la transmisión telefónica. La articulación es nítida, facilitando la comprensión de menús IVR y notificaciones automáticas sin fatiga auditiva para el cliente.

Rendimiento en alta demanda
La API maneja cargas operativas con límites predecibles, ideales para equipos de call centers que requieren consistencia sin sorpresas técnicas.
Entiende que la síntesis de voz requiere recursos de cómputo, por lo que los formatos y tiempos están optimizados para el flujo de trabajo asíncrono.
Límites de velocidad
Cada clave de API soporta hasta 60 solicitudes por minuto. Antes de la primera recarga, este límite se reduce a 10 solicitudes por minuto, lo que permite probar la integración sin saturar el sistema.
- 60 req/min tras recarga
- 10 req/min antes del primer pago
Cola de procesamiento
Las solicitudes se procesan en secuencia. Bajo alta demanda, una solicitud puede esperar en una cola hasta que se libere el recurso. Esto garantiza que cada audio se genere con la calidad establecida sin fallos.
Formatos de salida
Puedes seleccionar entre mp3, wav, opus, flac o pcm según la compatibilidad de tu sistema telefónico. El formato mp3 es eficiente para ancho de banda, mientras que wav ofrece máxima fidelidad para IVR.
Tiempos de respuesta
La velocidad típica es de aproximadamente 25 caracteres de texto por segundo de audio generado. Las frases cortas tardan unos segundos, pero los textos largos pueden tardar más debido a la naturaleza secuencial del procesamiento.
Casos de uso en call centers
VozHumana permite reemplazar las voces robóticas tradicionales en tus sistemas telefónicos con voces naturales y claras, mejorando la experiencia del cliente desde la primera interacción.
Menús IVR automatizados
Implementa menús de voz para IVR utilizando voces como Atlas para un tono neutral o Felix para promociones energéticas. Cada solicitud genera audio con un límite de 4096 caracteres por llamada.
- Voces masculinas optimizadas para claridad
- Integración vía API estándar JSON
- Soporte para 23 idiomas
Notificaciones de espera
Mantén a tus clientes informados sobre tiempos de espera con mensajes dinámicos. Ajusta la velocidad de voz entre 0.25 y 4.0 para adaptarte a la urgencia del mensaje sin perder naturalidad.
- Control preciso de velocidad
- Formatos de audio variados
- Generación on-demand
Respuestas automáticas
Proporciona respuestas inmediatas a consultas frecuentes. El texto se convierte en audio en segundos, permitiendo una interacción fluida. Si la síntesis falla, no se cobra el crédito, asegurando eficiencia operativa.
- Cobro solo por éxito
- Escalable para alto volumen
Anuncios de seguridad
Difunde avisos de seguridad o cambios operativos con la voz clara de Orion o Sage. La marca de agua sintética identifica el audio como generado, manteniendo la transparencia con tus usuarios.
- Marcado de audio sintético
- Claridad en avisos críticos
- Sin almacenamiento de audio
Privacidad y manejo de datos
Nuestro motor de síntesis procesa el texto enviado exclusivamente para generar el archivo de audio correspondiente. Una vez creada la voz, la información lingüística se descarta y no se incorpora a nuestros conjuntos de datos para mejorar ni entrenar futuros modelos de la API.
Texto no usado para entrenamiento
El contenido de tus llamadas y menús IVR permanece aislado. Solo utilizamos la entrada textual para el cálculo inmediato de la síntesis, garantizando que tu material operativo no sirva como base para el desarrollo de nuestra tecnología.
Audio no almacenado
El archivo de audio generado se devuelve en la respuesta de la API y no se conserva en nuestros servidores tras la entrega. Esto asegura que tu contenido de voz no quede archivado indefinidamente en nuestra infraestructura.
Metadatos para facturación
Para garantizar la precisión en tu facturación, conservamos los metadatos de la solicitud, incluyendo la marca de tiempo, la cantidad de caracteres procesados y el estado de la operación. Esta información es estrictamente operativa y se usa solo para verificar el consumo.
Control total del cliente
Tú decides cuándo renovar tu clave API; al emitirse una nueva, la anterior deja de funcionar inmediatamente. Esto te permite invalidar el acceso a tu cuenta en cualquier momento sin plazos de espera ni configuraciones complejas.
Soporte y gestión de cuentas
La gestión de tu cuenta es directa: regístrate en /get-api-key/ con Google o email. El sistema asigna una clave única por cuenta para acceder a la API.
Registro con Google o email
Accede rápidamente con tu cuenta de Google o crea un usuario con email y contraseña. Cada sitio opera cuentas independientes.
Emisión de nuevas claves
Puedes generar una nueva clave de acceso en cualquier momento. La clave anterior deja de funcionar inmediatamente al emitir la nueva, garantizando control total sobre tus credenciales.
- Una clave activa por cuenta
- Invalidación instantánea de la clave anterior
Soporte por correo
Todas las consultas se gestionan mediante soporte por correo electrónico. Es el único canal disponible para asistencia técnica o administrativa.
Sin chat en vivo
No ofrecemos chat en vivo ni línea telefónica. Todo el seguimiento se realiza por email para mantener la operatividad escalable sin costos fijos de personal.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Estas distinciones vocales permiten adaptar el mensaje a la urgencia o calma de la llamada.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
