Sobre VozHumana y nuestra API de texto a voz

Por Equipo editorial VozHumana · Actualizado 2026-11-19

Aquí encontrarás información sobre VozHumana y por qué esta API es una opción para equipos de call centers que priorizan la claridad de las voces masculinas en sus IVR. Explicamos el origen de nuestros modelos, cómo gestionamos las licencias de las grabaciones base y qué datos conservamos para tu facturación. Todo transparente, sin letra pequeña.

Este documento está diseñado para que los responsables técnicos y de operaciones entiendan exactamente qué ofrece nuestra solución y qué no. Conocerás los detalles sobre el procesamiento en cola, los límites de velocidad y por qué elegimos un sistema de pago directo por USDT para mantener la simplicidad. Sin promesas exageradas, solo los hechos técnicos que necesitas para tomar decisiones informadas.

Sobre VozHumana y nuestra API de texto a voz

Preguntas frecuentes

¿Quiénes desarrollaron las voces?

Las voces se basan en grabaciones con licencia de LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox. No son voces diseñadas desde cero, sino registros reales utilizados para entrenar nuestro motor de síntesis, garantizando una calidad natural y clara ideal para tus IVR.

¿Las voces son clones de personas reales?

No ofrecemos clonación personalizada de voces ni subidas de audio propio. Las voces son presets fijos basados en grabaciones licenciadas. Cada archivo generado lleva una marca de agua inaudible que lo identifica como síntesis, pero no imita a celebridades ni políticos específicos.

¿Se guarda mi texto enviado?

El texto de entrada se utiliza únicamente para producir el audio y no se usa para entrenar nuestros modelos. El audio generado se devuelve en la respuesta y no se almacena en nuestros servidores después de la entrega, protegiendo la privacidad de tus llamadas.

¿Cuánto tiempo se guardan los datos?

Conservamos los metadatos de la solicitud (hora, caracteres y estado) exclusivamente para fines de facturación y control de uso. No guardamos el contenido del texto ni los archivos de audio generados una vez entregados al cliente, asegurando que la información sea mínima y necesaria.

¿Ofrecen soporte técnico 24/7?

No contamos con soporte telefónico ni chat en vivo. La atención al cliente se realiza exclusivamente por correo electrónico. No ofrecemos garantía de tiempo de actividad (SLA) ni contratos empresariales con tiempos de respuesta garantizados, manteniendo un modelo directo y sin complicaciones.

¿Puedo usar las voces comercialmente?

Sí, puedes usar las voces generadas para tus call centers y IVR. Las voces provienen de fuentes con licencia CC BY 4.0 y dominio público. No hay restricciones adicionales sobre el uso comercial, siempre que utilices la API correctamente y respetes los límites de caracteres.

¿Hay riesgo de demandas por las voces?

Las voces están basadas en grabaciones licenciadas bajo CC BY 4.0 y lecturas de LibriVox en dominio público. Esto minimiza riesgos de derechos de autor. No imitamos a personas reales específicas ni celebridades, lo que reduce el riesgo de demandas por uso de imagen o voz.

¿La API es propietaria o de código abierto?

Cada archivo generado lleva una marca de agua inaudible que lo identifica como síntesis. Esta marca se integra durante la generación del audio y no requiere acción adicional por tu parte, identificando claramente el origen del archivo.

¿Cómo se genera la marca de agua?

Dado que el texto y el audio no se almacenan, no hay contenido que eliminar. Solo conservamos registros de tiempo y estado para cobros. Puedes contactarnos por correo para gestionar la eliminación de tus datos de facturación.

¿Puedo solicitar eliminación de datos?

Operamos de forma digital, gestionando cuentas, pagos y soporte a través de nuestra plataforma web y correo electrónico, sin necesidad de instalaciones físicas para nuestros clientes.

¿Hay sede física de la empresa?

No hay intermediarios ni bots que filtren las consultas. Como somos un equipo independiente, la comunicación es directa y personalizada, asegurando que las dudas técnicas sobre la API sean resueltas por expertos.

¿Quién lee los correos de soporte?

Las voces son ocho presets fijos: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. No se actualizan constantemente ni añaden nuevas voces frecuentemente. Son estables y consistentes, lo que es ideal para mantener la identidad sonora de tus sistemas IVR sin cambios sorpresivos.

¿Las voces están actualizadas?

El texto se utiliza solo para producir el audio y no se usa para entrenamiento. No tenemos certificaciones como SOC 2 o HIPAA. Nuestra política se basa en la minimización de datos: solo guardamos lo necesario para la facturación y el funcionamiento técnico.

Nuestro equipo editorial

Ilustración de onda de sonido para: Nuestro equipo editorial

VozHumana nace de la necesidad práctica de integrar síntesis de voz avanzada en flujos de trabajo de call centers sin complicaciones técnicas. Ofrecemos una API clara para escalar llamadas IVR con voces masculinas naturales como Atlas y Felix.

Nuestro enfoque está en simplificar la integración técnica para equipos grandes, permitiendo generar audio mediante solicitudes JSON estándar sin necesidad de infraestructuras complejas.

Origen del proyecto

Origen del proyecto

VozHumana nace de la necesidad práctica de integrar síntesis de voz avanzada en flujos de trabajo de call centers sin complicaciones técnicas. Ofrecemos una API clara para escalar llamadas IVR con voces masculinas naturales como Atlas y Felix.

Enfoque en call centers

Enfoque en call centers

Nuestro enfoque está en simplificar la integración técnica para equipos grandes, permitiendo generar audio mediante solicitudes JSON estándar sin necesidad de infraestructuras complejas.

Equipo técnico

Equipo técnico

El equipo se centra en mantener la estabilidad de la API y la disponibilidad de las voces optimizadas para IVR.

Soporte por email

Soporte por email

El soporte es exclusivamente por correo electrónico. No ofrecemos chat en vivo ni número de teléfono para consultas técnicas o de facturación.

Licencias de las voces

Ilustración de onda de sonido para: Licencias de las voces

Nuestras voces provienen de interpretaciones licenciadas de audiolibros, garantizando una base natural y clara ideal para centros de llamada.

Utilizamos un modelo de licencias abierto que permite el uso comercial sin complicaciones, manteniendo la calidad de voz sin costos adicionales de regalías.

Origen LibriTTS-R

Las voces se derivan del conjunto de datos LibriTTS-R, una colección específica de grabaciones de audiolibros en inglés seleccionadas por su calidad de audio y claridad vocal.

  • Datos de entrenamiento optimizados para síntesis
  • Enfoque en voces claras para IVR

Licencia CC BY 4.0

El modelo de datos se distribuye bajo la licencia Creative Commons Attribution 4.0 International (CC BY 4.0), lo que permite su uso comercial y modificable, siempre que se atribuya la fuente original.

Grabaciones de LibriVox

Las voces están basadas en grabaciones de libros de dominio público de LibriVox, donde voluntarios narran obras clásicas. Esta fuente garantiza que las voces originales son de dominio público o licencias compatibles.

Derechos de uso

Puedes utilizar las voces generadas para tus llamadas salientes, IVR y sistemas de atención al cliente sin preocuparte por regalías adicionales. La licencia permite el uso en entornos comerciales sin restricciones de volumen.

Política de datos

Ilustración de onda de sonido para: Política de datos

En VozHumana, tratamos tus datos con transparencia y eficiencia. Cuando envías texto a nuestra API, este se utiliza exclusivamente para generar el archivo de audio correspondiente. No guardamos el contenido del texto más allá del tiempo necesario para la síntesis, garantizando que tu información operativa permanezca confidencial durante el proceso.

Texto solo para audio

El texto que proporcionas viaja directamente al motor de síntesis y se convierte en audio sin intermediarios complejos. El texto se utiliza solo para producir el audio y no se usa para entrenamiento.

No uso para entrenamiento

A diferencia de otras plataformas, no utilizamos tu texto ni las grabaciones resultantes para entrenar nuestros modelos de IA. Tus datos son efímeros: entran, se convierten en audio y salen. Esto mantiene la integridad de tu propiedad intelectual y evita que tu contenido se mezcle con otros en futuros modelos.

  • El texto no se usa para mejorar el modelo base.

Audio no almacenado

El archivo de audio generado se devuelve en la respuesta de la API y no se almacena de forma permanente en nuestro sistema. El archivo generado se devuelve en la respuesta y no se almacena. Esto reduce riesgos de privacidad y ahorra espacio de almacenamiento.

Metadatos de facturación

Retenemos únicamente los metadatos necesarios para la facturación y el control de límites: la hora de la solicitud, la cantidad de caracteres procesados y el estado de la transacción. Esta información es vital para que puedas auditar tu consumo y entender exactamente cuánto se ha cobrado por cada llamada generada.

  • Hora y fecha de la solicitud.

Limitaciones honestas

Ilustración de onda de sonido para: Limitaciones honestas

Entendemos que la claridad es vital en un IVR, pero nuestra API entrega archivos de audio completos tras el procesamiento. No hay streaming en tiempo real ni envío de fragmentos parciales, ya que la síntesis se realiza de forma secuencial.

Sin streaming real

El audio se genera entero antes de la respuesta. Para llamadas IVR largas, esto puede implicar un ligero retraso inicial hasta que el archivo esté listo para su descarga inmediata.

Sin SSML

La API no interpreta etiquetas SSML para controlar pausas o entonación fina. El tono y el ritmo dependen exclusivamente del preset de voz seleccionado (como 'atlas' para noticias o 'milo' para conversacional).

Sin clonación de voz

Ofrecemos 8 voces predefinidas basadas en grabaciones licenciadas. No permitimos subir audio propio para clonar voces ni personalizar timbres específicos para tu marca sin usar nuestros presets.

Sin garantía de SLA

Procesamos las solicitudes una tras otra. Bajo carga, las peticiones pueden esperar en cola. No ofrecemos contratos empresariales con garantías de tiempo de actividad (uptime) ni compensaciones por interrupciones.

Limitaciones honestas

Infraestructura y disponibilidad

Ilustración de onda de sonido para: Infraestructura y disponibilidad

Entendemos que la estabilidad es crítica para tus operaciones de call center. Nuestra API procesa las solicitudes de síntesis de voz de manera secuencial, lo que significa que cada petición se ejecuta una tras otra. Bajo carga, es posible que algunas solicitudes esperen en una cola antes de comenzar, aunque esto no afecta la calidad final del audio generado.

Procesamiento en cola

El sistema maneja las peticiones en orden estricto. Esto garantiza consistencia, pero implica que en momentos de alto tráfico, la latencia puede aumentar ligeramente hasta que tu solicitud llegue a la cabeza de la cola.

Límites de velocidad

Cada clave de API tiene un límite de 60 solicitudes por minuto. Antes de tu primer recarga, este límite es de 10 solicitudes por minuto. Si superas el límite, recibirás un error 429 hasta que el intervalo de tiempo permita nuevas peticiones.

Sin centros de datos elegibles

Utilizamos infraestructura de nube estándar sin ofrecer opciones de elección específica de centro de datos. No garantizamos la ubicación geográfica física exacta de los servidores donde se procesa tu audio, lo cual puede ser relevante para ciertos requisitos de soberanía de datos estrictos.

Sin certificados específicos

No contamos con certificaciones específicas como SOC 2, HIPAA o un certificado GDPR formal. Aunque cumplimos con las normativas generales de protección de datos, no podemos proporcionar auditorías de terceros ni certificaciones adicionales sobre nuestra infraestructura.

Contacto y soporte

Ilustración de onda de sonido para: Contacto y soporte

Nuestro enfoque es técnico y directo, por lo que el correo electrónico es nuestro único canal de comunicación oficial. Aquí gestionamos incidencias con claves API, dudas sobre facturación en USDT o problemas específicos de integración con tu sistema IVR.

Evitamos la complejidad de canales adicionales para mantener la claridad y la eficiencia en la resolución de tus consultas de soporte.

Correo electrónico

Envía tus consultas a [email protected]. Es el método más eficiente para que nuestro equipo técnico revise logs de tu cuenta y te asista con la API de texto a voz.

Sin chat en vivo

No ofrecemos chat en tiempo real. Esta decisión nos permite mantener un registro claro de cada interacción y evitar tiempos de espera aleatorios en colas de atención.

Sin teléfono

No disponemos de línea telefónica. Si prefieres la escritura, el correo electrónico asegura que tu solicitud quede documentada y sea priorizada según su complejidad técnica.

Tiempo de respuesta

Respondemos en el menor tiempo posible, generalmente en el mismo día hábil. La rapidez depende del volumen de solicitudes entrantes y la complejidad del caso técnico.

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.

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. LibriTTS-R corpus (OpenSLR 141)
  3. LibriVox public-domain audiobooks
  4. Python documentation
  5. FFmpeg documentation
  6. openai-python on GitHub
  7. Creative Commons Attribution 4.0
  8. IETF RFC 7845: Ogg Opus
  9. TRON developer hub: TRC-20
  10. openai-node on GitHub
  11. LibriTTS-R paper (arXiv 2305.18802)
  12. Tether (USDT)

Más en este sitio