Preguntas frecuentes
¿Qué es la API de texto a voz VkyText?
Es una API RESTful en la nube que convierte texto en archivos de audio mediante una llamada POST. Utiliza el mismo formato de solicitud que la API de OpenAI, lo que permite integrar fácilmente los SDKs oficiales ajustando la base URL. Es ideal para automatizar la generación de audio en sistemas de notificación bancaria sin gestionar infraestructura compleja.
¿Cómo funciona la conversión de texto a audio?
Envía texto en formato JSON al endpoint POST /v1/audio/speech con tu clave de autenticación. La API procesa la solicitud y devuelve el archivo de audio generado. Para textos largos, el sistema divide el contenido en fragmentos de hasta 4096 caracteres y los une automáticamente en un solo archivo de audio continuo.
¿Qué voces están disponibles para notificaciones bancarias?
Disponemos de ocho voces predefinidas, incluyendo atlas (neutral, ideal para noticias) y sage (calma, instruccional). Otras opciones como aria, nova, luna, felix, milo y orion ofrecen diferentes tonos. Todas las voces pueden hablar en los 23 idiomas soportados, permitiendo elegir el tono más adecuado para cada tipo de notificación financiera.
¿Cuántos idiomas soporta la API?
La API soporta 23 idiomas: árabe, chino, danés, holandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco y turco. Cualquier voz puede hablar cualquier idioma de esta lista. Si no se especifica el idioma, se intenta adivinar por el script.
¿Es la prueba gratuita real o tiene limitaciones?
Sí, es una prueba real de $0.50 de crédito, equivalente a aproximadamente 50 000 caracteres, válida durante 7 días. Se otorga al registrarse con Google. Las cuentas creadas con correo y contraseña comienzan sin este crédito. No hay limitaciones de características durante la prueba, solo la duración y el monto del crédito.
¿Cómo se cobra por el uso de la API?
El costo es de $10 por cada 1 millón de caracteres ($0.01 por 1.000 caracteres). Los espacios y puntuación cuentan como caracteres. El pago se realiza mediante top-ups en USDT (red TRON), con un mínimo de $5. No hay planes mensuales ni cargos fijos. El saldo no expira y se carga solo por uso real.
¿Qué formatos de audio se pueden generar?
Puedes solicitar audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos estándar facilitan la integración con los sistemas de notificación existentes en banca y fintech. Simplemente indica el formato deseado en el campo response_format de tu solicitud JSON. No ofrecemos streaming ni WebSockets para entrega de audio en tiempo real.
¿Se puede controlar la velocidad de la voz?
Sí, puedes ajustar la velocidad de reproducción entre 0.25 y 4.0 mediante el parámetro speed. Esto permite acelerar o ralentizar la voz según la urgencia o claridad requerida en las notificaciones. La velocidad afecta la duración final del audio, pero no cambia el tono ni la calidad de la síntesis de voz generada.
¿Qué sucede si una solicitud falla?
Si la síntesis falla, no se realiza ningún cargo por la solicitud fallida. El crédito correspondiente se devuelve íntegramente a tu cuenta. Esto asegura que solo pagues por el audio generado con éxito. Puedes reintentar la solicitud o ajustar los parámetros de entrada sin penalización económica adicional por los intentos fallidos anteriores.
¿Se almacena el texto enviado para entrenamiento?
No. El texto de entrada se utiliza exclusivamente para producir el audio solicitado y no se emplea para entrenar modelos. El audio generado se devuelve en la respuesta y no se almacena en nuestros servidores. Solo conservamos metadatos de la solicitud (tiempo, caracteres, estado) estrictamente para fines de facturación y control de límites.
¿Cómo se gestionan las claves de API?
Cada cuenta tiene una clave activa única que se envía en el encabezado Authorization: Bearer tts-... Puedes emitir una nueva clave en cualquier momento desde tu panel. Al generar una nueva, la clave anterior deja de funcionar inmediatamente. Esto permite una gestión segura y rápida de accesos sin necesidad de esperar revocaciones manuales.
¿Hay límite de caracteres por solicitud?
Sí, cada solicitud puede contener hasta 4096 caracteres en el campo input. Si tu texto es más largo, debes dividirlo en partes o confiar en que la API las una automáticamente. Este límite asegura un procesamiento eficiente y predecible. Para volúmenes masivos, recomendamos fragmentar el texto para mantener un control preciso sobre la generación.
¿Qué ocurre si se excede el límite de peticiones?
El límite es de 60 solicitudes por minuto por clave (10 por minuto antes del primer recargo). Si excedes este límite, las solicitudes adicionales pueden esperar en una cola o ser rechazadas. Esto garantiza la estabilidad del servicio. Para picos de tráfico, considera distribuir las solicitudes.
¿Ofrecen soporte para integración en tiempo real?
No ofrecemos streaming, WebSockets ni entrega de audio parcial en tiempo real. La API es de tipo solicitud-respuesta: envías el texto y recibes el archivo completo. La generación tarda aproximadamente el tiempo real del audio para textos largos. Para integración instantánea, debes gestionar la espera de la respuesta HTTP y el archivo resultante.
Primera solicitud
curl
curl https://api.vkyat.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.mp3Integración rápida para sistemas de notificación
Integre VkyText en sus sistemas de notificación bancaria sin fricción. Nuestro endpoint sigue el formato de solicitud de OpenAI, lo que permite reutilizar clientes existentes ajustando solo la URL base.
La respuesta devuelve el archivo de audio binario (o su codificación) directamente, facilitando la incorporación en pipelines de alertas transaccionales ya existentes.
Compatible con SDK de OpenAI
Utilice los SDK oficiales de OpenAI cambiando únicamente el base_url a https://api.vkyat.info/v1. Esto permite a sus desarrolladores aprovechar la misma estructura de código que ya conocen.
Respuesta en formato JSON estándar
La API devuelve el audio codificado en formato JSON, compatible con cualquier sistema backend que procese respuestas estandarizadas.
Soporte por email para equipos
Para dudas técnicas o integración, nuestro soporte es exclusivamente por email. Esto asegura que cada consulta sea documentada y resuelta sin esperas en colas de chat.
Voces naturales para contextos financieros
Las voces son presets con características acústicas específicas, como neutralidad o calma, que pueden usarse en contextos financieros. Cada preset tiene un propósito específico, garantizando que el mensaje se perciba correctamente según el tipo de notificación.
Utilizamos voces basadas en grabaciones con licencia, lo que asegura una calidad de audio consistente y profesional sin la complejidad de personalizar cada modelo desde cero.
Atlas para noticias y mercados
Atlas ofrece un tono neutral y directo, ideal para notificaciones de movimientos de cuenta o alertas de mercado. Su voz clara facilita la lectura rápida de datos numéricos y fechas sin ambigüedades.
- Tono neutral y profesional
- Ideal para alertas financieras
- Claridad en datos numéricos
Sage para instrucciones claras
Sage es calmada e instruccional, perfecta para guiar al usuario en procesos paso a paso, como la verificación de dos factores o la configuración de beneficios. Su ritmo pausado reduce la carga cognitiva.
- Tono calmado e instruccional
- Ideal para guías paso a paso
- Reduce la carga cognitiva
Milo para atención al cliente
Milo tiene un tono amigable y conversacional, adecuado para recordatorios de pago o actualizaciones de estado de cuenta. Su cercanía humaniza la comunicación sin perder la profesionalidad requerida en el sector.
- Tono amigable y conversacional
- Ideal para recordatorios de pago
- Humaniza la comunicación
Cobertura multilingüe para mercados globales
La API soporta 23 idiomas, incluyendo español, inglés, portugués, chino, japonés y alemán. Esto permite notificar a clientes en múltiples regiones sin necesidad de integrar motores de síntesis independientes para cada mercado.
El formato de respuesta es consistente independientemente del idioma, facilitando la automatización de flujos de alerta transaccional o recordatorios de pago a escala global.
Español, inglés, portugués y más
Contamos con 23 idiomas disponibles, desde español e inglés hasta árabe, ruso, turco y swahili. Cada voz puede hablar cualquier idioma de la lista, garantizando coherencia acústica en tus notificaciones internacionales.
No necesitas gestionar múltiples proveedores de voz para cada región. Una sola integración con VkyText cubre todos los mercados objetivo.
- Soporte nativo para 23 idiomas.
- Voces unificadas para todos los mercados.
Detección automática por script
Si no especificas el campo language, el sistema infiere el idioma a partir del script del texto. El texto en latino se asume en inglés por defecto.
Para textos en español o portugués con caracteres latinos, es recomendable establecer explícitamente el campo language en la solicitud JSON para evitar ambigüedades y asegurar la pronuncicación correcta.
- Detección automática basada en script.
- Recomendamos especificar
languagepara textos latinos no ingleses.
Soporte para texto latino y no latino
La API procesa correctamente caracteres Unicode para idiomas como chino, japonés, coreano, árabe y hebreo. El motor de síntesis maneja la fonética adecuada para cada script.
Si un idioma no está en la lista de 23 soportados (como vietnamita o tailandés), la API no lo procesará. Verifica la compatibilidad antes de integrar flujos de notificación específicos.
- Soporte para scripts asiáticos, árabes y hebreo.
- Lista exacta de 23 idiomas soportados.
Precios predecibles por volumen
La facturación es estrictamente proporcional al volumen de texto procesado, sin planes mensuales ni cargos fijos. Este modelo elimina la incertidumbre en la planificación de costos para equipos de TI que gestionan notificaciones transaccionales de alto volumen.
El precio base es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1,000 caracteres. Los espacios y la puntuación se cuentan como caracteres, asegurando una métrica clara y verificable para cada solicitud.
$10 por millón de caracteres
El cálculo es directo y transparente. Cada solicitud de síntesis de voz se cobra según la longitud del texto de entrada, incluyendo espacios y signos de puntuación. Si una solicitud falla, la cargo se devuelve íntegramente, garantizando que solo pagues por audio generado con éxito.
- Costo fijo de $10 por 1,000,000 de caracteres.
- Los fallos en la síntesis son gratuitos y se reembolsan.
- El saldo no caduca y no tiene fecha de expiración.
Prueba gratuita de $0.50
Al registrarte con Google, recibes automáticamente $0.50 de crédito de prueba, equivalente a aproximadamente 50,000 caracteres. Esta prueba es válida durante 7 días, permitiendo a los equipos técnicos validar la integración con la API sin compromiso financiero inicial.
Las cuentas creadas con correo electrónico y contraseña comienzan sin este crédito de prueba, lo que facilita la diferenciación entre pruebas rápidas y cuentas corporativas estables.
Sin costos ocultos ni suscripciones
No existen planes mensuales, cargos por asiento ni mínimos de gasto. La escala es lineal: a mayor volumen de notificaciones, mayor es el consumo, pero nunca hay pagos fijos por infraestructura subutilizada. El top-up mínimo es de $5 mediante USDT en la red TRON.
La falta de suscripciones permite ajustar el uso según las necesidades reales de notificaciones de seguridad o alertas de transacciones sin penalizaciones por inactividad.
- Sin planes de suscripción mensual.
- Sin cargos por número de usuarios o empleados.
- Sin mínimos de gasto obligatorios.
Demostración de la API
Envía texto transaccional al endpoint de síntesis y recibe el archivo de audio listo para integrarse en tus canales de notificación. El procesamiento se realiza de forma asíncrona, con tiempos de respuesta adaptados a la longitud del texto y la carga del sistema.
La API devuelve el audio en formatos estándar abiertos, facilitando la compatibilidad con los reproductores de voz existentes en tus aplicaciones móviles o sistemas de llamada.
Generación de audio instantánea
El sistema procesa las solicitudes de manera secuencial. Para textos largos, la generación se aproxima al tiempo real (aproximadamente 25 caracteres por segundo), mientras que frases cortas requieren unos segundos adicionales.
Si el sistema está bajo carga, las peticiones pueden entrar en una cola de procesamiento. Cada solicitud genera un archivo de audio completo que se devuelve en la respuesta.
Formatos MP3, WAV, OPUS
Selecciona el formato de respuesta que mejor se ajuste a tu infraestructura actual. Los formatos disponibles son MP3, WAV, OPUS, FLAC y PCM, todos accesibles mediante un parámetro simple en la solicitud JSON.
- MP3: Ideal para reducción de ancho de banda en entornos móviles.
- WAV: Formato sin pérdida para sistemas de notificación internos.
- OPUS: Formato de alta eficiencia de compresión.
Control de velocidad y tono
Ajusta la velocidad de lectura entre 0.25x y 4.0x para adaptar la voz a diferentes contextos de uso, como alertas urgentes o instrucciones detalladas. El tono y el estilo de voz se definen al seleccionar el preset (como Atlas o Sage), sin necesidad de etiquetas adicionales.

Gestión de claves y seguridad
La gestión de la API se centraliza en una única credencial activa por cuenta, lo que simplifica el control de acceso en entornos corporativos complejos. Al generar una nueva clave, la anterior deja de funcionar de forma inmediata, eliminando ventanas de vulnerabilidad durante los rotaciones o cambios de personal.
Clave única por cuenta
Cada cuenta mantiene un token único con formato tts-..., lo que facilita la auditoría de uso y la aplicación de políticas de seguridad sin gestionar múltiples identidades. Esta estructura reduce la complejidad operativa para los equipos de TI que integran la API en sus sistemas de notificación existentes.
Revocación instantánea
La emisión de una nueva clave invalida la anterior al instante. Este mecanismo garantiza que, ante una posible pérdida o compromiso, el acceso se cierre sin retrasos, manteniendo la integridad de las llamadas a la API durante la transición.
Metadatos de facturación seguros
Se conservan únicamente los metadatos necesarios para la facturación: tiempo de solicitud, número de caracteres procesados y estado. El texto ingresado y el audio generado no se almacenan, minimizando la superficie de datos sensibles en nuestros sistemas.
- Sin almacenamiento de texto ni audio generado
- Mantenimiento de metadatos para facturación precisa
- Uso exclusivo para la síntesis de audio
Escalabilidad para grandes equipos
La API permite ejecutar hasta 60 solicitudes por minuto por clave, lo que facilita la integración con sistemas de notificación existentes sin necesidad de infraestructura compleja de colas externas. Este límite es suficiente para la mayoría de los flujos transaccionales habituales en banca y fintech.
Límite de 60 requests/minuto
Este límite se aplica por clave API, permitiendo a los equipos de TI gestionar el volumen de generación de audio de forma predecible. Para volúmenes superiores, se pueden emitir nuevas claves o dividir las solicitudes, manteniendo la simplicidad de la integración.
Cola de procesamiento eficiente
Las solicitudes se procesan en orden secuencial. En situaciones de alta carga, una solicitud puede esperar en cola hasta que se libere capacidad, garantizando que no se pierdan notificaciones críticas. El tiempo de generación es aproximadamente en tiempo real (25 caracteres por segundo).
Sin límite de usuarios simultáneos
No existe un límite en la cantidad de usuarios o procesos que pueden consumir la API simultáneamente, siempre que respeten el límite de 60 requests/minuto por clave. Esto permite escalar el número de servicios que generan audio sin restricciones adicionales de licencias.
Casos de uso en fintech
La API convierte texto transaccional en audio para sistemas de notificación bancaria, permitiendo que los usuarios reciban información crítica sin depender exclusivamente de pantallas.
Esta integración es especialmente útil para clientes con dificultades visuales o en entornos de conducción, garantizando que los mensajes financieros lleguen con claridad.
Alertas de transacciones
Convierte el texto de una transacción realizada en audio al instante. Por ejemplo, un mensaje como 'Compra de $50 en supermercado' se procesa en segundos.
El sistema detecta automáticamente el idioma del texto para generar una voz clara y natural, ideal para notificaciones de movimientos en cuentas.
- Procesamiento en tiempo real para movimientos bancarios
- Formatos MP3 y WAV compatibles con reproductores móviles
- Límite de 4096 caracteres por solicitud
Notificaciones de seguridad
Genera alertas de voz para inicios de sesión inusuales o cambios en la contraseña. El tono neutral de la voz Atlas transmite seriedad y confianza.
Las notificaciones se generan bajo demanda cuando el sistema de seguridad detecta una actividad que requiere atención inmediata del usuario.
- Voz Atlas para tono neutral y profesional
- Alta fiabilidad en mensajes de una sola línea
- Soporte para múltiples idiomas simultáneos
Recordatorios de pago
Envía avisos de vencimiento de tarjetas o préstamos con la voz cálida de Luna o la claridad de Sage.
El texto se limita a 4096 caracteres, suficiente para detalles de pago sin sobrecargar la llamada de audio. El costo es predecible por carácter.
- Voces Sage y Luna para instrucciones claras
- Control de velocidad de 0.25 a 4.0
- Integración con sistemas de facturación existentes
Ventajas técnicas para desarrolladores
La API sigue el estándar abierto de OpenAI, lo que permite reutilizar las bibliotecas oficiales cambiando solo la URL base a https://api.vkyat.info/v1. Esto elimina la necesidad de aprender un nuevo protocolo o mantener un SDK propietario, facilitando la integración en entornos de TI bancarios existentes.
Endpoint POST estándar
El punto de entrada es POST https://api.vkyat.info/v1/audio/speech. Este endpoint acepta solicitudes JSON estándar, asegurando compatibilidad inmediata con los sistemas de notificación que ya utilizan HTTP para transmitir datos.
Cuerpo de solicitud JSON
La estructura del cuerpo es idéntica a la de OpenAI: campos como model, input, voice y response_format. Solo necesitas ajustar el base_url en tu configuración para conectar con VkyText, sin modificar la lógica de tu aplicación.
- Modelos tts-1 y tts-1-hd
- Formatos: mp3, wav, opus, flac, pcm
- Velocidad ajustable de 0.25 a 4.0
Integración con curl y Python
Puedes probar la integración inmediatamente con un comando curl o scripts simples en Python usando las librerías oficiales de OpenAI. La autenticación se maneja mediante un encabezado Bearer con tu clave API generada en la plataforma.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Cada cuenta solo permite una clave activa; la emisión de una nueva revoca inmediatamente a la anterior.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
Fuentes y lecturas adicionales
- Wikipedia
- ISO 639 language codes
- openai-node on GitHub
- openai-python on GitHub
- IETF RFC 7845: Ogg Opus
- LibriTTS-R paper (arXiv 2305.18802)
- Python documentation
- LibriVox public-domain audiobooks
- Creative Commons Attribution 4.0
- OpenAI API reference: create speech
- TRON developer hub: TRC-20
- W3C WAI: making audio and video accessible
