Sobre VkyText: Equipo, licencias y política de datos

Por Equipo editorial VkyText · Actualizado 2026-11-19

Esta página detalla la estructura operativa de VkyText, una API de texto a voz independiente diseñada específicamente para equipos de TI en el sector bancario y fintech. Aquí encontrarás información verificable sobre la procedencia de nuestras voces, el uso de estándares abiertos y la política de retención de datos, sin la complejidad de los grandes proveedores de infraestructura.

El enfoque está en la transparencia técnica: explicamos cómo se construye el producto, qué licencias aplican a los archivos de audio y por qué nuestra arquitectura se integra mejor con sistemas de notificación existentes. Si buscas entender exactamente qué datos se procesan y cómo se garantiza la predictibilidad de la API para tu equipo, este es el lugar correcto.

Sobre VkyText: Equipo, licencias y política de datos

Preguntas frecuentes

¿Qué es la API de texto a voz VkyText?

VkyText es una API en la nube que convierte texto en archivos de audio mediante una solicitud POST. Utiliza el mismo formato de cuerpo JSON que el endpoint de speech de OpenAI, lo que permite que los SDK oficiales funcionen cambiando solo la base_url. Es una herramienta técnica diseñada para la integración programática sin interfaces gráficas complejas.

¿Cómo funciona la conversión de texto a audio?

Envías texto al endpoint POST /v1/audio/speech y recibes un archivo de audio. El texto se divide en partes de hasta 4096 caracteres si es necesario, y las audiencias se unen automáticamente. El proceso es asíncrono; las peticiones se procesan en cola, por lo que en momentos de alta carga puede haber espera antes de la generación.

¿Qué voces están disponibles para notificaciones bancarias?

Ofrecemos ocho voces preestablecidas basadas en grabaciones con licencia. Para banca, atlas (neutral, noticias) y sage (calma, instruccional) son ideales para información formal. Otras opciones incluyen felix (energético) o milo (amigable). Todas las voces pueden hablar en cualquiera de los 23 idiomas soportados sin necesidad de cambiar la configuración de voz.

¿Cuántos idiomas soporta la API?

La API soporta 23 idiomas, incluyendo inglés, español, alemán, francés, japonés, chino y árabe. Cualquier voz puede hablar cualquier idioma de la lista. Si no se especifica el campo language, el sistema adivina el idioma basándose en el script (el texto en latín por defecto es inglés), por lo que se recomienda establecerlo explícitamente para textos en latín que no sean inglés.

¿Es la prueba gratuita real o tiene limitaciones?

La prueba otorga $0.50 de crédito, equivalente a unos 50 000 caracteres, válidos por 7 días al registrarse con Google. Las cuentas creadas con correo y contraseña no reciben este crédito inicial. Es un crédito real que permite probar la calidad del audio y la integración técnica sin costo antes de realizar una recarga.

¿Cómo se cobra por el uso de la API?

El precio es de $10 por 1 millón de caracteres ($0.01 por 1 000 caracteres). Los espacios y puntuación cuentan como caracteres. El pago se realiza mediante recargas en USDT (red TRON), con un mínimo de $5. El saldo no expira y no hay planes mensuales ni cargos fijos por la cuenta activa.

¿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 bancos y fintech. Solo debes especificar el campo response_format en el cuerpo de la solicitud JSON para recibir el archivo en el formato que requiera tu infraestructura de audio.

¿Se puede controlar la velocidad de la voz?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 mediante el campo speed en la solicitud. Esto permite acelerar o ralentizar la voz para adaptarse al contexto de la notificación. Una velocidad de 1.0 es la natural. Ajustar la velocidad no afecta el precio ni la calidad de la síntesis de audio.

¿Qué sucede si una solicitud falla?

Si la síntesis falla, no se cobra al usuario. El cargo se devuelve íntegramente. Esto asegura que solo pagues por el audio generado con éxito. Las solicitudes fallidas no consumen caracteres de tu saldo, lo que permite probar la API con confianza sin riesgo de perder crédito por errores temporales del servicio o de la red.

¿Se almacena el texto enviado para entrenamiento?

No. El texto de entrada se utiliza únicamente para producir el audio correspondiente y no se emplea para entrenar modelos. El audio generado se devuelve en la respuesta y no se almacena en nuestros servidores. Solo conservamos los metadatos de la solicitud (hora, caracteres, estado) estrictamente para fines de facturación y auditoría.

¿Cómo se gestionan las claves de API?

Cada cuenta tiene una clave activa que se usa 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 la autenticación en tus equipos de desarrollo sin ventanas de vulnerabilidad.

¿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 de este tamaño y unir los archivos de audio resultantes. Esta limitación técnica facilita el manejo de errores y la integración con sistemas que procesan lotes de notificaciones transaccionales de tamaño variable.

¿Qué ocurre si se excede el límite de peticiones?

El límite es de 60 solicitudes por minuto por clave (10 por minuto antes de la primera recarga). Si excedes este límite, las solicitudes adicionales pueden ser rechazadas o ponerse en cola. Las peticiones se procesan secuencialmente, por lo que bajo carga alta puede haber retrasos. Monitorea tu uso desde el panel de control para ajustar la tasa.

¿Ofrecen soporte para integración en tiempo real?

No ofrecemos streaming, WebSockets ni audio parcial en tiempo real. La API es de solicitud-respuesta: envías texto y recibes el archivo completo. Esto es ideal para notificaciones asíncronas en banca, donde la latencia de red es aceptable. No hay garantía de tiempo de respuesta específico ni SLA, por lo que el tiempo varía según la carga.

Quiénes somos

Ilustración de onda de sonido para: Quiénes somos

VkyText es un equipo editorial independiente que desarrolla una API de texto a voz diseñada específicamente para la automatización de notificaciones en banca y fintech. Nuestro enfoque combina precisión técnica con la capacidad de procesar volúmenes transaccionales sin complicaciones de infraestructura.

Optimizamos el formato de respuesta para integrarse con sistemas existentes mediante estándares abiertos, permitiendo a los equipos de TI convertir texto a audio de manera predecible.

Equipo editorial independiente

Equipo editorial independiente

Somos un grupo de desarrolladores y editores que operan de forma autónoma, sin la estructura corporativa tradicional. Nos centramos en la calidad técnica y en la claridad de la documentación para facilitar la integración API.

Enfoque en banca y fintech

Enfoque en banca y fintech

Entendemos las necesidades específicas del sector financiero: la necesidad de notificaciones claras, consistentes y escalables. Nuestra API está optimizada para manejar grandes volúmenes de texto transaccional con una latencia predecible.

  • Integración con sistemas de notificación existentes
  • Procesamiento de texto transaccional en volumen
  • Formatos de audio compatibles con estándares abiertos

Enfoque en APIs de texto a voz

Enfoque en APIs de texto a voz

Nos especializamos exclusivamente en la conversión de texto a audio mediante una API robusta. No nos dispersamos en otras áreas como traducción o edición de video, lo que garantiza una estabilidad y mantenimiento centrados en la funcionalidad core.

  • API RESTful sencilla
  • Sin dependencias de infraestructura compleja
  • Estándares abiertos para mayor flexibilidad

Licencias de las voces

Ilustración de onda de sonido para: Licencias de las voces

Las voces de VkyText provienen de grabaciones licenciadas bajo el conjunto de datos LibriTTS-R, distribuido bajo la licencia CC BY 4.0. Esta base garantiza una calidad auditiva consistente y predecible para tus notificaciones transaccionales.

Fuente: LibriTTS-R

Fuente: LibriTTS-R

Utilizamos grabaciones de voz del conjunto de datos LibriTTS-R. Este recurso ofrece una amplia variedad de timbres vocales, optimizados para la claridad en la lectura de texto a voz sin necesidad de ajustes complejos.

Licencia CC BY 4.0

El uso de estas voces está amparado por la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Siempre que se respeten los términos de la licencia, puedes integrar este audio en tus flujos de notificación bancaria sin preocupaciones de derechos de autor adicionales.

Procedencia de LibriVox

Las grabaciones originales se obtienen de las lecturas de dominio público de LibriVox. Esto asegura que la fuente es verificable y estable, eliminando la variabilidad que suele ocurrir con voces generadas por modelos propietarios que pueden cambiar sin previo aviso.

Política de datos

Ilustración de onda de sonido para: Política de datos

Nuestro motor de síntesis utiliza el texto de entrada exclusivamente para generar el archivo de audio solicitado. Una vez producida la voz, los caracteres enviados no se incorporan a nuestros conjuntos de datos ni se utilizan para entrenar ni ajustar nuestros modelos de lenguaje o acústicos.

El audio generado se entrega directamente en la respuesta de la API y no se almacena de forma persistente en nuestros servidores tras la transacción. Esto garantiza que el contenido auditivo no permanezca en nuestra infraestructura más allá de lo necesario para la entrega inmediata.

Texto no usado para entrenamiento

El texto que envías mediante la API se procesa en tiempo real para crear la onda sonora. No retenemos ese texto ni lo utilizamos para entrenar nuestros modelos.

Audio no almacenado

Los archivos de audio generados se transmiten al cliente y no se guardan en nuestros sistemas de almacenamiento a largo plazo. Solo conservamos el registro de que la solicitud fue procesada y entregada exitosamente.

Metadatos para facturación

Conservamos metadatos básicos de la solicitud, incluyendo la fecha, hora, cantidad de caracteres procesados y estado de la solicitud. Esta información es estrictamente necesaria para calcular el costo exacto y garantizar la facturación precisa según el consumo de caracteres.

  • Fecha y hora de la solicitud
  • Cantidad de caracteres procesados
  • Estado de la solicitud (éxito/fallo)
  • Identificador de la clave API utilizada

Límites honestos de la API

Ilustración de onda de sonido para: Límites honestos de la API

Nuestra infraestructura cloud es robusta y predecible, pero no contamos con un contrato de nivel de servicio (SLA) formal que garantice un porcentaje específico de disponibilidad ni compensaciones por incumplimientos. Las solicitudes se procesan en cola; bajo carga, es posible que una petición espere antes de sintetizarse.

Sin SLA garantizado

No ofrecemos garantías contractuales sobre tiempos de respuesta ni penalizaciones por latencia. El tiempo de generación es aproximadamente en tiempo real (25 caracteres por segundo), pero la latencia puede variar según la carga del sistema en momentos pico.

Sin garantía de uptime

Aunque diseñamos la API para alta disponibilidad, no existe una métrica certificada de tiempo activo (uptime). Las interrupciones menores pueden ocurrir durante mantenimientos o picos de demanda sin aviso previo.

Sin contratos enterprise

Operamos con un modelo directo: pagas por caracteres consumidos. No hay planes mensuales fijos, ni costes de asiento, ni facturación con IVA. No vendemos acuerdos empresariales personalizados ni soporte dedicado por contrato.

Límites honestos de la API

Contacto y soporte

Ilustración de onda de sonido para: Contacto y soporte

Nuestro canal oficial de asistencia es exclusivamente por correo electrónico. Esta elección nos permite gestionar las consultas técnicas con la precisión que requieren los entornos de TI bancarios, donde cada detalle de la integración cuenta.

Soporte por email

Envía tus preguntas a [email protected]. Nuestro equipo revisa los tickets y responde directamente, facilitando el intercambio de fragmentos de código o configuraciones JSON sin la presión del tiempo real.

Sin teléfono ni chat

No ofrecemos líneas telefónicas ni chats en vivo. Eliminamos estas opciones para mantener la simplicidad operativa y evitar la fragmentación de las comunicaciones, asegurando que cada interacción quede registrada y sea auditable.

Respuesta a consultas

Procesamos las solicitudes de soporte en orden de llegada. Si tu equipo necesita verificar el estado de una integración o resolver un error de SDK, nuestro equipo técnico te guiará paso a paso por escrito.

Diferenciación de otras marcas

Ilustración de onda de sonido para: Diferenciación de otras marcas

VkyText es una API de texto a voz independiente, no afiliada a OpenAI, ElevenLabs ni Google. Utilizamos el formato de solicitud estándar de la industria para facilitar la integración, pero no somos la marca oficial de ninguna de esas plataformas.

No afiliado a OpenAI

Nuestra API es compatible con el formato de solicitud de OpenAI, lo que permite usar sus SDKs oficiales cambiando la URL base. Sin embargo, no estamos afiliados a OpenAI ni a sus marcas asociadas.

Sin marca oficial

Operamos como un proveedor independiente. Las comparaciones con otras marcas se basan en especificaciones técnicas públicas y no implican ninguna relación corporativa o licencia de marca.

Uso de estándares abiertos

Optimizamos la respuesta para integrarse con sistemas de notificación existentes mediante estándares abiertos, permitiendo a los equipos de TI gestionar la infraestructura de audio sin depender de ecosistemas cerrados.

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.

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 paper (arXiv 2305.18802)
  3. Tether (USDT)
  4. curl documentation
  5. openai-python on GitHub
  6. IETF RFC 7845: Ogg Opus
  7. FFmpeg documentation
  8. Creative Commons Attribution 4.0
  9. LibriVox public-domain audiobooks
  10. W3C WAI: making audio and video accessible
  11. OpenAI API reference: create speech
  12. Python documentation

Más en este sitio