Preguntas frecuentes
¿Qué es la API de texto a voz VkyText?
Es una API en la nube que convierte texto en archivos de audio mediante una petición POST a https://api.vkyat.info/v1/audio/speech. Utiliza el mismo formato de solicitud que la API de OpenAI, lo que permite usar sus SDKs oficiales cambiando solo la URL base. Es ideal para integrar notificaciones de audio en sistemas bancarios existentes sin complejidades de infraestructura.
¿Cómo funciona la conversión de texto a audio?
Envía texto al endpoint POST con el modelo, voz y formato deseados. La API procesa la solicitud y devuelve el archivo de audio. Para textos largos, se dividen en fragmentos de hasta 4096 caracteres y se unen. El procesamiento es secuencial, por lo que bajo carga alta podría haber cola de espera.
¿Qué voces están disponibles para notificaciones bancarias?
Disponemos de 8 voces preestablecidas: Aria, Nova, Luna, Sage (femeninas) y Felix, Milo, Atlas, Orion (masculinas). Para notificaciones bancarias, Atlas ofrece un tono neutral ideal para noticias, mientras que Milo es conversacional y Sage es calmado para instrucciones. Todas las voces pueden hablar en cualquiera de los 23 idiomas soportados.
¿Cuántos idiomas soporta la API?
La API soporta 23 idiomas: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish y Turkish. Si no se especifica el idioma, se deduce del script, pero se recomienda establecerlo explícitamente para textos en latino fuera del inglés.
¿Es la prueba gratuita real o tiene limitaciones?
Sí, ofrece $0.50 de crédito (aprox. 50,000 caracteres) válidos por 7 días al registrarse con Google. Las cuentas creadas con email y contraseña comienzan sin este crédito. El saldo no caduca y se puede recargar mediante USDT en la red TRON. No hay planes mensuales ni mínimos de gasto.
¿Cómo se cobra por el uso de la API?
El costo es de $10 por cada 1 millón de caracteres, equivalente a $0.01 por cada 1,000 caracteres. Los espacios y puntuación cuentan como caracteres. El pago se realiza mediante recargas de USDT (TRC-20) con un mínimo de $5. El saldo no tiene fecha de caducidad y se acredita automáticamente.
¿Qué formatos de audio se pueden generar?
La API permite generar audio en los formatos mp3, wav, opus, flac y pcm. Puede especificar el formato deseado en el campo response_format de la solicitud JSON. Estos formatos estándar facilitan la integración con los sistemas de notificación existentes en el sector bancario y fintech.
¿Se puede controlar la velocidad de la voz?
Sí, puede ajustar la velocidad de la voz mediante el parámetro speed en la solicitud. El rango permitido es de 0.25 a 4.0, lo que permite acelerar o ralentizar la reproducción del audio según las necesidades de la notificación transaccional o informativa.
¿Qué sucede si una solicitud falla?
Si la síntesis falla, la carga se devuelve íntegramente. No se le cobra por las solicitudes que no completan la generación de audio con éxito. Esto garantiza que solo pague por el audio generado correctamente, manteniendo la predictibilidad de costos en sus operaciones.
¿Se almacena el texto enviado para entrenamiento?
No. El texto de entrada se utiliza exclusivamente para producir el audio y no se usa para entrenar modelos. El audio generado se devuelve en la respuesta y no se almacena. Solo se conservan los metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación.
¿Cómo se gestionan las claves de API?
Cada cuenta tiene una clave activa. Puede emitir una nueva clave en cualquier momento desde la página /get-api-key/, y la clave anterior dejará de funcionar inmediatamente. La autenticación se realiza mediante el encabezado Authorization: Bearer tts-.... Esto facilita la rotación de credenciales sin interrupciones prolongadas.
¿Hay límite de caracteres por solicitud?
Sí, cada solicitud puede contener hasta 4096 caracteres. Para textos más largos, debe dividirlos en partes y unir los archivos de audio resultantes. Esta limitación es estándar para la mayoría de las APIs de texto a voz y permite un manejo eficiente de la carga de procesamiento.
¿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 excede este límite, las solicitudes adicionales esperarán en una cola o podrían ser rechazadas. Procesamos las solicitudes secuencialmente, por lo que la velocidad de generación depende de la carga del sistema.
¿Ofrecen soporte para integración en tiempo real?
No ofrecemos streaming, WebSocket ni audio parcial. La API devuelve el archivo de audio completo tras procesar la solicitud. Para flujos de notificación bancaria, esto es suficiente, ya que el audio se genera rápidamente y se entrega como un archivo listo para reproducir.
Calculadora de costos
Modelo de pago por carácter
Nuestro modelo de facturación se basa estrictamente en el volumen de texto procesado, eliminando la complejidad de los planes de ancho de banda fijos. Cada solicitud POST a /v1/audio/speech se cobra únicamente por los caracteres incluidos en el campo input, lo que permite una previsión financiera exacta para equipos de TI que gestionan notificaciones transaccionales de alto volumen.
$10 por millón de caracteres
La tarifa base es de $10 por cada 1,000,000 de caracteres procesados. Esto equivale a $0.01 por cada 1,000 caracteres, independientemente de si se utilizan los modelos tts-1 o tts-1-hd, ya que comparten el mismo motor y precio.
Espacios y puntuación cuentan
Para garantizar la precisión en la facturación, todos los caracteres del texto de entrada se cuentan individualmente. Esto incluye espacios en blanco, signos de puntuación y caracteres especiales. Un carácter se define como cualquier unidad de texto enviada en la carga útil JSON.
Cobro proporcional exacto
El sistema calcula el costo exacto para cada solicitud enviada. Si envías un texto de 500 caracteres, se cobrará la proporción correspondiente a esa fracción del millón. No hay redondeo hacia arriba ni cargos mínimos por solicitud, lo que optimiza el gasto en notificaciones de corta duración.
Prueba gratuita para equipos
Equipos de TI en banca pueden validar la integración de la API sin compromiso financiero. El crédito inicial permite probar la calidad de las voces y la latencia con volúmenes pequeños antes de escalar a producción.
La prueba se activa automáticamente al registrarse con una cuenta de Google. No requiere tarjeta ni datos de facturación adicionales, facilitando la evaluación rápida por parte de los desarrolladores responsables de las notificaciones transaccionales.
$0.50 de crédito inicial
Al registrarse con Google, recibes $0.50 de crédito que equivalen a aproximadamente 50,000 caracteres. Este saldo es suficiente para generar cientos de notificaciones de saldo bajo o confirmaciones de transferencia de prueba.
El crédito se muestra en el panel de control junto con la clave de API activa. Permite medir el consumo real antes de realizar cualquier recarga.
- Equivalente a 50,000 caracteres
- Cobro proporcional exacto
- Uso libre de riesgos
Válido por 7 días
El crédito de prueba tiene una vigencia de 7 días desde la activación de la cuenta. Si no se utiliza dentro de este periodo, se pierde; no se renueva automáticamente.
Disponible con Google
La prueba gratuita está disponible exclusivamente para cuentas creadas mediante inicio de sesión con Google. Las cuentas registradas con correo electrónico y contraseña no reciben crédito inicial.
Este método permite una configuración inmediata del entorno de desarrollo sin pasos adicionales de verificación financiera.
Método de pago: USDT TRC-20
La integración de pagos se realiza exclusivamente mediante USDT en la red TRON (TRC-20). Este método elimina la necesidad de procesadores de tarjetas o cuentas bancarias tradicionales, simplificando la gestión financiera para equipos de TI que operan con múltiples cuentas API.
El proceso es directo: se transfiere el monto deseado a la dirección de la cuenta y el crédito se acredita automáticamente en el sistema una vez que la red confirma la transacción.
Red TRON exclusiva
Utilizamos la red TRON para garantizar transacciones rápidas y con costos de gas bajos. Al restringir el pago a USDT en este estándar específico (TRC-20), evitamos la complejidad de gestionar múltiples criptomonedas o divisas fiat, asegurando que el equipo técnico solo necesite configurar una única dirección de depósito.
Mínimo $5 por recarga
Se requiere un depósito mínimo de $5 USD para iniciar la recarga. Este umbral bajo permite a los equipos ajustar su flujo de caja con precisión, pagando solo lo que necesitan para los próximos ciclos de notificaciones transaccionales sin comprometer capital innecesario.
Crédito en minutos
Una vez que la transacción blockchain es confirmada, el saldo se actualiza automáticamente en la cuenta. No hay intervención manual ni tiempos de espera bancarios prolongados, lo que permite que la generación de audio continúe sin interrupciones incluso en picos de demanda de alertas.
Sin costos fijos ni suscripciones
VkyText opera bajo un modelo estrictamente pay-per-use. No existen planes mensuales que obliguen a pagar por capacidad no utilizada, ni suscripciones recurrentes que afecten el flujo de caja si el volumen de notificaciones varía.
El sistema cobra únicamente por los caracteres procesados con éxito. Si la síntesis falla, no se descuenta saldo, garantizando que cada centavo corresponde a un resultado auditivo entregado a los clientes finales.
Sin planes mensuales
La facturación se ajusta automáticamente al volumen real de uso. No hay cuotas fijas que deban abonarse independientemente de si se generan 1.000 o 1 millón de caracteres en un mes.
Sin cargos por asiento
El costo depende del procesamiento de texto, no del número de desarrolladores o cuentas en el sistema. Puede agregar claves API para diferentes equipos de TI sin incurrir en cargos adicionales por licencia o usuario.
Sin gasto mínimo
No se requiere un compromiso financiero inicial ni un consumo mínimo mensual. Puede utilizar la prueba gratuita de $0.50 o realizar recargas de USDT por cualquier monto superior a $5 según la necesidad operativa.

Facturación transparente
La API devuelve metadatos de uso (tiempo, caracteres, estado) conservados exclusivamente para facturación. El texto ingresado se usa únicamente para generar el audio y no se almacena ni se emplea para entrenamiento. Los archivos generados se entregan en la respuesta y no se guardan en nuestros servidores.
Metadatos de uso guardados
Registramos tiempo, cantidad de caracteres y estado de cada solicitud. Estos datos permiten auditar el consumo exacto sin retener el contenido auditivo generado.
Solicitudes fallidas son gratis
Si la síntesis falla, el cargo se devuelve en su totalidad. No se deduce crédito por intentos que no producen audio válido.
Saldo sin expiración
El crédito acumulado no tiene fecha de caducidad. Puedes recargar cuando lo necesites sin perder fondos previos.
Ejemplos de costo para notificaciones
Pasamos de la teoría a la práctica. A continuación, detallamos el costo real de tres flujos de notificación bancaria comunes, considerando que los espacios y la puntuación cuentan como caracteres.
Estos ejemplos asumen el uso de la voz "sage" (calm, instructional) y formato mp3, optimizados para la claridad en dispositivos móviles.
Alertas de saldo bajo
Un mensaje estándar de 40 caracteres como "Su saldo actual es de $1,250.50 MXN" consume 0.0004 USD. Para un equipo que notifica a 10,000 clientes diarios, el costo mensual sería aproximadamente $12 USD.
El formato breve asegura que la síntesis sea rápida, minimizando la cola de procesamiento incluso bajo carga alta.
- Texto: ~40 caracteres
- Costo unitario: $0.0004
- Voz recomendada: sage o milo
Notificaciones de transferencia
Una confirmación de pago de 60 caracteres como "Transferencia de $500.00 completada a Juan Pérez. Ref: 8842" cuesta $0.0006 USD por solicitud.
Al incluir el código de referencia y el nombre del beneficiario, el texto excede ligeramente los 50 caracteres, manteniéndose muy por debajo del límite de 4096 caracteres por petición.
- Texto: ~60 caracteres
- Costo unitario: $0.0006
- Formato: mp3 o wav
Recordatorios de vencimiento
Un recordatorio de pago de tarjeta de crédito de 80 caracteres como "Su pago de $2,000 vence el 15 de noviembre" requiere $0.0008 USD.
Si el mensaje incluye instrucciones adicionales para pagar vía app, el texto puede acercarse a 200 caracteres, elevando el costo a $0.002 USD por notificación, pero manteniendo la claridad auditiva.
- Texto: ~80-200 caracteres
- Costo unitario: $0.0008 - $0.002
- Límite: 4096 caracteres por request
Gestión de saldo y recargas
La gestión de su cuenta es directa y transparente. Puede verificar su saldo actual, el crédito de prueba disponible y los caracteres restantes en tiempo real desde la interfaz de usuario. Esta visibilidad le permite planificar los volúmenes de notificaciones transaccionales sin sorpresas.
Cuando el saldo disminuya, la recarga es inmediata. Al confirmar la transferencia de USDT (TRC-20), el crédito se acredita automáticamente en minutos, sin necesidad de aprobaciones manuales ni procesos bancarios tradicionales.
Página de saldo en tiempo real
Su panel muestra el balance actual y los caracteres consumidos con precisión. No hay estimaciones; cada solicitud registrada se refleja al instante, permitiendo un control exacto del presupuesto operativo del equipo.
- Visualización instantánea del balance y crédito restante
- Historial claro de consumo por solicitud
Nueva clave inmediata
Si su clave API se compromete o desea rotarla por seguridad, puede emitir una nueva al instante. La clave anterior deja de funcionar inmediatamente, garantizando que solo su equipo actual pueda generar audio sin interrupciones en la notificación.
Sin comisiones de procesamiento
El monto que recarga es el que se acredita. No cobramos tarifas adicionales por la transacción ni comisiones por el uso de la red TRON para la recarga. El crédito se añade al total disponible para sus llamadas a la API.
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.
