Texto a voz

Por qué el texto solo ya no alcanza

El contenido escrito cada vez necesita más una versión en audio: un artículo leído en voz alta para quien va en transporte público, la descripción de un producto narrada dentro de una app por accesibilidad, una línea telefónica que saluda a quien llama por su nombre. La síntesis de voz temprana resolvía esto pegando fragmentos de palabras que sonaban cosidos entre sí; los modelos modernos generan habla continua y con ritmo natural, el estándar que persigue este endpoint: audio que alguien escucha sin notar que fue hecho por una máquina.

Cómo es la solicitud

Envía texto plano en el cuerpo de la solicitud y la tarea se pone en cola de forma asíncrona, devolviendo un task_id de inmediato. Como generar habla para pasajes largos toma tiempo real de procesamiento, el archivo de audio final llega después, mediante un webhook firmado, que es el camino recomendado para todo lo automatizado, o mediante un enlace firmado válido por 24 horas si prefiere consultarlo manualmente. No existe un modo síncrono de 'espera y recibe el audio de una vez'; la arquitectura está pensada para no bloquear su aplicación mientras se renderiza un archivo de voz.

Dónde se usa realmente la voz natural

La accesibilidad es el uso más directo, narración tipo lector de pantalla para quien prefiere o necesita audio en vez de texto, pero está lejos de ser el único. Equipos de producto la usan para guía por voz dentro de apps, plataformas de e-learning narran lecciones sin contratar locutores para cada actualización, y marketing genera voces en off rápidas para videos cortos sin reservar estudio. En todos los casos el atractivo es el mismo: el texto cambia rápido, y regrabar a un locutor humano por cada edición no escala.

Costo y confiabilidad

El precio es una tarifa base pequeña por solicitud más una tarifa por cada 1000 caracteres, así que una notificación corta cuesta una fracción de un artículo completo. Cada tarea recibe hasta tres reintentos automáticos antes de fallar, y una tarea fallida nunca se cobra; solo paga por el audio que realmente se generó. Esa previsibilidad importa cuando este endpoint se llama de forma programática, cientos de veces al día, como parte de un flujo de contenido y no como una solicitud aislada.

Acceso, entrega y manejo de datos

Como el resto de la API, este endpoint requiere saldo prepago; sin eso, las solicitudes devuelven HTTP 402 en vez de una respuesta gratuita degradada. El audio generado y el texto usado para crearlo se eliminan al terminar el período de retención y nunca se usan para entrenar ningún modelo; recibe el archivo por su webhook o por su enlace firmado, y nada permanece más allá de eso.