Preguntas frecuentes
¿Qué es una API de texto a voz?
Es un servicio en la nube que convierte texto en archivos de audio mediante una solicitud HTTP. Envías un JSON al endpoint POST y recibes el audio generado. Funciona con el formato estándar de la API de OpenAI, lo que permite usar sus SDKs oficiales simplemente cambiando la URL base de la conexión.
¿Es esta la mejor herramienta para TikTok?
ClipVoz está diseñada para creadores de TikTok, Reels y Shorts que necesitan audio rápido sin complicaciones. Ofrece integración simple vía HTTP o SDK para convertir guiones largos en archivos listos para editar.
¿Cuánto cuesta el servicio?
El precio es de $10 por 1 millón de caracteres ($0.01 por 1.000 caracteres). Los espacios y puntuación cuentan como caracteres. Las solicitudes fallidas son gratuitas y el saldo se devuelve íntegramente. No hay planes mensuales ni cargos ocultos; el saldo no caduca y se recarga manualmente.
¿Puedo usar mi propio texto en español?
Sí, puedes usar texto en español. El sistema soporta español y muchas otras lenguas. Si no especificas el idioma, se asume inglés para texto en latín; por ello, es recomendable establecer el campo language en tu solicitud para asegurar la pronunciación correcta del español en tus videos.
¿Cuántos idiomas soporta la API?
La API soporta 23 idiomas: español, inglés, francés, alemán, italiano, portugués, ruso, chino, japonés, coreano, árabe, hindi, turco, polaco, neerlandés, danés, sueco, noruego, finlandés, griego, hebreo, malayo, swahili y portugués. Cualquier voz puede hablar cualquiera de estos idiomas, garantizando versatilidad para tus contenido multilingüe.
¿Las voces suenan naturales?
Las voces están basadas en grabaciones con licencia de LibriTTS-R y lecturas de dominio público de LibriVox. Generan audio de alta calidad listo para editar. Cada archivo contiene una marca de agua inaudible que lo identifica como síntesis artificial, pero mantienen un tono natural y claro para tus videos.
¿Qué formato de audio recibe?
Puedes recibir el audio en los formatos mp3, wav, opus, flac o pcm. Estos formatos son estándar y compatibles con la mayoría de editores de video para TikTok y Reels. Selecciona el formato que mejor se integre con tu flujo de trabajo de edición de video actual.
¿Se almacena mi texto generado?
El texto de entrada se usa únicamente para producir el audio y no se utiliza para entrenamiento. El audio generado se devuelve en la respuesta y no se almacena. Solo conservamos metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación y control de uso.
¿Puedo cambiar la velocidad de la voz?
Sí, puedes ajustar la velocidad entre 0.25 y 4.0 veces la velocidad normal. Esto te permite acelerar explicaciones rápidas o ralentizar narraciones para mayor claridad. El ajuste se aplica directamente en la solicitud JSON mediante el campo speed, sin necesidad de post-producción adicional en tu editor.
¿Qué pasa si la solicitud falla?
Si la síntesis falla, la carga se devuelve en su totalidad. No se te cobra por las solicitudes que no completan la generación de audio correctamente. Esto garantiza que solo pagues por el audio que se entrega con éxito, protegiendo tu saldo en caso de errores del servidor.
¿Cómo se paga con USDT?
El pago se realiza únicamente con USDT en la red TRON (TRC-20). El monto mínimo es de $5. El saldo se acredita automáticamente en minutos tras la transferencia. No aceptamos tarjetas, PayPal ni suscripciones. Puedes recargar tu cuenta cuando necesites más caracteres para tus proyectos de video.
¿Hay límite de caracteres por solicitud?
Sí, cada solicitud acepta hasta 4096 caracteres. Para textos más largos, debes dividirlos en partes y unir los archivos de audio resultantes. La velocidad típica es de aproximadamente 25 caracteres por segundo, por lo que textos largos tardan un tiempo equivalente a la duración del audio generado.
¿Es compatible con otras herramientas?
La API sigue la forma de solicitud de la API de OpenAI, por lo que funciona con sus SDKs oficiales cambiando la URL base. También es compatible con cualquier herramienta que pueda enviar solicitudes HTTP POST con JSON. No ofrecemos SDK propio, pero la integración estándar es sencilla.
¿Cómo obtengo mi clave API?
Regístrate en la página /get-api-key/ usando Google o correo electrónico. Una vez registrado, podrás ver tu clave API, saldo y ejemplos de uso. La clave se emite con un prefijo tts- y se usa en el encabezado Authorization. Puedes emitir una nueva clave en cualquier momento si es necesario.
Primera solicitud
curl
curl https://api.m9999.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.mp3Generación de audio para redes sociales
Convierte guiones en audio sintetizado sin herramientas adicionales. El endpoint POST recibe el texto y devuelve el archivo de audio listo para descargar.
Genera archivos compatibles con editores de video estándar. Ideal para TikTok, Reels y Shorts sin pasos intermedios.
Sin flujo de trabajo complejo
Envía el texto y recibe el audio directamente. No se requiere configuración de servidores ni gestión de infraestructura.
- Endpoint POST único para síntesis
- Formatos MP3, WAV, OPUS, FLAC
Audio listo para edición
El audio generado es un archivo final. Sin cortes automáticos ni preprocesamiento adicional que afecte la edición.
- Sin metadatos de voz
- Marcas de agua sintéticas inaudibles
Integración vía API
Usa el SDK de OpenAI cambiando el base_url o HTTP estándar. Compatible con scripts Python, Node.js o curl.
- Base URL: api.m9999.info/v1
- Autenticación con Bearer token
Voces claras y distintas
Selecciona entre ocho voces predefinidas basadas en grabaciones licenciadas, diseñadas para cubrir distintos tonos narrativos sin necesidad de personalización.
Cada voz tiene una personalidad acústica específica, optimizada para la claridad en formatos de video corto y redes sociales.
Voces femeninas: Aria, Nova, Luna, Sage
Aria ofrece una calidez clara ideal para narraciones. Nova es brillante y enérgica, perfecta para contenido dinámico. Luna aporta un tono suave para historias, mientras que Sage mantiene una calma instruccional.
Voces masculinas: Felix, Milo, Atlas, Orion
Felix transmite energía para promociones. Milo es amigable y conversacional. Atlas proporciona neutralidad para noticias, y Orion ofrece profundidad para documentales.
Estilos narrativos y promocionales
Las voces cubren desde estilos narrativos fluidos hasta promocionales energéticos, permitiendo ajustar el tono según el contenido del video.
Soporte multilingüe nativo
La API soporta 23 idiomas nativos, desde inglés y español hasta árabe, chino y swahili. Cada voz puede pronunciar cualquiera de estos idiomas sin restricciones adicionales, lo que simplifica la producción de contenido multilingüe para creadores globales.
23 idiomas disponibles
El sistema incluye soporte completo para danés, finés, griego, hebreo, hindi, malayo, noruego, polaco, portugués, ruso, sueco y turco. No se limitan a los idiomas más comunes, permitiendo una localización precisa para audiencias diversas sin necesidad de motores externos.
- Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish
Detección automática de idioma
Si no se especifica el campo language, el sistema detecta el idioma basándose en el script del texto. El texto en latín predeterminado es inglés, por lo que para otros idiomas en alfabeto latino es necesario establecer el código ISO explícitamente para evitar errores de pronunciación.
Formatos de audio versátiles
Elige entre MP3, WAV, OPUS, FLAC o PCM según tus necesidades de edición. MP3 y OPUS optimizan el espacio de almacenamiento, mientras que WAV y FLAC ofrecen calidad sin pérdida para postproducción profesional. PCM es ideal para procesamiento de audio crudo.
Precios simples por carácter
El costo es fijo: $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Los espacios y la puntuación cuentan como caracteres.
No hay cuotas mensuales fijas ni planes de suscripción. El saldo no expira y puedes usar solo lo que necesites sin compromisos.
Costo por millón de caracteres
Cobramos estrictamente por volumen de texto. Una solicitud que exceda los 4096 caracteres se divide automáticamente; solo se cobra por el texto procesado con éxito.
- Precio base: $10 / 1M caracteres
- Error de síntesis: cargo devuelto íntegramente
Sin cuotas mensuales fijas
El modelo es de pago por uso sin mínimos ni costes ocultos. Puedes top-up cuando necesites o dejar la cuenta inactiva sin penalización.
Carga mediante criptomonedas
Aceptamos exclusivamente USDT en la red TRON (TRC-20). El mínimo de recarga es de $5 y el saldo se acredita automáticamente en minutos. No emitimos facturas con IVA.
Velocidad de generación
El proceso de síntesis se ejecuta a una velocidad aproximada de 25 caracteres por segundo en textos extensos, lo que equivale a audio en tiempo real. Para frases cortas, el tiempo de generación varía entre unos pocos segundos.
Debido a que las solicitudes se procesan secuencialmente, es posible que las peticiones se encolen bajo alta carga. Esto no afecta la calidad, pero puede aumentar la latencia percibida durante picos de uso simultáneo.
Tiempo real en textos largos
La generación de audio sigue un ritmo natural de procesamiento, permitiendo que textos largos se conviertan en archivos de audio sin retrasos significativos por carácter. Este rendimiento es consistente para la mayoría de los casos de uso estándar.
- Velocidad promedio: ~25 caracteres/segundo.
- Textos cortos: unos segundos de espera.
- Procesamiento secuencial por defecto.
Cola de procesamiento
Las solicitudes se manejan una tras otra. Si hay múltiples usuarios generando audio simultáneamente, las peticiones pueden esperar en una cola antes de comenzar.
Esta estructura garantiza que cada solicitud se complete íntegramente sin corrupción de audio, aunque la latencia pueda aumentar temporalmente.
Límites de frecuencia
El límite estándar es de 60 solicitudes por minuto por clave API. Antes de la primera recarga de saldo, este límite se reduce a 10 solicitudes por minuto.
Respetar estos límites asegura un flujo de trabajo estable sin interrupciones en la generación de audio para tus videos.

Fácil de empezar
Comienza a generar voces en segundos. Crea tu cuenta con Google y obtienes $0.50 de crédito válido por 7 días (aproximadamente 50.000 caracteres). No se requiere tarjeta ni suscripción para probar la calidad del audio.
Una vez registrado, accede a tu panel para ver tu clave API activa, el saldo restante y ejemplos de código listos para copiar. La integración es inmediata mediante HTTP estándar o el SDK de OpenAI.
Prueba gratuita con Google
Regístrate con tu cuenta de Google para recibir $0.50 de crédito al instante. Este saldo equivale a unos 50.000 caracteres y es válido durante 7 días. Ideal para validar la calidad de las voces antes de invertir.
Llave API en segundos
Tu clave única se genera automáticamente tras el registro. Puedes revocarla y emitir una nueva en cualquier momento; la anterior deja de funcionar al instante. No necesitas configuraciones complejas ni validación de dominio.
- Acceso inmediato tras el registro
- Rotación de claves sin interrupción
- Panel con métricas en tiempo real
Ejemplos de código listos
Utiliza el SDK de OpenAI ajustando la base_url o realiza llamadas HTTP directas. La estructura del cuerpo JSON es idéntica al endpoint de speech, facilitando la integración en scripts de automatización o editores no-code.
Control total sobre el audio
Ajusta la velocidad de voz entre 0.25 y 4.0 para sincronizar perfectamente con el ritmo visual de tus TikToks o Reels. Esta función permite acelerar explicaciones rápidas o dar pausas dramáticas a narraciones, manteniendo la claridad natural de la síntesis.
Elige entre formatos MP3, WAV, FLAC o formatos de código abierto como OPUS y PCM. Selecciona el que mejor se adapte a tu flujo de edición sin necesidad de conversiones adicionales, optimizando el equilibrio entre calidad y peso del archivo.
Ajuste de velocidad
Modula la velocidad de generación dentro del rango de 0.25 a 4.0. Esto permite adaptar la voz a diferentes estilos de contenido, desde voces rápidas para videos dinámicos hasta narraciones pausadas para tutoriales detallados.
Formatos MP3, WAV, FLAC
Descarga el audio en el formato que requiera tu editor. Ofrecemos MP3 para compatibilidad universal, WAV y FLAC para máxima calidad sin pérdidas, así como OPUS y PCM para flujos de trabajo específicos.
Marcas de agua sintéticas
Cada archivo generado incluye una marca de agua inaudible que identifica el audio como voz sintética. Esta marca se integra directamente en el archivo de audio sin afectar la calidad perceptible ni el tiempo de reproducción.
Datos y privacidad
Tu texto se envía para generar audio y no se utiliza para entrenar nuestros modelos. El audio generado se devuelve en la respuesta y no se conserva en nuestros servidores tras la entrega.
Conservamos únicamente los metadatos necesarios para la facturación: tiempo, caracteres consumidos y estado de la solicitud. No almacenamos el contenido de tu guion ni el archivo de audio resultante.
Texto no se entrena
El texto que envías a la API se procesa exclusivamente para producir el archivo de audio solicitado. Una vez entregado, no se incorpora a nuestros conjuntos de datos para mejorar la IA ni para entrenamiento futuro.
Audio no se almacena
Los archivos de audio generados se devuelven directamente en la respuesta de la solicitud HTTP. No los guardamos en nuestros servidores para uso posterior, garantizando que tu contenido permanezca efímero si no lo descargas.
Metadatos de facturación
Mantenemos un registro de los metadatos de cada solicitud: marca de tiempo, cantidad de caracteres procesados y estado (éxito o fallo). Esta información es estrictamente necesaria para calcular tu saldo y verificar el uso.
Estos datos no incluyen el contenido del texto ni el audio resultante, solo la información técnica y económica de la transacción.
Comparativa técnica
La API funciona con el mismo esquema de solicitud que OpenAI, permitiendo reutilizar SDKs oficiales simplemente modificando la URL base a https://api.m9999.info/v1. Esto facilita la integración sin necesidad de aprender una nueva estructura de peticiones.
SDK de OpenAI compatible
Utiliza las bibliotecas estándar de OpenAI para Python, Node.js o curl, ajustando solo la variable de entorno o la configuración base_url. La autenticación sigue siendo mediante un token Bearer, manteniendo la simplicidad de implementación.
- Compatible con librerías oficiales de OpenAI
- Solo requiere cambiar la URL base
- Mismo formato de JSON para la solicitud
Endpoint estándar
El punto de entrada es POST /v1/audio/speech, recibiendo un cuerpo JSON con campos como model, input y voice. Esta estructura estandarizada evita customizaciones complejas y garantiza respuestas predecibles en formato de archivo de audio.
Sin dependencias externas
No hay motores de renderizado adicionales ni plugins requeridos. La generación ocurre directamente en la nube mediante HTTP, eliminando la necesidad de gestionar versiones de librerías locales o compatibilidades de entorno específicas para la síntesis.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. Utiliza aplicaciones móviles o software de escritorio para combinar el audio con tus clips visuales.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
