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 POST a https://api.kb44.info/v1/audio/speech. Envías el texto y recibes el audio generado. Es ideal para automatizar menús digitales o avisos en comedores sin necesidad de software complejo ni hardware especializado.
¿Es mejor usar esta API o un servicio de streaming?
Esta API no ofrece streaming ni WebSockets; devuelve el archivo completo tras el procesamiento. Si necesitas audio en tiempo real parcial, esta solución no es adecuada. Para menús o avisos grabados, la API es suficiente y más sencilla, ya que no requiere gestionar conexiones persistentes ni latencia de streaming.
¿Qué voces son mejores para restaurantes?
Para menús y avisos, recomendamos aria (narradora clara), nova (alegre), felix (energético para promos) o atlas (neutral para noticias). Cada voz tiene un tono distinto que se adapta mejor a diferentes contextos, desde la lectura de platos hasta anuncios promocionales, garantizando claridad y naturalidad en la comunicación con el cliente.
¿Cuántos idiomas puedo usar simultáneamente?
Puedes usar los 23 idiomas disponibles simultáneamente, como inglés, español, francés, alemán o japonés. Cualquier voz puede hablar cualquiera de estos idiomas. Si no especificas el idioma, se detecta automáticamente, pero para textos en latinos no ingleses, es recomendable establecer el campo language para evitar errores de pronunciación.
¿Cuánto cuesta aprox. 10 minutos de audio?
El precio es de $10 por 1 millón de caracteres. Generar 10 minutos de audio requiere aproximadamente 150.000 caracteres (basado en ~25 caracteres por segundo). Esto cuesta unos $2.50. Los fallos de síntesis son gratuitos y se reembolsan el saldo automáticamente sin cargos adicionales por el intento fallido.
¿Puedo usar la API en un servidor local?
Sí, la API es un servicio en la nube al que puedes llamar desde cualquier servidor local o remoto mediante HTTP. Solo necesitas enviar una solicitud POST con tu clave API. No requiere instalación de software específico en tu máquina, solo conexión a internet y cumplimiento de los límites de tasa.
¿Qué es un token o clave API?
Es tu credencial de acceso, un string que comienza con 'tts-' y se envía en el encabezado Authorization. Cada cuenta tiene una clave activa. Si la revocas, la anterior deja de funcionar inmediatamente. Úsala para autenticar tus solicitudes a la API y controlar el uso de tu saldo y caracteres generados.
¿Las voces incluyen entonación emocional?
No. Las voces son presets fijos con un tono definido, pero no permiten etiquetas de emoción dinámicas en el texto. La entonación es parte del modelo predefinido de cada voz. No hay control granular para ajustar emociones específicas como sorpresa o tristeza dentro de una misma solicitud de audio.
¿Qué formato debo usar para móviles?
Para máxima compatibilidad con reproductores móviles, usa mp3 o wav. También soportamos opus, flac y pcm. MP3 es ideal por su equilibrio entre calidad y tamaño de archivo, facilitando la carga rápida en dispositivos móviles sin consumir demasiados datos móviles para tus clientes o usuarios finales de tu aplicación.
¿Cómo se dividen textos largos?
Debes dividir el texto en partes de máximo 4096 caracteres por solicitud. Luego, genera el audio de cada parte y únelos manualmente en tu aplicación. La API no une los archivos automáticamente; tú gestionas la concatenación para crear el audio final completo, asegurando que cada segmento cumpla con el límite de caracteres.
¿Es seguro enviar datos de clientes?
Sí, el texto de entrada se usa solo para generar el audio y no se utiliza 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) para facturación, garantizando la privacidad de tus datos de entrada.
¿Puedo pausar o detener la generación?
No hay streaming ni control de reproducción en tiempo real. La solicitud se procesa de forma síncrona; una vez enviada, esperas la respuesta completa. No puedes pausar o detener la síntesis una vez iniciada. Si necesitas audio en tiempo real, esta API no es la solución adecuada, ya que devuelve el archivo final.
¿Qué pasa si subo el precio del USDT?
El precio del servicio es fijo en dólares ($0.01 por 1000 caracteres). Pagas en USDT (TRC-20). Si el precio del USDT cambia en el mercado, tu saldo en dólares se ajusta automáticamente al recibir la transferencia. No hay tarifas ocultas ni cambios de precio directos por parte de la API por el valor de la criptomoneda.
¿Hay límite de voz en el texto?
El límite es de 4096 caracteres por solicitud, incluyendo espacios y puntuación. No hay límite estricto en la longitud total del texto si lo divides en múltiples solicitudes. Puedes generar audio de textos muy largos dividiéndolos y concatenando los resultados, siempre respetando el límite de caracteres por cada llamada individual a la API.
¿Por qué usar API de voz en restauración?
La automatización de contenido transforma la comunicación interna y externa de tu startup de hostelería. Con RestoVoice, generas avisos para comedores o menús digitales sin depender de grabaciones estáticas ni de equipos de producción externos.
Automatización de contenido
Genera avisos para comedores o menús digitales sin depender de grabaciones estáticas ni de equipos de producción externos. La API convierte texto en audio listo para reproducirse en pantallas o altavoces, integrándose directamente en tus flujos de trabajo existentes.
Reducción de costes de estudio
Elimina los costes fijos de sesiones de estudio para cada cambio de menú. Al pagar solo por los caracteres generados (0,01 USD por 1.000 caracteres), evitas contratos de producción y almacenes de archivos multimedia que se vuelven obsoletos rápidamente.
Actualización inmediata
Cambia el texto de tu menú digital y regénera el audio cuando lo necesites. No esperes a que llegue un proveedor externo; genera el nuevo audio al instante cuando cambian los precios o la oferta del día.
Características clave para startups
RestoVoice está diseñado para que los equipos de hostelería integren audio sin complicaciones técnicas. La API funciona con endpoints REST estándar, lo que permite generar archivos de voz directamente desde cualquier sistema de gestión o plataforma digital con pocas líneas de código.
El modelo de precios se ajusta al consumo real: se paga únicamente por los caracteres generados, sin costos fijos ni suscripciones mensuales. Esto elimina el riesgo de pagar por capacidad ociosa y permite escalar el uso de voz según la demanda del día.
Integración REST sencilla
La interfaz sigue el formato estándar de solicitudes JSON, compatible con los SDKs oficiales de OpenAI mediante un simple cambio de URL base. Esto facilita la conexión con las herramientas que tu startup ya utiliza, reduciendo la curva de aprendizaje para el equipo técnico.
- Endpoints compatibles con librerías HTTP comunes
- Formato de solicitud JSON estandarizado
- Autenticación mediante clave Bearer
Precios por uso real
El costo es de $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. Si la síntesis falla, el cargo se devuelve íntegramente, asegurando que solo pagues por resultados exitosos. No hay mínimos de gasto ni planes fijos que limiten tu crecimiento.
- Cobro proporcional al volumen exacto
- Reembolso automático en fallos de síntesis
- Sin compromisos de cuota mensual
Sin infraestructura propia
No necesitas mantener servidores de audio ni gestionar licencias de software. Todo el procesamiento ocurre en la nube, permitiendo que tu equipo se centre en la operación del restaurante mientras la API maneja la generación de contenido de voz bajo demanda.
- Procesamiento 100% en la nube
- Sin mantenimiento de hardware dedicado
- Escalabilidad sin infraestructura propia
Voces ideales para menú y avisos
La elección de la voz define cómo tu cliente percibe la marca. En hostelería, la claridad y el tono adecuado son esenciales para que la información se entienda sin esfuerzo.
Clara y narrativa (Aria)
Aria es ideal para menús digitales o presentaciones de platos. Su tono cálido y claro es ideal para menús digitales o presentaciones de platos.
- Tono cálido y claro
- Ideal para descripciones de menú
Energética (Felix)
Felix aporta vitalidad a los avisos promocionales o a la publicidad de platos del día. Su tono enérgico capta la atención en comedores concurridos sin resultar agresivo.
- Tono enérgico
- Perfecto para promociones
Neutral y profesional (Atlas)
Atlas es la opción segura para avisos institucionales o de servicio. Su voz neutral transmite autoridad y claridad, ideal para indicaciones de salida o horarios.
- Tono neutral
- Avisos de servicio
Límites técnicos a considerar
Para integrar voz en tu app de hostelería, debes respetar ciertos límites técnicos que afectan al flujo de datos y la experiencia del usuario. Conocerlos evita errores comunes y asegura que los avisos o menú digitales se reproduzcan sin interrupciones.
Estos límites están diseñados para mantener la estabilidad del servicio bajo carga variable, típica de restaurantes con picos de comandas o actualizaciones de menú frecuentes.
4096 caracteres por solicitud
Cada llamada a la API acepta un máximo de 4096 caracteres por texto. Si tu mensaje de voz es más largo, debes dividirlo en partes y unir los archivos de audio resultantes.
Este límite incluye espacios y puntuación. Para menús extensos o avisos largos, planifica la segmentación para mantener la coherencia del audio.
60 solicitudes por minuto
La tasa máxima permitida es de 60 solicitudes por minuto por clave API. Esto es suficiente para la mayoría de los restaurantes, pero considera el volumen de actualizaciones simultáneas.
Si superas este límite, las peticiones adicionales pueden ser rechazadas. Planifica las actualizaciones de menú para evitar picos concurrentes.
Procesamiento secuencial
Las solicitudes se procesan una tras otra, no en paralelo. Esto significa que bajo carga alta, puede haber una cola de espera.
El tiempo de generación es aproximadamente en tiempo real (25 caracteres por segundo), pero las solicitudes más largas pueden tardar más. Para avisos rápidos, mantén los textos cortos.
Formatos de audio y compatibilidad
La API de RestoVoice ofrece cinco formatos de audio: mp3, wav, opus, flac y pcm. Puedes seleccionar mp3, wav, opus o flac directamente en el cuerpo de tu solicitud.
El formato que elijas afecta al tamaño del archivo y a la forma en que los dispositivos de tu restaurante lo reproducirán. Selecciona el que mejor se ajuste a tu infraestructura de audio actual.
MP3 para máxima compatibilidad
El formato MP3 es la opción más segura para la mayoría de los sistemas de sonido en hostelería. Casi todos los reproductores digitales y pantallas táctiles lo soportan de forma nativa sin necesidad de codecs adicionales.
- Compatible con la mayoría de hardware de hostelería
- Tamaño de archivo equilibrado
- Calidad de audio suficiente para avisos y menús
WAV para calidad original
El formato WAV ofrece audio sin pérdida, ideal si planeas editar los archivos o necesitas la máxima fidelidad sonora. Es el estándar en estudios de grabación, aunque ocupa más espacio de almacenamiento.
- Calidad sin pérdida
- Ideal para edición posterior
- Mayor tamaño de archivo
Opus para ahorro de datos
Si distribuyes los avisos a través de redes móviles o tienes limitaciones de ancho de banda, Opus ofrece una compresión muy eficiente. Mantiene una buena calidad de voz con un tamaño de archivo significativamente menor.
- Alta compresión
- Ideal para redes móviles
- Ahorro de ancho de banda
Idiomas y alcance global
RestoVoice soporta 23 idiomas, desde el español hasta el turco, permitiendo a tu startup atender mercados diversos sin complicaciones técnicas. No necesitas contratar múltiples proveedores ni gestionar múltiples contratos para cada región.
23 idiomas soportados
La API incluye idiomas como árabe, chino, francés, alemán, japonés, coreano y ruso, entre otros. Puedes utilizar cualquier voz disponible para hablar cualquiera de estos 23 idiomas, lo que simplifica la gestión de menús o avisos en cadenas internacionales.
- Árabe, chino, danés, neerlandés, inglés, finlandés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, swahili, sueco, turco.
Detección automática de script
Si no especificas el idioma, el sistema lo deduce automáticamente según el script del texto. Por defecto, el texto en latín se interpreta como inglés. Esto es útil para contenido bilingüe simple, pero puede generar errores si mezclas idiomas sin indicarlo.
Configuración manual por idioma
Para textos en latín que no sean inglés, debes establecer explícitamente el parámetro language con el código ISO correspondiente. Esto garantiza que la voz pronuncie correctamente el texto en el idioma deseado, evitando acentos incorrectos en menús o avisos.
Costes y modelo de pago
RestoVoice cobra $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. El pago es estrictamente por uso real: si la síntesis falla, el cargo se devuelve íntegramente. No hay cuotas fijas ni mínimos de gasto, lo que permite escalar el audio de menús o avisos sin compromisos financieros.
Pago por carácter exacto
El cálculo es transparente y predecible. Envía texto, recibe audio y paga solo por los caracteres procesados con éxito.
Prueba gratuita disponible
Al registrarte con Google, obtienes $0.50 de crédito válido por 7 días (aprox. 50.000 caracteres). Con correo y contraseña, no hay prueba inicial.
Recarga con USDT
Recarga mínimo $5 en USDT (TRC-20) en la red TRON. El crédito se acredita automáticamente en minutos. Sin tarjetas, PayPal ni facturas con IVA.

Privacidad y gestión de datos
RestoVoice está diseñado para proteger la información de tus clientes y tu contenido. Cuando envías el texto de tu menú o de un aviso, este se procesa exclusivamente para generar el archivo de audio. Una vez creada la voz, el texto original no se almacena ni se utiliza para entrenar nuestros modelos de inteligencia artificial.
Texto no usado para entrenamiento
El texto que envías a la API es efímero. Se utiliza únicamente para la síntesis inmediata y no entra en el conjunto de datos de entrenamiento de los motores de voz. Esto garantiza que las frases específicas de tu menú o tus comunicados internos no filtren información en otros modelos.
Audio no almacenado en servidor
El archivo de audio generado se devuelve directamente en la respuesta de la solicitud. No se guarda en una nube persistente ni en un almacenamiento a largo plazo tras la entrega. Si necesitas conservar el audio, es responsabilidad tuya almacenarlo en tus propios servidores o servicios de hosting.
Metadatos solo para facturación
Conservamos únicamente los metadatos necesarios para verificar el consumo y emitir tu factura correctamente. Esto incluye la marca de tiempo de la solicitud, el número de caracteres procesados y el estado (éxito o fallo). Esta información es estricta para la gestión de tu cuenta y no contiene el contenido del audio.
Errores comunes y soluciones
Los errores en la integración suelen ser simples de corregir. Conocer los límites técnicos te ahorra tiempo y evita interrupciones en tus avisos o menús digitales.
Aquí tienes las soluciones para los problemas más frecuentes al conectar tu sistema con RestoVoice.
Límite de caracteres excedido
Cada solicitud acepta un máximo de 4096 caracteres. Si tu texto es más largo, la API rechaza la petición.
- Divide tu texto en partes menores a 4096 caracteres.
- Envía cada parte y une los archivos de audio resultantes.
Clave API incorrecta
Si recibes un error 401, revisa que tu clave comience con tts-. Solo hay una clave activa por cuenta.
- Asegúrate de copiar la clave completa desde /get-api-key/.
- Si la usaste mal, emite una nueva clave desde tu panel.
Formato JSON inválido
El cuerpo de la petición debe ser JSON válido con los campos model, input y voice. Un error de sintaxis detiene la síntesis.
- Verifica que las comillas y comas estén correctamente colocadas.
- Usa los ejemplos de cURL o el SDK de OpenAI como referencia.
Integración paso a paso
Configurar RestoVoice es rápido y directo. Comienza accediendo a /get-api-key/ para registrar tu cuenta con Google o email. La plataforma te asigna inmediatamente una clave API única y muestra tu saldo inicial, incluyendo la prueba gratuita de $0.50 si estás calificado.
Registro y obtención de clave
Una vez registrado, accede al panel de control para visualizar tu clave tts-.... Esta credencial es el único requisito para autenticar tus solicitudes. Puedes generar una nueva clave en cualquier momento si la anterior queda comprometida; la antigua dejará de funcionar instantáneamente.
Primer ejemplo con cURL
Para probar la integración sin dependencias, utiliza cURL. Envía un POST a https://api.kb44.info/v1/audio/speech con tu clave en el encabezado Authorization. El cuerpo JSON debe incluir el campo model, el input con tu texto y el voice deseado. El audio se recibe directamente en la respuesta.
- Endpoint: POST https://api.kb44.info/v1/audio/speech
- Header: Authorization: Bearer tts-tu_clave_aqui
- Body: {"model": "tts-1", "input": "Bienvenido a nuestra cafetería", "voice": "nova", "response_format": "mp3"}
Uso con SDK de OpenAI
Si prefieres usar código, puedes aprovechar los SDKs oficiales de OpenAI. Solo necesitas cambiar la variable base_url a https://api.kb44.info/v1 y proporcionar tu clave de RestoVoice. Esto permite reutilizar la misma estructura de llamadas que ya conoces para generar audio de forma programática en tus aplicaciones.
Comparativa con otras soluciones
RestoVoice elimina la complejidad de las licencias tradicionales. No hay suscripciones fijas ni pagos por asiento, lo que permite ajustar el gasto exactamente al volumen de tus menús digitales o avisos. Solo pagas por los caracteres que realmente consumes, con un precio claro de $0.01 por cada 1.000 caracteres.
Sin suscripciones fijas
Este modelo de pago por uso evita compromisos mensuales innecesarios para startups que están validando su producto. Puedes escalar o reducir tu uso sin penalizaciones ni costos ocultos de mantenimiento de infraestructura.
Sin almacenamiento de audio
El audio se devuelve en la respuesta y no se almacena, aunque los metadatos se guardan para facturación. Esto reduce la necesidad de gestionar grandes volúmenes de archivos en tu propia infraestructura, manteniendo tu operación ligera.
Sin soporte telefónico
Optamos por un soporte eficiente por correo electrónico, ideal para equipos técnicos que prefieren dejar constancia escrita de las incidencias. No ofrecemos línea telefónica ni chat en vivo, lo que mantiene los costes operativos bajos y la integración ágil.
Conclusión para tu startup
RestoVoice elimina la complejidad técnica para que tu startup se centre en lo importante: servir. Con una arquitectura basada en API REST estándar y la posibilidad de usar los SDKs de OpenAI, la integración es directa y no requiere infraestructura propia ni conocimientos avanzados de audio.
La tecnología es simple, específica y funciona. No necesitas gestionar servidores ni codecs; solo envías texto y recibes audio listo para reproducirse en pantallas o altavoces de tu comedor.
Escalabilidad flexible
Puedes generar desde frases cortas hasta menús completos con un solo key. El sistema maneja la longitud del texto dividiéndolo en partes de hasta 4096 caracteres y uniéndolas automáticamente, lo que permite escalar desde un único aviso hasta cientos de platos sin cambiar tu código.
Costes predecibles
Pagas exactamente por lo que usas: $0.01 por cada 1.000 caracteres. No hay suscripciones fijas ni mínimos mensuales, lo que evita pagos por inactividad durante horas valle. Si la síntesis falla, el cargo se devuelve íntegramente, protegiendo tu presupuesto.
Tecnología simple y efectiva
Utiliza estándares ampliamente conocidos como MP3, WAV u Opus, garantizando compatibilidad con la mayoría de reproductores en pantallas de hostelería. La ausencia de formatos propietarios o plugins complejos asegura que tu equipo pueda mantener el sistema con recursos mínimos.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
