Cómo convertir texto a voz de locutor gratis en tu proyecto

Por Equipo editorial de LocutorWeb · Actualizado 2026-11-19

Esta página explica cómo convertir texto a voz para anuncios, usando la API de LocutorWeb. Obtendrás una guía paso a paso para generar locuciones de alta calidad en segundos, ideal para equipos de marketing y desarrollo que necesitan audios para spots de radio y contenido sin complicaciones de infraestructura.

Aprenderás a seleccionar la voz adecuada, preparar guiones y configurar la integración técnica con Python. También descubrirás cómo optimizar tus audios para campañas y gestionar costos con el crédito de prueba inicial de $0.50. Todo esto sin necesidad de contratar actores ni gestionar infraestructura compleja.

Cómo convertir texto a voz de locutor gratis en tu proyecto

Preguntas frecuentes

¿Qué es una API de texto a voz?

Es un servicio en la nube donde envías texto y recibes un archivo de audio. La API de LocutorWeb acepta JSON y devuelve el audio sintetizado mediante una solicitud POST, permitiendo integrar la generación de voz directamente en tus aplicaciones o flujos de trabajo de producción sin necesidad de hardware adicional.

¿Es legal usar voz sintética en anuncios?

Sí, es legal. Las voces están basadas en grabaciones con licencia (LibriTTS-R) o dominio público. Cada archivo generado lleva una marca de agua invisible que lo identifica como voz sintética, lo que ayuda a la transparencia. No imitamos voces de celebridades específicas ni utilizamos datos para entrenar modelos sin consentimiento.

¿Cuánto tiempo tarda en generarse el audio?

La generación es aproximadamente en tiempo real: unos 25 caracteres de texto por segundo de audio. Para textos largos, el proceso puede tardar más debido a la cola de procesamiento. Las frases cortas tardan unos segundos, pero bajo carga alta, las solicitudes pueden esperar en cola.

¿Puedo editar el audio después de generarlo?

Sí, recibes el archivo de audio completo en formatos como MP3, WAV, OPUS, FLAC o PCM. Puedes editarlo con cualquier software de audio estándar. La API devuelve el archivo generado; no lo almacena, por lo que tú controlas la edición posterior y la integración en tu proyecto final.

¿Qué significa base_url en la documentación?

Es la dirección base para las solicitudes HTTP. Debes configurarla en https://api.luckypub.cc/v1. Esto permite usar los SDKs oficiales de OpenAI cambiando solo esta variable, facilitando la integración técnica sin necesidad de aprender una estructura de endpoints completamente nueva desde cero.

¿Es necesario saber programación para usarla?

No es estrictamente necesario, pero ayuda. Puedes usar la página /get-api-key/ para obtener un ejemplo cURL listo para usar. Si sabes usar herramientas como Postman o escribir scripts básicos, la integración es directa. Para flujos complejos, el uso de código facilita la automatización.

¿Puedo usar la voz en YouTube sin problemas?

Sí, puedes usar el audio generado en YouTube. Los archivos tienen una marca de agua inaudible que indica que es síntesis, pero no hay restricciones de licencia que lo impidan. Es ideal para anuncios, narraciones y contenido de marketing, manteniendo la claridad sobre el origen del audio.

¿Qué pasa si el texto tiene números?

El sistema interpreta los números y símbolos según el idioma detectado o especificado. Si el texto está en español, los números se leerán correctamente. Puedes usar el parámetro language para forzar la interpretación correcta y evitar que se lean como texto en inglés o con acentos incorrectos.

¿Cómo evito que suene robótico?

Selecciona una voz adecuada para el tono del anuncio, como Felix para promociones energéticas o Luna para narración suave. Ajusta la velocidad entre 0.25 y 4.0 para mejorar la naturalidad. Las voces están diseñadas para sonar claras y naturales, evitando el estilo robótico tradicional de las TTS antiguas.

¿Puedo usar la API en un servidor local?

Sí, la API es compatible con cualquier entorno que pueda hacer solicitudes HTTP POST. Puedes ejecutarla desde un servidor local, un contenedor Docker o la nube. Solo necesitas tu clave API y conexión a internet para enviar el texto y recibir el audio sintetizado.

¿Qué formato es mejor para Spotify?

Para Spotify, el formato MP3 es ampliamente compatible. También puedes usar OPUS. Elige el formato que mejor se adapte a tu flujo de trabajo de publicación, asegurando que el archivo sea fácil de subir y reproducir.

¿Hay límite de veces que puedo generar audio?

El límite es de 60 solicitudes por minuto por clave API. Si excedes este límite, las solicitudes se procesarán en cola. No hay límite diario ni mensual de caracteres, solo la velocidad de procesamiento. Puedes emitir una nueva clave si es necesario, pero la anterior dejará de funcionar.

¿Puedo cambiar la voz después de generar?

No, cada solicitud genera un archivo de audio específico con la voz elegida. Si quieres cambiar la voz, debes hacer una nueva solicitud con el parámetro voice diferente. No hay edición post-generación de la voz dentro del archivo ya creado; la síntesis es el paso final.

¿Ofrecen descuentos para startups?

No hay descuentos específicos para startups ni planes mensuales. Ofrecen una prueba gratuita con $0.50 de crédito (aproximadamente 50.000 caracteres) al registrarse con Google. El pago es por uso: $10 por cada millón de caracteres, sin costos fijos ni compromisos de permanencia.

Ventajas de usar una API para locuciones

Ilustración de onda de sonido para: Ventajas de usar una API para locuciones

La API de texto a voz de LocutorWeb elimina la necesidad de estudios de grabación y equipos técnicos para generar locuciones publicitarias. Al enviar un texto mediante una solicitud HTTP, recibes el archivo de audio listo para usar en segundos, lo que acelera significativamente la producción de anuncios de radio y contenido digital.

Generación instantánea sin grabación

El proceso es directo: envías el texto y recibes el audio sin esperas prolongadas. Aunque las solicitudes se procesan en cola, el tiempo de generación es aproximadamente en tiempo real, facilitando iteraciones rápidas para ajustes de última hora en campañas.

  • Procesamiento secuencial que puede incluir esperas bajo carga

Consistencia de voz en toda la campaña

Cada voz preestablecida mantiene su tono característico en todas las generaciones. Esto asegura que tus anuncios de radio y contenido digital mantengan una identidad auditiva uniforme sin depender de la disponibilidad de un actor específico o de variaciones entre sesiones de grabación.

Escalabilidad sin contratar actores

Puedes generar cientos de anuncios sin negociar contratos ni horarios. Con un límite de 4096 caracteres por solicitud y la posibilidad de dividir textos largos, la API se adapta a la demanda sin costos fijos adicionales por personal.

Selección de voz para el tono correcto

Ilustración de onda de sonido para: Selección de voz para el tono correcto

Atribuir la personalidad correcta al texto es crucial para que el spot conecte. No se trata de elegir un timbre, sino de alinear la entrega con la intención de la pieza. Cada voz tiene un registro definido que afecta cómo se percibe la marca sin necesidad de efectos adicionales.

Aria para narraciones suaves

Aria es una voz femenina cálida y clara, ideal para narraciones. Su entrega fluida permite que el mensaje central se entienda sin distracciones, manteniendo una cercanía natural que funciona bien en historias de marca o explicaciones de producto.

  • Aportar cercanía sin forzar la intimidad
  • Claridad en la dicción para mensajes largos

Felix para promociones energéticas

Felix aporta un tono enérgico y dinámico, diseñado específicamente para promociones. Su ritmo marcado captura la atención rápidamente, lo que lo convierte en una opción práctica para anuncios de corta duración donde el tiempo de retención es clave.

  • Dinamismo inmediato para captar atención
  • Ideal para llamadas a la acción rápidas

Atlas para noticias neutrales

Atlas ofrece una voz neutral y directa, perfecta para noticias o información factual. Al eliminar la carga emocional excesiva, permite que los datos y las instrucciones se transmitan con precisión, evitando interpretaciones subjetivas del oyente.

  • Neutralidad para transmitir hechos sin sesgo
  • Claridad informativa para contenido corporativo

Preparación del guion para síntesis

Ilustración de onda de sonido para: Preparación del guion para síntesis

Para obtener una locución profesional, el guion debe prepararse considerando que cada solicitud a la API acepta un máximo de 4096 caracteres. Los espacios y la puntuación cuentan como caracteres, por lo que es crucial calcular la longitud del texto antes de enviarlo.

Si tu anuncio excede este límite, deberás dividirlo manualmente en fragmentos y concatenar los archivos de audio resultantes. Esto garantiza que la síntesis se complete sin errores y mantenga la coherencia del mensaje publicitario.

Límite de caracteres por bloque

El endpoint solo procesa bloques de hasta 4096 caracteres. Exceder este número devuelve un error, deteniendo la generación del audio hasta que el texto se ajuste correctamente.

  • Máximo 4096 caracteres por solicitud.
  • Los espacios y signos de puntuación cuentan como caracteres.

Uso de puntuación para pausas naturales

La sintaxis del texto es la única herramienta para controlar el ritmo. Usa comas para pausas breves y puntos para silencios más largos, lo que ayuda a que la voz suene más fluida y profesional en el anuncio.

Evitación de caracteres especiales raros

Evita símbolos no estándar o caracteres Unicode complejos que la IA pueda malinterpretar. Mantén el texto limpio para asegurar una pronunciación correcta y evitar artefactos de audio indeseados en el archivo final.

Configuración técnica básica

Ilustración de onda de sonido para: Configuración técnica básica

La configuración técnica inicial es rápida y requiere solo unos pasos básicos para conectar tu proyecto con la API de LocutorWeb. No necesitas infraestructura compleja ni servidores dedicados.

Obtención de la clave API

Regístrate en /get-api-key/ con Google o correo electrónico. La plataforma genera una clave única (Bearer tts-...) que autoriza tus solicitudes. Esta clave tiene un límite de 60 peticiones por minuto.

  • Accede a /get-api-key/ para registrar tu cuenta.
  • Utiliza la clave Bearer generada para autenticación.
  • Cada cuenta mantiene una clave activa por sitio.

Instalación del SDK correspondiente

Utiliza el SDK de OpenAI en tu lenguaje preferido. Solo necesitas ajustar la URL base para que apunte a nuestro servicio, reutilizando la lógica de llamada estándar.

Configuración del endpoint base

Configura tu cliente HTTP o SDK para usar https://api.luckypub.cc/v1 como base. Todas las solicitudes deben enviarse a /v1/audio/speech mediante POST con formato JSON.

La estructura de la petición es idéntica a la de OpenAI, facilitando la integración inmediata sin aprender nuevas firmas de API.

  • Base URL: https://api.luckypub.cc/v1
  • Endpoint: POST /v1/audio/speech
  • Formato de cuerpo: JSON con campo 'input'.

Ejemplo de integración en Python

Ilustración de onda de sonido para: Ejemplo de integración en Python

Integrar la API de LocutorWeb en Python es directo utilizando la librería oficial de OpenAI, ya que la estructura de la solicitud es idéntica. Solo necesitas ajustar la URL base y autenticarte con tu clave API para generar audio rápidamente.

Este enfoque permite a los equipos de desarrollo automatizar la producción de anuncios sin gestionar infraestructura de audio. El código maneja la solicitud POST y procesa la respuesta binaria para su uso inmediato en campañas.

Código de muestra para la librería

Utiliza la librería openai de Python. Configura la URL base en https://api.luckypub.cc/v1 y usa tu clave tts-.... El modelo puede ser tts-1 o tts-1-hd.

El código envía el texto del guion y selecciona una voz como aria o felix. La API devuelve un archivo de audio en el cuerpo de la respuesta.

  • Instala la librería: pip install openai
  • Configura la clave: openai.api_key = 'tts-tu-clave'
  • Define la URL: openai.base_url = 'https://api.luckypub.cc/v1'

Manejo de la respuesta de audio

La respuesta de la API contiene los datos binarios del audio. No necesitas parsear JSON para el audio en sí, solo para los metadatos si los hubiera.

Lee el contenido de la respuesta directamente. Asegúrate de que la velocidad esté entre 0.25 y 4.0 y el formato sea mp3, wav, opus, flac o pcm.

  • Lee response.content para obtener los bytes
  • Verifica que el código de estado sea 200
  • El audio está listo para ser guardado o reproducido

Guardado del archivo en disco

Escribe los bytes recibidos en un archivo con la extensión adecuada, por ejemplo, .mp3.

Este archivo generado puede usarse inmediatamente en tus proyectos de radio o web.

  • Abre el archivo en modo escritura binaria: open('audio.mp3', 'wb')
  • Escribe los datos: f.write(response.content)
  • Cierra el archivo correctamente

Optimización para spot de radio

Ilustración de onda de sonido para: Optimización para spot de radio

Para spot de radio, la velocidad predeterminada de 1.0 ofrece la naturalidad más equilibrada. Si necesitas urgencia, sube hasta 1.5; para narraciones profundas, baja a 0.8. Evita rangos extremos para mantener la claridad.

Ajuste de velocidad al 1.0 para naturalidad

El parámetro speed acepta valores entre 0.25 y 4.0. Para la mayoría de los anuncios, 1.0 es el punto óptimo. Ajusta ±0.2 solo si el guion requiere énfasis específico, evitando distorsiones robóticas.

Uso de formato MP3 para compresión

Selecciona response_format: mp3 para reducir el peso del archivo. Es ideal para subida rápida a plataformas y redes sociales, facilitando la gestión de campañas masivas.

  • Formatos alternativos: wav, opus, flac, pcm.

Control de volumen en postproducción

La API genera audio en volumen estándar. Usa herramientas de ecualización externas para ajustar niveles si el spot requiere mezcla con música. La claridad de las voces aria o felix permite cortes precisos sin artefactos.

Manejo de textos extensos

Ilustración de onda de sonido para: Manejo de textos extensos

La API limita cada solicitud a 4096 caracteres, lo que requiere dividir textos largos como guiones de anuncios extensos en fragmentos manejables. Este enfoque garantiza que cada parte se sintetice correctamente sin errores de límite.

Al unir los archivos de audio resultantes, se obtiene una locución continua y coherente. La concatenación es el método estándar para mantener la integridad del mensaje publicitario completo.

División manual en fragmentos

Debes segmentar el texto respetando el límite de 4096 caracteres por petición. Esta restricción es técnica y asegura que la síntesis se complete sin interrupciones ni cortes abruptos en la generación del audio.

  • Límite estricto de 4096 caracteres por solicitud
  • Conteo incluye espacios y puntuación
  • Texto en cualquier idioma soportado

Concatenación de archivos de audio

Una vez recibidos los archivos de audio individuales, estos deben unirse en el orden original. El formato elegido (mp3, wav, etc.) determina cómo se procesa la unión, pero el resultado es un solo archivo listo para uso.

Esta técnica permite generar locuciones de cualquier longitud sin depender de límites de duración preestablecidos por la plataforma.

Gestión de pausas entre segmentos

Al unir los fragmentos, es crucial evitar silencios o cortes visibles entre las partes. La concatenación técnica debe ser limpia para que la voz suene continua, especialmente en anuncios donde el ritmo es vital.

Si se requiere una pausa natural entre frases cortadas, esta debe añadirse en el texto original antes de la división o postproducirse en la edición de audio.

Manejo de textos extensos

Pruebas de calidad del audio

Ilustración de onda de sonido para: Pruebas de calidad del audio

La validación del audio generado es el último paso crítico antes de su uso en campañas de publicidad. Dado que la síntesis es automática, es necesario verificar que el resultado final cumpla con los estándares de calidad esperados para los anuncios de radio o contenido digital.

Escucha de la voz generada

Reproduce el archivo generado en diferentes dispositivos para evaluar la claridad. Verifica que la entonación se mantenga coherente y que no existan artefactos de audio inusuales que distraigan al oyente.

  • Usa auriculares para detectar detalles sutiles
  • Compara con la intención original del guion

Verificación de pronunciación

Escucha nombres propios, marcas o términos técnicos para asegurar que la pronunciación sea correcta. Si el idioma no se detectó automáticamente, verifica que la configuración de language sea la adecuada.

  • Verifica acentos y ritmo natural
  • Ajusta si hay errores de dicción

Ajuste de velocidad si es necesario

Si el anuncio queda muy apresurado o lento, modifica el parámetro speed entre 0.25 y 4.0. Un ajuste fino de velocidad asegura que el mensaje llegue con el impacto adecuado sin sonar robótico.

  • Rango válido: 0.25 a 4.0
  • Prueba incrementos pequeños (0.1)

Costos en proyectos pequeños

Ilustración de onda de sonido para: Costos en proyectos pequeños

Para proyectos pequeños, el crédito de prueba de $0.50 permite generar aproximadamente 50,000 caracteres sin costo, ideal para prototipos rápidos durante 7 días. Si creas la cuenta con correo electrónico en lugar de Google, este crédito no se incluye automáticamente.

El costo estándar es de $10 por cada millón de caracteres. Las solicitudes fallidas no se cobran, lo que reduce el riesgo durante las pruebas. El saldo nunca expira, permitiendo usar fondos a tu ritmo.

Uso del crédito de prueba inicial

Regístrate con Google para recibir $0.50 de crédito válido por 7 días. Este saldo equivale a unos 50,000 caracteres, suficiente para probar múltiples voces y ajustes de velocidad sin invertir dinero.

Si usas email y contraseña, el crédito no se aplica. En ese caso, necesitas recargar para comenzar a generar audio.

  • Crédito: $0.50 USD
  • Válido: 7 días
  • Equivalente: ~50,000 caracteres

Cálculo de caracteres por anuncio

El precio es de $0.01 por cada 1,000 caracteres, incluyendo espacios y puntuación. Un spot de 15 segundos con texto normal suele requerir entre 30 y 40 caracteres por segundo, lo que equivale a un costo muy bajo por pieza.

Cuenta cada signo de puntuación como un carácter. Esto asegura una estimación precisa antes de la generación.

  • Precio: $10 / 1M caracteres
  • Fallo: gratuito
  • Espacios cuentan como caracteres

Recarga mínima para producción

Para escalar o usar la cuenta sin crédito, la recarga mínima es de $5. El pago se realiza exclusivamente en USDT (red TRON, TRC-20). El saldo se acredita automáticamente en minutos.

No hay planes mensuales ni cargos ocultos. El saldo se mantiene indefinidamente hasta su uso.

  • Mínimo: $5 USD
  • Método: USDT TRC-20
  • Tiempo de crédito: instantáneo

Publicación del audio generado

Ilustración de onda de sonido para: Publicación del audio generado

El audio generado por la API se entrega como un archivo binario listo para distribuir. Puedes almacenarlo en tu propio servidor o subirlo directamente a plataformas de audio, asegurando que el formato seleccionado (MP3, WAV, OPUS) sea compatible con el reproductor objetivo.

Para sitios web corporativos, incrusta el archivo mediante etiquetas HTML estándar o API de medios, evitando dependencias externas innecesarias. El archivo generado es autónomo y no requiere conexión constante a la API para su reproducción.

Subida a plataformas de streaming

Sube el archivo de audio resultante a tu hosting de podcast o plataforma de audio preferida. Verifica que el formato (MP3, WAV, OPUS, FLAC o PCM) sea aceptado por la plataforma para asegurar la reproducción correcta.

  • Verifica la compatibilidad del formato de audio con la plataforma destino.
  • Sube el archivo directamente desde tu servidor o herramienta de gestión de medios.

Inserción en sitios web corporativos

Inserta el audio en tu sitio web utilizando etiquetas HTML5 estándar. Esto permite a los visitantes escuchar la locución sin salir de la página, mejorando la accesibilidad y la experiencia de usuario en la sección de productos o servicios.

  • Usa la etiqueta <audio> de HTML5 para incrustación nativa.
  • Asegúrate de que el archivo esté alojado en un servidor accesible públicamente.

Uso en campañas de redes sociales

Descarga el archivo final y súbelo a tus campañas en redes sociales. Dado que la API no ofrece streaming en tiempo real, es mejor generar y almacenar el archivo completo previamente para evitar tiempos de carga durante la reproducción en plataformas como Instagram o LinkedIn.

  • Genera el audio antes de la publicación para asegurar disponibilidad.
  • Convierte el formato si la plataforma de redes sociales requiere una extensión específica.

Limitaciones a considerar

Ilustración de onda de sonido para: Limitaciones a considerar

Antes de integrar LocutorWeb en tu flujo de producción de audio, es importante conocer sus límites técnicos. La API prioriza la velocidad y la simplicidad sobre la personalización fina, lo que significa que no encontrarás características avanzadas de control de voz dentro del texto.

Estas restricciones están diseñadas para mantener la consistencia y la velocidad de generación. Si tu proyecto requiere matices complejos o clonación de identidad, deberás evaluar si esta herramienta se ajusta a tus necesidades específicas de posproducción.

Ausencia de SSML para matices

La API no soporta el lenguaje de marcado SSML. Esto significa que no puedes controlar las pausas exactas, el tono o la entonación mediante etiquetas XML en tu texto. Las pausas se gestionan únicamente mediante puntuación estándar.

Sin clonación de voz personalizada

No ofrecemos clonación de voz ni diseño de voces personalizadas. Solo puedes elegir entre los 8 preset disponibles (como Aria, Felix o Atlas). Si necesitas la voz exacta de un actor específico, deberás grabarlo externamente.

Procesamiento secuencial en cola

Las solicitudes se procesan una tras otra. Bajo carga, una petición puede esperar en una cola antes de generarse. Aunque la velocidad típica es cercana al tiempo real, la latencia puede variar durante picos de uso.

Soporte y contacto para dudas

Ilustración de onda de sonido para: Soporte y contacto para dudas

Si tienes dudas sobre la implementación o el uso de la API, nuestro soporte se basa exclusivamente en correo electrónico. No contamos con chat en vivo ni número de teléfono directo, lo que garantiza respuestas detalladas y documentadas sin tiempos de espera variables.

Envío de consultas por correo electrónico

Puedes enviar tus preguntas técnicas o de facturación directamente a través de la página de contacto. Nuestro equipo revisa los tickets y responde por escrito, proporcionando claridad sobre cualquier discrepancia en el saldo o errores específicos de la API.

Documentación técnica actualizada

La sección de documentación en /docs/ contiene la referencia completa de endpoints, modelos y parámetros de voz. Se actualiza con cada cambio en la API, asegurando que tengas acceso a la información precisa para integrar LocutorWeb en tus flujos de trabajo de publicidad.

Ejemplos de código disponibles

Encontrarás snippets listos para usar en Python y cURL que ilustran desde la autenticación hasta el guardado del archivo de audio. Estos ejemplos ayudan a reducir el tiempo de integración inicial y sirven como referencia rápida para depurar errores comunes.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Estos identificadores deben enviarse en el campo voice de la solicitud POST.

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. ISO 639 language codes
  3. OpenAI API reference: create speech
  4. IETF RFC 7845: Ogg Opus
  5. LibriTTS-R corpus (OpenSLR 141)
  6. Node.js documentation
  7. openai-node on GitHub
  8. MDN: Web Speech API
  9. openai-python on GitHub
  10. curl documentation
  11. Python documentation
  12. TRON developer hub: TRC-20

Más en este sitio