Integra voz natural en tus apps con nuestra API

Por Equipo editorial de VozFlujo · Actualizado 2026-11-18

Esta guía explica cómo integrar nuestra API de texto a voz en aplicaciones móviles, priorizando la rapidez de implementación y el control de costos. Si tu equipo necesita añadir voces naturales sin dependencias externas, aquí encontrarás los pasos concretos para conectar la API, gestionar las limitaciones técnicas y optimizar el rendimiento.

Abordamos desde la selección de voces y formatos de audio hasta el manejo de textos largos. Utilizamos ejemplos prácticos basados en la estructura de precios por carácter y el pago con USDT, ideales para productos que requieren previsibilidad y una integración limpia usando el SDK de OpenAI (modificando la base_url) o peticiones HTTP básicas.

Integra voz natural en tus apps con nuestra API

Preguntas frecuentes

¿Cuál es la mejor voz para notificaciones?

No existe una voz única óptima, pero aria y nova son ideales por su claridad y tono energético. Para notificaciones urgentes, felix destaca por su dinamismo. Elige según el contexto: luna para historias o milo para conversaciones amigables. Todas soportan los 23 idiomas disponibles y se ajustan con el parámetro speed para controlar la velocidad de entrega.

¿Es mejor tts-1 o tts-1-hd para móviles?

Ambos modelos usan el mismo motor de síntesis y tienen el mismo precio. La diferencia es la preferencia auditiva, ya que la calidad base es idéntica. Para móviles, tts-1 suele ser preferible para ahorrar ancho de banda sin sacrificar la calidad de la voz ni la velocidad de generación.

¿Cuántos idiomas se pueden mezclar?

La API soporta 23 idiomas específicos, como inglés, español, japonés o alemán. Cada voz puede hablar cualquiera de estos idiomas. Si no se especifica el idioma, se deduce del script, pero para textos latinos no ingleses se recomienda definirlo explícitamente. No se admiten idiomas como vietnamita o tailandés. La mezcla ocurre dentro del texto enviado.

¿Se puede usar la API en Android?

Sí, es una API REST estándar. Puedes enviar solicitudes POST desde cualquier dispositivo Android usando HTTP. Solo necesitas configurar la base URL y autenticarte con tu clave Bearer. Funciona con cualquier lenguaje de programación que soporte peticiones HTTP, permitiendo integrar voces naturales directamente en tu aplicación móvil sin dependencias complejas.

¿Se puede usar la API en iOS?

Sí, la API es compatible con iOS mediante llamadas HTTP estándar. Utiliza el mismo endpoint POST para generar audio. Puedes integrar la respuesta de audio directamente en tu app usando los SDKs oficiales o peticiones nativas. La autenticación se realiza con tu clave API, garantizando una integración rápida y controlada de costos por carácter.

¿Qué formato de audio usa menos datos?

Entre las opciones disponibles (mp3, wav, opus, flac, pcm), opus y mp3 son los más eficientes en tamaño. Opus suele ofrecer mejor compresión para la misma calidad percibida. Wav y Flac son sin pérdida y ocupan más espacio. Para móviles, usa mp3 o opus para minimizar el consumo de datos y mejorar la velocidad de carga.

¿Cuánto cuesta una app con 10k usuarios?

El costo es de $0.01 por cada 1.000 caracteres. Para 10.000 usuarios que generan 100 caracteres diarios, el gasto mensual sería de $30. No hay costos fijos ni suscripciones; solo pagas por los caracteres procesados. Esto permite escalar el gasto directamente proporcional al uso real de tu aplicación, sin importar el número de usuarios.

¿Se puede cambiar el idioma en una misma frase?

La API genera audio para el texto enviado en un solo lote. No hay soporte para SSML ni etiquetas de cambio de idioma dentro de una misma solicitud. Si necesitas cambiar de idioma, debes dividir el texto en partes, generar el audio de cada una y unirlas. Esto requiere lógica adicional en el cliente.

¿Qué es el watermark en el audio?

Cada archivo de audio generado lleva una marca de agua inaudible que lo identifica como voz sintética. Esto indica que el audio fue producido por la API de VozFlujo y no es una grabación humana. Es una característica técnica estándar para la detección de contenido generado por IA, sin afectar la calidad audible del sonido.

¿Se puede grabar la voz del usuario?

La API solo convierte texto en audio. No ofrece grabación de voz ni clonación personalizada de voces. Si necesitas capturar la voz del usuario, debes hacerlo mediante la funcionalidad nativa de la app móvil (micrófono) y enviarla donde necesites. La API se encarga exclusivamente de la síntesis de texto a voz mediante la entrada de texto.

¿Hay límite de caracteres por segundo?

No hay un límite estricto de caracteres por segundo, pero la velocidad de generación es aproximadamente real-time (25 caracteres por segundo). Las solicitudes se procesan en cola, por lo que bajo carga pueden esperar. Para textos largos, se recomienda dividirlos en partes de hasta 4096 caracteres para optimizar la entrega y evitar tiempos de espera excesivos.

¿Se puede usar en apps offline?

No, la API requiere conexión a internet para generar el audio. La síntesis ocurre en nuestros servidores. Una vez generado, el archivo de audio puede descargarse y reproducirse offline en la app. Sin embargo, la generación inicial siempre necesita una solicitud HTTP a la API. No hay SDK offline ni caché automática de voces.

¿Cómo se compara con otras APIs?

VozFlujo cobra solo por caracteres usados ($0.01/1k) sin suscripciones mensuales. Usa el formato de solicitud de OpenAI, facilitando la integración. Ofrece 8 voces fijas y 23 idiomas, sin clonación personalizada ni streaming. Es ideal para equipos que priorizan el control de costos y la simplicidad de integración en aplicaciones móviles.

¿Qué pasa si se usa mucho el crédito de prueba?

El crédito de prueba de $0.50 (aprox. 50,000 caracteres) expira en 7 días al registrarse con Google. Si se agota o expira, debes realizar una recarga mediante USDT (TRC-20) para continuar usando la API. No se cobra automáticamente. El saldo recargado no tiene fecha de expiración y se acredita en minutos tras la transferencia.

Integración en apps móviles

Ilustración de onda de sonido para: Integración en apps móviles

VozFlujo ofrece una API REST diseñada para equipos de desarrollo móvil que buscan velocidad de integración y control de costos. La estructura de la API es compatible con el estándar de OpenAI, permitiendo cambiar la base_url a https://api.playak444.com/v1 y utilizar credenciales simples.

Al no requerir dependencias externas ni SDKs propietarios, los desarrolladores pueden integrar la síntesis de voz directamente en sus flujos de trabajo existentes mediante llamadas HTTP estándar o el SDK oficial de OpenAI, reduciendo la complejidad técnica desde el primer día.

Facilidad de integración

La estructura de la API es compatible con el estándar de OpenAI, permitiendo cambiar la base_url a https://api.playak444.com/v1 y utilizar credenciales simples. Esto elimina la curva de aprendizaje típica de sistemas propietarios y permite reutilizar código existente.

Los equipos pueden comenzar a generar audio con una sola clave API, sin necesidad de configurar entornos complejos o contratar infraestructura adicional para la síntesis.

  • Compatible con SDKs oficiales de OpenAI
  • Endpoint REST simple y estandarizado
  • Sin dependencias externas requeridas

Costos predecibles

El modelo de precios se basa estrictamente en el consumo: $0.01 por cada 1.000 caracteres, incluyendo espacios y puntuación. No hay planes mensuales fijos ni cargos por inactividad, lo que permite una planificación exacta del presupuesto por característica.

Los costos son predecibles porque solo se paga por lo que se genera. Las solicitudes fallidas no tienen costo, y el saldo no expira, ofreciendo flexibilidad para proyectos con picos de uso variables.

  • Pago por carácter consumido
  • Sin costos fijos mensuales
  • Solicitudes fallidas son gratuitas

Calidad de las voces

El servicio ofrece 8 voces predefinidas con tonalidades específicas, desde narrativas hasta informativas, basadas en grabaciones con licencia. Cada archivo generado incluye una marca de agua inaudible que identifica el audio como síntesis.

La claridad de las voces está optimizada para la reproducción en dispositivos móviles, garantizando que el audio sea comprensible incluso en entornos con ruido ambiental o mediante altavoces de baja potencia.

  • 8 voces con personalidades distintas
  • Audio optimizado para móviles
  • Marca de agua sintética incluida

Voces y calidad de audio

Ilustración de onda de sonido para: Voces y calidad de audio

VozFlujo ofrece ocho voces predefinidas, seleccionadas para cubrir distintas necesidades narrativas en aplicaciones móviles. Desde la voz cálida de Aria hasta la neutralidad de Atlas, cada preset está diseñado para garantizar claridad y consistencia en la experiencia de usuario.

Análisis de 8 voces preset

Las voces femeninas incluyen Aria (narradora clara), Nova (alegre), Luna (suave) y Sage (instruccional). Las masculinas son Felix (energética), Milo (conversacional), Atlas (neutral) y Orion (profunda). Todas son grabaciones licenciadas y pueden pronunciar cualquiera de los 23 idiomas soportados sin cambiar de modelo.

El archivo generado incluye una marca de agua inaudible que identifica el audio como síntesis. Esto asegura transparencia sin afectar la percepción del oyente en la mayoría de los escenarios de reproducción móvil.

Diferencias entre tts-1 y tts-1-hd

Ambos modelos utilizan el mismo motor de síntesis y tienen el mismo precio. La elección entre tts-1 y tts-1-hd depende exclusivamente de la preferencia auditiva, ya que la calidad base es idéntica.

Claridad en entornos móviles

En dispositivos móviles, la legibilidad es crítica. Las voces están optimizadas para evitar fatiga auditiva durante el uso prolongado. Se recomienda usar formato MP3 para equilibrar calidad y tamaño de archivo, asegurando una reproducción fluida incluso en conexiones móviles variables.

Cobertura de idiomas

Ilustración de onda de sonido para: Cobertura de idiomas

La API soporta 23 idiomas, desde el español hasta el swahili, permitiendo que cualquier voz predeterminada hable cualquier idioma de la lista. Esto simplifica la gestión lingüística al no requerir mapeos complejos por voz.

La detección automática se basa en la escritura; si no se especifica el campo language, el sistema adivina el idioma (el texto en latín por defecto se asume inglés). Para textos en alfabeto latino que no sean inglés, se recomienda establecer el parámetro language con el código ISO correspondiente.

Los 23 idiomas soportados

El sistema cubre arab, chino, danés, holandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, swahili, sueco y turco. Cada voz predeterminada puede pronunciar cualquiera de estos idiomas con la misma calidad base.

Esta flexibilidad permite que un solo modelo de voz sirva para mercados globales sin necesidad de contratar voces adicionales específicas por región, reduciendo la complejidad de la integración.

  • 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 vs manual

Si no se especifica el campo language, el sistema adivina el idioma basándose en la escritura (el texto en latín por defecto se asume inglés). Para textos en alfabeto latino que no sean inglés, se recomienda establecer el parámetro language con el código ISO correspondiente.

Idiomas no soportados

El sistema no soporta vietnamita, indonesio, tailandés, ucraniano, rumano, checo, bengalí y otros idiomas no listados explícitamente. Intentar sintetizar texto en estos idiomas resultará en una pronunciación forzada o errónea, ya que el modelo no tiene los fonemas necesarios para su estructura lingüística.

Rendimiento y velocidad

Ilustración de onda de sonido para: Rendimiento y velocidad

La generación de audio sigue una velocidad aproximada de tiempo real, calculada en unos 25 caracteres de texto por segundo de audio producido. Este ritmo es consistente en textos largos, lo que permite estimar con precisión la duración de la salida antes de finalizar la síntesis.

La latencia varía según la longitud del input. Mientras los textos extensos mantienen un flujo constante, las frases cortas requieren unos segundos para completarse. Este retraso es notable en notificaciones instantáneas.

Velocidad real de generación

El motor procesa texto a una tasa similar a la reproducción normal, lo que facilita la sincronización en aplicaciones móviles. Con 4096 caracteres por solicitud, puedes generar audios de varios minutos sin necesidad de fragmentar manualmente el contenido.

Impacto de las colas de carga

Las solicitudes se procesan en orden secuencial. Bajo alta demanda, una petición puede esperar en una cola antes de comenzar la síntesis. Esto puede aumentar el tiempo de respuesta total si muchos usuarios generan audio simultáneamente.

Latencia en frases cortas

Las frases breves toman unos segundos para completarse. Este retraso es notable en notificaciones instantáneas.

Estructura de precios

Ilustración de onda de sonido para: Estructura de precios

La facturación se basa estrictamente en el número de caracteres del texto de entrada, incluyendo espacios y puntuación. El costo es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1.000 caracteres. Si la síntesis falla, el cargo se devuelve íntegramente, asegurando que solo pagues por audio generado con éxito.

Costo por carácter

El precio es uniforme independientemente del modelo seleccionado (tts-1 o tts-1-hd) o del formato de salida elegido. Cada solicitud cuenta los caracteres exactos que envías en el campo input, hasta el límite de 4096 caracteres por petición. Esto permite calcular con precisión el gasto antes de implementar la integración en tu aplicación móvil.

Pago con USDT

Las recargas se realizan exclusivamente mediante USDT en la red TRON (TRC-20). No aceptamos tarjetas, PayPal ni suscripciones. El mínimo es de 5 dólares y el saldo se acredita automáticamente en minutos. El saldo no caduca.

Sin costos fijos mensuales

No hay planes mensuales ni cuotas de suscripción. Tampoco existen costos por asiento ni requisitos de gasto mínimo. Pagas únicamente por el uso real de la API, lo que facilita la escalabilidad para equipos que buscan control total sobre sus costos operativos sin compromisos a largo plazo.

Formatos de salida

Ilustración de onda de sonido para: Formatos de salida

La API devuelve audio en cinco formatos: mp3, wav, opus, flac y pcm. Cada uno tiene implicaciones distintas para el almacenamiento y la reproducción en dispositivos móviles.

Seleccionar el formato adecuado afecta directamente el tamaño del archivo y la compatibilidad con los reproductores de audio nativos de tu aplicación.

MP3 vs WAV para móviles

MP3 ofrece compresión con pérdida, ideal para reducir el tráfico de datos y el espacio de almacenamiento en dispositivos con recursos limitados. WAV es sin pérdida y genera archivos más grandes, pero asegura una fidelidad exacta del audio original.

Para notificaciones rápidas o fondos de audio, MP3 suele ser suficiente. Si la claridad extrema es crítica y el ancho de banda no es un problema, WAV es una opción válida.

  • MP3: menor tamaño, compresión con pérdida.
  • WAV: mayor tamaño, sin pérdida de calidad.

Compresión y tamaño de archivo

El tamaño del archivo depende del formato seleccionado y de la duración del texto sintetizado. Los formatos con compresión como MP3 y Opus reducen significativamente el peso del archivo final.

FLAC ofrece compresión sin pérdida, siendo más ligero que WAV pero más pesado que MP3. PCM es sin comprimir y tiene el mayor tamaño de archivo entre las opciones.

  • MP3 y Opus: compresión con pérdida.
  • FLAC: compresión sin pérdida.
  • WAV y PCM: sin compresión, mayor tamaño.

Compatibilidad con reproductores

Los formatos MP3, WAV, Opus, FLAC y PCM tienen soporte nativo en la mayoría de los sistemas operativos móviles modernos. Esto garantiza que la API funcione sin necesidad de bibliotecas adicionales complejas.

No obstante, siempre es recomendable verificar la compatibilidad específica del reproductor de audio utilizado en tu aplicación, especialmente para formatos menos comunes como Opus o FLAC en versiones antiguas de Android o iOS.

Gestión de la cuenta

Ilustración de onda de sonido para: Gestión de la cuenta

La gestión de la cuenta en VozFlujo es directa y se centra en la autenticación y el control de acceso. Puedes registrarte en la página /get-api-key/ utilizando tu cuenta de Google o creando un perfil con email y contraseña. Es importante notar que las cuentas son independientes por sitio, por lo que cada dominio tiene su propio conjunto de credenciales y saldos.

El registro con Google otorga un crédito de prueba de $0.50 válido por 7 días, ideal para verificar la integración inicial. Las cuentas creadas con email y contraseña comienzan sin este crédito inicial, requiriendo una recarga para comenzar a generar audio.

Registro con Google o email

Accede a /get-api-key/ para crear tu cuenta. La integración con Google es inmediata, mientras que la opción de email requiere confirmación básica. Cada sitio opera de forma independiente, manteniendo tus credenciales aisladas del resto de la red.

  • Registro vía Google con crédito inicial de $0.50
  • Opción alternativa con email y contraseña
  • Cuentas independientes por sitio web

Gestión de saldos

El saldo no tiene fecha de expiración y se gestiona exclusivamente mediante recargas en USDT (red TRON/TRC-20). No hay planes mensuales ni cargos fijos; solo pagas por los caracteres consumidos. El dashboard muestra tu balance actual y el uso acumulado.

  • Saldo sin expiración
  • Recargas mínimas de $5 en USDT TRC-20
  • Sin cargos fijos ni suscripciones

Emisión de nuevas claves

Cada cuenta mantiene una clave API activa por defecto. Si necesitas revocar el acceso, puedes emitir una nueva clave en cualquier momento desde tu panel. La clave anterior dejará de funcionar inmediatamente al generar la nueva, garantizando seguridad sin latencia.

  • Una clave activa por cuenta
  • Revocación instantánea al emitir nueva clave
  • Gestión sencilla desde el dashboard

Limitaciones a considerar

Ilustración de onda de sonido para: Limitaciones a considerar

Esta API está diseñada para la simplicidad y la velocidad de integración, no para la manipulación fina del audio. Al eliminar características complejas, el consumo de recursos del dispositivo móvil se mantiene bajo y la lógica de la app es más predecible.

Sin streaming en tiempo real

No hay soporte para WebSocket ni para transmisión parcial de audio. Debes esperar a que el archivo completo esté generado antes de reproducirlo. Para frases muy cortas, la latencia inicial puede ser de unos segundos debido a la cola de procesamiento.

Sin SSML ni etiquetas de emoción

El motor no interpreta etiquetas SSML ni controla la entonación mediante comandos. La voz sigue su interpretación natural basada en el texto, sin posibilidad de marcar pausas o énfasis específicos.

Límite de 4096 caracteres

Cada solicitud HTTP acepta un máximo de 4096 caracteres. Para textos más extensos, tu aplicación debe dividir el contenido, enviar varias peticiones y unir los archivos de audio resultantes en el cliente o en tu backend.

Integración técnica

Ilustración de onda de sonido para: Integración técnica

La integración en aplicaciones móviles se simplifica aprovechando el ecosistema ya conocido por los desarrolladores. Al seguir el formato de la API de OpenAI, no necesitas aprender una librería nueva ni gestionar endpoints complejos.

Uso del SDK de OpenAI

Modifica la base_url del SDK de OpenAI para apuntar a https://api.playak444.com/v1. Utiliza tu clave API con el encabezado Authorization: Bearer tts-.... Esto permite generar audio con el método audio.speech sin cambios en la lógica principal de tu código.

Petición HTTP básica

Envía un POST a /v1/audio/speech con un cuerpo JSON. Incluye el model (tts-1 o tts-1-hd), el input con tu texto, el voice deseado y el response_format. La API devuelve directamente el archivo de audio binario en la respuesta.

Manejo de errores de red

Si la solicitud falla, el cargo se devuelve íntegramente. Gestiona los códigos de estado HTTP para identificar si la síntesis falló o si hubo un error de autenticación. Esto asegura que el saldo de tu cuenta refleje exactamente el uso exitoso.

Casos de uso: Notificaciones

Ilustración de onda de sonido para: Casos de uso: Notificaciones

Las notificaciones push con voz requieren generación inmediata para mantener la atención del usuario. Con VozFlujo, puedes sintetizar alertas breves en segundos, aprovechando que las frases cortas se procesan rápidamente aunque estén en cola.

Generación rápida de alertas

El límite de 4096 caracteres permite incluir textos completos en una sola solicitud. Esto evita la complejidad de unir fragmentos para notificaciones simples, asegurando que la respuesta sea ágil y directa.

Voz clara y directa

Voces como Felix o Atlas ofrecen tonos energéticos o neutros ideales para avisos. La claridad es prioritaria para que el mensaje se entienda sin distracciones auditivas.

Consumo de batería y datos

Los formatos MP3 u Opus reducen el tamaño del archivo descargado, optimizando el uso de datos móviles. Al generar audio bajo demanda y no almacenarlo, se minimiza el almacenamiento local y el procesamiento continuo del dispositivo.

Casos de uso: Lectura

Ilustración de onda de sonido para: Casos de uso: Lectura

Para lecturas extensas, divide el texto en fragmentos de hasta 4096 caracteres y envía cada uno mediante la API. La longitud máxima por solicitud limita el procesamiento de una sola vez, pero el enfoque permite manejar cualquier volumen de contenido sin sobrecargar la conexión.

Cada fragmento genera un archivo de audio independiente que debes unir manualmente. Esta estrategia garantiza que la síntesis se complete incluso con textos muy largos, manteniendo el control sobre cada parte del contenido que se convertirá en voz.

Manejo de textos largos

La API limita cada solicitud a 4096 caracteres. Para textos más extensos, debes dividir el contenido en partes que respeten este límite. Esto permite procesar cualquier volumen de texto sin errores de tamaño, aunque requiere lógica de división en tu aplicación.

  • Máximo 4096 caracteres por petición
  • División manual o automática del texto
  • Cálculo de caracteres incluye espacios y puntuación

Unión de fragmentos

Cada solicitud devuelve un archivo de audio independiente. Tu aplicación debe recibir estos archivos y unirlos en secuencia para reproducir el texto completo. Esta unión puede realizarse mediante librerías de audio estándar en Android o iOS, asegurando una reproducción continua sin pausas visibles entre fragmentos.

  • Recepción de múltiples archivos de audio
  • Unión secuencial en el cliente móvil
  • Mantenimiento del orden original del texto

Experiencia de usuario continua

La generación de audio tarda aproximadamente un segundo por cada 25 caracteres en textos largos. Aunque las peticiones se procesan en cola, la estrategia de fragmentación asegura que la lectura fluya sin interrupciones mayores. Los usuarios perciben una experiencia natural, similar a un audiolibro, sin requerir streaming en tiempo real.

  • Tiempo de generación cercano al tiempo real
  • Procesamiento en cola bajo carga
  • Reproducción fluida tras la unión de fragmentos

Conclusión

Ilustración de onda de sonido para: Conclusión

VozFlujo ofrece una integración directa y predecible para equipos que priorizan el control de costos y la velocidad de desarrollo en aplicaciones móviles. Al eliminar dependencias externas y complejidades innecesarias, permite centrarse en la funcionalidad esencial de la app.

La estructura por carácter y el pago con USDT simplifican la gestión financiera, mientras que la API pura garantiza que la voz se integre sin fricciones técnicas adicionales.

Ideal para equipos ágiles

Este modelo se ajusta perfectamente a flujos de trabajo donde la previsibilidad del gasto y la rapidez de integración son críticas. No requiere mantenimiento de infraestructura ni negociaciones de SLA complejos.

Enfoque en API pura

Al no incluir SDKs propietarios ni plugins, la integración depende únicamente de llamadas HTTP estándar o del SDK de OpenAI modificado. Esto reduce la carga de dependencias en tu aplicación móvil y facilita la actualización de versiones.

Recomendación de uso básico

Para casos de uso estándar como notificaciones o lectura de textos, esta API proporciona la calidad necesaria sin sobrecargar el dispositivo. Simplemente gestiona los límites de caracteres y las velocidades de generación para optimizar la experiencia del usuario final.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Cada sitio opera de forma independiente, manteniendo tus credenciales aisladas del resto de la red.

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. MDN: Web Speech API
  3. TRON developer hub: TRC-20
  4. LibriTTS-R paper (arXiv 2305.18802)
  5. openai-python on GitHub
  6. Creative Commons Attribution 4.0
  7. Tether (USDT)
  8. FFmpeg documentation
  9. W3C WAI: making audio and video accessible
  10. LibriVox public-domain audiobooks
  11. OpenAI API reference: create speech
  12. LibriTTS-R corpus (OpenSLR 141)

Más en este sitio