Preguntas frecuentes
¿Qué es una API de narrador de audio?
Es un servicio en la nube que permite enviar texto y recibir un archivo de audio mediante una solicitud POST. Utiliza el endpoint /v1/audio/speech con un formato JSON compatible con los SDKs oficiales de OpenAI, facilitando la integración técnica para generar narraciones automáticas sin necesidad de hardware especializado.
¿Qué es un tour virtual inmobiliario?
Es una presentación digital inmersiva de una propiedad que permite a los clientes explorar espacios como si estuvieran presentes. Para agencias inmobiliarias, añadir una voz profesional mediante nuestra API mejora la experiencia del usuario, narrando las características de las habitaciones y destacando los puntos fuertes de la vivienda de forma escalable.
¿Cuáles son los formatos de audio disponibles?
La API ofrece cinco formatos de respuesta: mp3, wav, opus, flac y pcm. Puede seleccionar el formato más adecuado para su flujo de trabajo de edición de vídeo o reproducción web, garantizando la compatibilidad con la mayoría de los reproductores y software de postproducción utilizados en tours virtuales.
¿En cuántos idiomas puedo generar voces?
Disponemos de soporte para 23 idiomas, incluyendo español, inglés, alemán, francés, italiano, portugués, chino, japonés, árabe, ruso y turco, entre otros. Cualquier voz puede hablar cualquiera de estos idiomas, lo que permite localizar sus tours virtuales para audiencias internacionales sin necesidad de contratar nuevos talentos de voz.
¿Cuántos caracteres tiene el límite por solicitud?
Cada solicitud puede contener hasta 4096 caracteres de texto. Para textos más largos, debe dividirlos en partes de este límite y unir los archivos de audio resultantes. Los espacios y la puntuación cuentan como caracteres, por lo que es importante considerar esta medida al preparar los guiones para sus propiedades.
¿Qué voces están disponibles para narraciones?
Ofrecemos 8 voces preestablecidas con tonos distintos: Aria, Nova, Luna y Sage (femeninas), y Felix, Milo, Atlas y Orion (masculinas). Cada una tiene un estilo específico, desde narradoras claras hasta voces neutrales o profundas, ideales para diferentes tipos de presentaciones inmobiliarias, desde tours relajados hasta anuncios dinámicos.
¿Cómo se cobra el servicio por caracteres?
El precio es de $10 por cada millón de caracteres, lo que equivale a $0.01 por cada 1000 caracteres. El cobro se realiza descontando del saldo de su cuenta. Los caracteres incluyen espacios y puntuación, y el costo es uniforme independientemente de la voz o el formato de audio seleccionado.
¿Qué pasa si falla una solicitud de síntesis?
Si la síntesis de voz falla, el cargo se devuelve en su totalidad. No se le cobrará por las solicitudes que no completen la generación del audio correctamente. Esto asegura que solo pague por las narraciones que se entreguen con éxito, protegiendo su presupuesto en caso de errores técnicos temporales.
¿Es necesario usar un SDK específico?
No es necesario usar un SDK propio. La API es compatible con los SDKs oficiales de OpenAI cambiando la URL base a https://api.sv366.info/v1. También puede realizar solicitudes HTTP directas, lo que facilita la integración en cualquier entorno de desarrollo sin depender de librerías exclusivas de nuestra plataforma.
¿Las voces suenan naturales para vídeos?
Las voces están basadas en grabaciones licenciadas: LibriTTS-R (CC BY 4.0) y lecturas de dominio público de LibriVox, ofreciendo un sonido claro y profesional. Aunque llevan una marca de agua inaudible que las identifica como sintéticas, están diseñadas para integrarse suavemente en vídeos y tours virtuales, proporcionando una narración clara sin la necesidad de locutores humanos.
¿Puedo cambiar el idioma de la voz?
Sí, puede especificar un código ISO de idioma en la solicitud. Si no se establece, el sistema intenta adivinarlo basándose en el script (el texto en latín se asume como inglés por defecto), por lo que para otros idiomas se recomienda establecerlo manualmente. Esto garantiza que la pronunciación sea correcta para el idioma objetivo de su propiedad.
¿Cuánto tarda en generarse el audio?
La velocidad es aproximadamente de tiempo real, generando unos 25 caracteres por segundo de audio. Las frases cortas pueden tardar unos segundos, mientras que textos largos se generan a un ritmo constante. Las solicitudes se procesan en cola, por lo que bajo carga alta podría haber una pequeña espera.
¿Se almacena el texto que envío?
El texto de entrada se utiliza únicamente para producir el audio y no se emplea para entrenamiento de modelos. El audio generado se devuelve en la respuesta y no se almacena permanentemente. Solo conservamos los metadatos de la solicitud (tiempo, caracteres, estado) para fines de facturación y registro del servicio.
¿Qué métodos de pago acepta la API?
Aceptamos únicamente USDT en la red TRON (TRC-20) para recargas, con un mínimo de $5. El saldo se acredita automáticamente en minutos. No aceptamos tarjetas de crédito, PayPal ni suscripciones mensuales. El saldo no tiene fecha de caducidad, lo que permite pagar solo cuando necesite generar narraciones.
Primera solicitud
curl
curl https://api.sv366.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.mp3Automatización de voz para agencias inmobiliarias
Automatiza la generación de audio para tus tours virtuales y vídeos de propiedades sin depender de locutores externos. Envía el texto de la descripción y recibe el archivo de audio listo para incrustar en tu plataforma, optimizando el flujo de producción de cada listing.
Procesa múltiples propiedades simultáneamente. La API escala con tu catálogo: si subes 50 descripciones nuevas, la generación se encarga de cada una de forma independiente, manteniendo la coherencia sonora sin aumentar la carga operativa de tu equipo.
Generación instantánea de narraciones
Envía texto mediante POST a https://api.sv366.info/v1/audio/speech y recibe el audio tras un tiempo de generación variable. No necesitas sincronizar voces ni grabar en estudios. El sistema procesa las solicitudes secuencialmente, liberando a tu equipo de tareas repetitivas.
Escalabilidad para múltiples propiedades
Si tu agencia añade 100 inmuebles a la semana, la API maneja la carga sin contratar personal adicional. Puedes dividir textos largos en partes de hasta 4096 caracteres y unir los archivos de audio resultantes.
Integración sencilla con flujos de trabajo
Utiliza la misma estructura de petición que los SDKs oficiales de OpenAI, solo cambiando el base_url a https://api.sv366.info/v1. Integra la generación de voz directamente en tu CRM inmobiliario o plataforma de tours virtuales mediante código estándar.
- Compatible con SDKs estándar (OpenAI SDK con base_url ajustada).
- Endpoint
POST /v1/audio/speechpara generar audio desde JSON. - Autenticación simple con clave Bearer por cuenta.
Voces profesionales para presentaciones
Las voces de NexOraWeb están diseñadas para transmitir confianza y claridad en cada detalle de una propiedad. Utilizamos voces basadas en grabaciones con licencia y dominio público, garantizando una calidad auditiva profesional sin los costos de estudio.
Cada tono ha sido seleccionado para adaptarse al contexto de la presentación, desde la intimidad de una sala hasta la amplitud de un jardín, manteniendo siempre la coherencia de la marca de la agencia.
Voz clara para descripciones de interiores
Para espacios como cocinas o salones, voces como Aria o Luna ofrecen una calidez que hace sentir al cliente en el lugar. Su claridad en la articulación asegura que cada característica arquitectónica se entienda sin esfuerzo.
- Narración suave para tours de lujo
- Claridad en la descripción de acabados
Tono neutro para tours exteriores
Atlas (neutral) y Milo (conversacional) son opciones para recorrer jardines o fachadas. Su neutralidad permite que el entorno visual sea el protagonista sin distracciones vocales excesivas.
- Estilo natural para recorridos al aire libre
- Voz amigable para presentaciones rápidas
Variedad de estilos para diferentes tipos de propiedad
Desde el tono energético de Felix para promociones hasta la profundidad documental de Orion, puedes seleccionar la voz que mejor defina el tipo de inmueble, ya sea un apartamento urbano o una casa familiar.
- Felix para anuncios promocionales
- Orion para documentales de propiedades
Idiomas para mercados internacionales
La API soporta 23 idiomas, incluyendo español, inglés, chino, alemán, francés, japonés y árabe, lo que permite narrar tours virtuales para clientes internacionales sin contratar múltiples locutores.
Todas las voces pueden hablar cualquier idioma de la lista, garantizando coherencia en la marca incluso al expandirse a nuevos mercados.
Soporte multilingüe para clientes globales
Cada voz puede hablar cualquiera de los 23 idiomas soportados con claridad, ideal para propiedades en zonas turísticas o ciudades con alta demanda extranjera.
Puedes generar narraciones en hasta 23 idiomas diferentes manteniendo el mismo tono profesional y natural en todas las versiones.
- Español, inglés, alemán, francés, italiano, portugués, ruso, chino, japonés, coreano, árabe, hindi, turco, sueco, noruego, danés, finlandés, polaco, griego, maltés, danés, finés, polaco, griego, húngaro no está en la lista (ver lista completa en /docs/)
- Sin límites de idiomas por propiedad
Detección automática de idioma
Si no especificas el campo language, el sistema detecta automáticamente el idioma basado en el guion. Por ejemplo, texto en latín se asume como inglés por defecto.
Para textos en español o portugués con script latino, recomendamos establecer explícitamente language para evitar confusiones y asegurar la pronunciación correcta.
Voces nativas en español, inglés y más
Elige entre 8 voces predefinidas que mantienen su estilo natural independientemente del idioma. Por ejemplo, 'nova' ofrece un tono brillante para apartamentos urbanos, mientras que 'atlas' transmite neutralidad para presentaciones corporativas.
Las voces están basadas en grabaciones licenciadas (LibriTTS-R), lo que asegura una calidad auditiva profesional sin sonar robótico.
- 8 voces disponibles: aria, nova, luna, sage, felix, milo, atlas, orion
- Cualquier voz puede hablar cualquiera de los 23 idiomas soportados
Calidad de audio para vídeos
La API genera audio en formatos MP3, WAV, OPUS, FLAC y PCM, garantizando compatibilidad inmediata con cualquier editor de vídeo o plataforma de tours virtuales. La velocidad de síntesis se aproxima al tiempo real en textos largos, facilitando la sincronización con las tomas de las propiedades sin latencia significativa.
Cada archivo generado incluye una marca de agua inaudible que identifica la voz como sintética, preservando la transparencia sin afectar la experiencia del espectador. Esta marca es consistente y no interfiere con la claridad de la narración.
Formatos MP3 y WAV optimizados
Elige el formato que mejor se adapte a tu pipeline de producción. MP3 ofrece un equilibrio ideal entre calidad y tamaño de archivo para la web, mientras que WAV preserva la integridad sin pérdidas para ediciones posteriores. Los formatos FLAC y OPUS están disponibles si necesitas compresión sin pérdida o eficiencia de ancho de banda específica.
La calidad de audio es consistente en todas las voces, desde el tono neutro de Atlas para noticias hasta la calidez de Aria para narraciones. Esto asegura que la presentación de la propiedad mantenga un estándar profesional uniforme, sin variaciones aleatorias en el volumen o la nitidez.
- MP3: ideal para streaming y web.
- WAV: sin pérdidas, para edición profesional.
- FLAC/OPUS: compresión eficiente sin pérdida.
Sin marcas de agua auditivas disruptivas
Aunque cada audio lleva una marca de agua inaudible que certifica su origen como voz sintética, esta es diseñada para ser imperceptible para el oyente humano. No interfiere con la comprensión del texto ni con la inmersión del tour virtual, manteniendo la atención en la propiedad.
Esta característica permite cumplir con estándares de transparencia sobre el uso de IA sin sacrificar la calidad perceptiva. El usuario final escucha una voz clara y natural, sin artefactos sonoros que delaten artificialmente la generación en momentos clave de la presentación.
Claridad en la articulación de detalles
Las voces están optimizadas para la dicción clara, crucial al describir características específicas de una vivienda como metros cuadrados, número de habitaciones o ubicaciones. La articulación precisa reduce la necesidad de retomar grabaciones por errores de pronunciación en términos técnicos o direcciones.
La velocidad de generación (aproximadamente 25 caracteres por segundo) permite una producción ágil. Aunque los textos largos se procesan en cola bajo carga, la claridad de la voz se mantiene constante, asegurando que cada detalle de la propiedad se escuche con la misma nitidez.
Rápido y fácil de integrar
Envía texto y recibe audio mediante una única llamada POST al endpoint /v1/audio/speech. La estructura del cuerpo JSON es idéntica a la de OpenAI, por lo que puedes usar los SDKs oficiales simplemente cambiando la base_url a https://api.sv366.info/v1.
Autentica cada solicitud con tu clave API en el encabezado Authorization. Esta compatidad te permite integrar la narración en tus scripts Python, Node.js o Go sin aprender una sintaxis nueva.
API compatible con SDKs estándar
Utiliza las librerías oficiales de OpenAI configurando el punto final (base_url) hacia nuestro dominio. No necesitas un SDK propietario ni instalar dependencias adicionales específicas de NexOraWeb.
- Compatible con SDKs oficiales de OpenAI
- Cuerpo JSON estándar
- Soporte para múltiples lenguajes de programación
Documentación técnica clara
La documentación detalla los parámetros requeridos como model, voice y input. Puedes probar las llamadas directamente con ejemplos curl listos para copiar desde la página de tu clave API.
Primer audio en minutos
Tras crear tu cuenta y obtener la clave, realiza tu primera solicitud. El sistema procesa las peticiones en cola y devuelve el archivo de audio resultante sin configuraciones complejas de infraestructura.

Control de costes para agencias
El coste se calcula estrictamente por el texto procesado: 10 $ por cada millón de caracteres (0,01 $ por 1 000 caracteres). Cada espacio y signo de puntuación cuenta. Si la síntesis falla, el cargo se devuelve íntegramente, por lo que no pagas por errores técnicos.
Pago por caracteres utilizados
Facturamos solo lo que se convierte en audio. El límite es de 4096 caracteres por solicitud; para textos más largos, se dividen y unen los archivos.
Sin cuotas fijas mensuales
No hay planes de suscripción, ni pagos mínimos, ni cargos por asiento. Solo pagas cuando realizas solicitudes. No existe facturación mensual fija ni compromisos de permanencia.
Recarga con USDT
El saldo se recarga mediante USDT en la red TRON (TRC-20). El importe mínimo es de 5 $. La carga es automática y se acredita en minutos. No aceptamos tarjetas ni PayPal.
Datos y privacidad
Nuestra API procesa tu texto únicamente para generar el archivo de audio solicitado. Los datos de entrada no se utilizan para entrenar ni mejorar nuestros modelos de IA, garantizando que la información de tus propiedades permanezca confidencial y bajo tu control total.
Una vez entregado el audio en la respuesta de la API, este no se almacena en nuestros servidores. Solo conservamos metadatos de la solicitud (tiempo, caracteres y estado) estrictamente para fines de facturación y control de límites de uso.
Texto no usado para entrenamiento
El texto que envías a la API se utiliza exclusivamente para la síntesis inmediata de la voz. No se retiene ni se emplea para mejorar los algoritmos de la plataforma, asegurando que tu contenido descriptivo de inmuebles no se convierta en parte de nuestro conjunto de datos.
Audio no almacenado tras la entrega
El archivo de audio generado se transmite directamente a tu aplicación o servidor. Una vez completada la entrega, no guardamos copias del audio resultante en nuestros sistemas de almacenamiento a largo plazo, minimizando el riesgo de exposición de tus narraciones personalizadas.
Metadatos solo para facturación
Guardamos los metadatos de la solicitud, que incluyen la hora, la cantidad de caracteres procesados y el estado (éxito o fallo). Esta información es necesaria exclusivamente para calcular el coste de tu cuenta y verificar los límites de velocidad de la API.
Casos de uso en bienes raíces
Las agencias inmobiliarias generan constantemente contenido para presentar propiedades. Una API de texto a voz permite crear narraciones profesionales para cada listado sin depender de locutores ni estudiarios de grabación.
Vídeos de tours virtuales 360
Integra audio descriptivo en recorridos virtuales de propiedades. La API genera archivos de audio (MP3, WAV) que explican habitaciones y características clave, manteniendo un tono neutro y claro.
- Generación rápida para múltiples propiedades simultáneas
- Compatibilidad con flujos de trabajo de tours 360°
- Audio listo para incrustar en plataformas web
Presentaciones de venta por email
Incluye enlaces a narraciones en correos dirigidos a compradores potenciales. El texto se convierte en audio en segundos, ofreciendo una experiencia inmersiva sin obligar al cliente a leer largas descripciones.
- Texto plano convertido a audio al instante
- Mejora la retención de detalles de la propiedad
- Sin necesidad de grabaciones preestablecidas
Guías de propiedades en web
Añade voz a las fichas de propiedades en tu sitio web. Los usuarios pueden escuchar la descripción mientras navegan, lo que facilita la accesibilidad y mantiene la atención en los detalles técnicos.
- Texto hasta 4096 caracteres por solicitud
- Control de velocidad para adaptación al contenido
- Idiomas automáticos o especificados por código ISO
¿Por qué elegir una API de narración?
Una API elimina la variabilidad de locutores humanos, garantizando que cada propiedad se presente con la misma voz y tono profesional, independientemente del número de agentes o idiomas.
La generación instantánea permite producir narraciones mientras se editan los vídeos, integrando la voz en el flujo de trabajo sin cuellos de botella.
Consistencia en la voz de marca
Elige una de las 8 voces disponibles (como Sage o Atlas) y úsala en todos tus vídeos. Esto crea una identidad auditiva uniforme para tu agencia.
Reducción de tiempos de producción
Genera audio en segundos sin reservar estudios ni coordinar agendas. Ideal para actualizar listings rápidamente.
Actualización inmediata de textos
Si cambia el precio o las características de una propiedad, regenera el audio en minutos. No necesitas regrabar sesiones completas.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. No se puede subir una grabación para clonar la voz de un agente o locutor específico.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
