API de texto a voz para leer documentos legales en audio

Por Equipo editorial VozLegal API · Actualizado 2026-11-19

VozLegal API es un servicio de conversión de texto a voz diseñado para que las startups publiquen sus documentos legales en formato audio mediante una interfaz JSON simple. Al enviar texto, recibe un archivo de audio listo para integrarse en plataformas de cumplimiento normativo y accesibilidad.

Esta página explica cómo utilizar la API para generar audio de términos y condiciones, políticas de privacidad y avisos legales. Aquí encontrará detalles sobre las voces profesionales disponibles, los formatos soportados, la estructura de precios por carácter y los límites técnicos para integrar la solución en su infraestructura.

API de texto a voz para leer documentos legales en audio

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 un endpoint JSON. Envías el texto y la configuración, y recibes el archivo de audio generado. Es una herramienta técnica diseñada para integrar la síntesis de voz directamente en los flujos de trabajo de software de tu startup.

¿Cómo funciona la conversión de texto legal a audio?

Envías el texto legal mediante una solicitud POST a https://api.vty15.info/v1/audio/speech con el formato JSON requerido. El sistema procesa la solicitud y devuelve el archivo de audio. Para textos largos, se dividen en partes de 4096 caracteres y se unen. El procesamiento es secuencial, por lo que puede haber cola bajo carga.

¿Qué idiomas están soportados para documentos legales?

Soportamos 23 idiomas: inglés, español, alemán, francés, italiano, portugués, ruso, chino, japonés, coreano, árabe, hindi, turco, polaco, neerlandés, danés, noruego, sueco, finés, griego, hebreo, malayo y suajili. Cualquier voz puede hablar cualquier idioma. Si no especificas el código ISO, se infiere del script; para texto latino no inglés, establece el idioma explícitamente.

¿Se puede usar el SDK de OpenAI con esta API?

Sí. La API sigue la misma forma de solicitud que el endpoint de speech de OpenAI. Solo necesitas cambiar el base_url a https://api.vty15.info/v1 en tu SDK oficial de OpenAI y usar tu clave API. Esto permite una integración rápida sin necesidad de desarrollar un cliente personalizado desde cero.

¿Cuánto cuesta la API por carácter de texto?

El costo es de $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 planes mensuales ni cargos fijos. El saldo no caduca y puedes recargar mediante USDT en la red TRON con un mínimo de $5.

¿Hay un límite de caracteres por solicitud?

Sí, cada solicitud puede contener hasta 4096 caracteres en el campo input. Para documentos legales más extensos, debes dividir el texto en partes de este tamaño y unir los archivos de audio resultantes. Esto asegura que cada solicitud sea procesada eficientemente dentro de los límites técnicos del motor de síntesis.

¿Qué formatos de audio se pueden generar?

Puedes solicitar los formatos mp3, wav, opus, flac o pcm especificando el campo response_format en tu solicitud. Estos formatos cubren necesidades estándar de reproducción web, almacenamiento de alta fidelidad y procesamiento posterior. El formato elegido se devuelve directamente en la respuesta de la API tras la síntesis exitosa.

¿Las voces tienen acentos específicos por idioma?

No. Las 8 voces preestablecidas (como Aria, Nova o Felix) pueden hablar cualquiera de los 23 idiomas soportados. No hay voces específicas por acento; la voz mantiene su timbre característico independientemente del idioma. Si necesitas un acento particular, debes seleccionar la voz que mejor se adapte al tono deseado para ese idioma.

¿Se puede ajustar la velocidad de lectura?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 mediante el campo speed en la solicitud. Esto permite acelerar o ralentizar la lectura según la complejidad del documento legal. La velocidad afecta directamente la duración del audio generado, permitiendo optimizar el tiempo de escucha para tus usuarios.

¿Qué sucede si una solicitud falla?

Si la síntesis falla, la carga se devuelve íntegramente. No se cobra al usuario por las solicitudes que no completan la generación de audio. Esto garantiza que solo pagues por el trabajo exitoso. Puedes reintentar la solicitud o ajustar los parámetros (como el texto o la voz) para intentar nuevamente.

¿Se cobra por solicitudes fallidas?

No. Las solicitudes fallidas son gratuitas y el cargo se devuelve en su totalidad. Solo se cobra por las solicitudes que completan la síntesis de audio exitosamente. Esto protege tu presupuesto frente a errores temporales o problemas de formato en las solicitudes enviadas a la API.

¿Cómo se autentica la API?

La autenticación se realiza mediante un encabezado Authorization: Bearer seguido de tu clave API única. Cada cuenta tiene una clave activa. Puedes generar una nueva clave en cualquier momento desde tu panel; la clave anterior deja de funcionar inmediatamente. Esta clave se usa en todas las solicitudes a la API.

¿Se puede emitir una nueva clave si se pierde la actual?

Sí. Puedes emitir una nueva clave API en cualquier momento desde tu cuenta. La clave anterior se invalida inmediatamente al generar la nueva, lo que asegura que si la pierdes, ya no pueda ser utilizada.

¿Qué voces son recomendadas para textos legales?

Para documentos legales, se recomiendan voces claras y neutrales como Aria (narradora clara), Sage (instruccional) o Atlas (noticias). Estas voces ofrecen una dicción precisa y un tono profesional adecuado para la transparencia normativa. Evita voces muy expresivas como Felix o Luna si buscas neutralidad absoluta en la lectura de cláusulas.

Primera solicitud

curl

curl https://api.vty15.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.mp3

¿Qué es VozLegal API?

Ilustración de onda de sonido para: ¿Qué es VozLegal API?

VozLegal API es un servicio de conversión de texto a voz diseñado para que las startups publiquen sus documentos legales en formato audio. Envía el texto en un cuerpo JSON y recibe el archivo de audio generado, cumpliendo con estándares de accesibilidad y transparencia normativa sin requerir infraestructura compleja.

Conversión de texto a audio vía JSON

Conversión de texto a audio vía JSON

El servicio opera mediante una API RESTful estándar. Se envía el texto a convertir mediante una solicitud POST y se recibe el archivo de audio correspondiente. Es ideal para integrar la lectura automática de términos y condiciones o políticas de privacidad directamente en las aplicaciones móviles o web de la startup.

  • Cuerpo de solicitud JSON simple
  • Generación de archivos MP3, WAV, OPUS, FLAC o PCM
  • Velocidad ajustable de 0.25x a 4.0x

Endpoint compatible con estándar OpenAI

La API sigue la misma forma de solicitud que el endpoint de speech de OpenAI. Esto permite utilizar los SDKs oficiales de OpenAI modificando únicamente la base_url hacia https://api.vty15.info/v1. La autenticación se realiza mediante una clave Bearer, facilitando la integración técnica inmediata sin aprender una nueva estructura de endpoints.

  • Compatible con SDKs oficiales de OpenAI
  • Endpoint: POST /v1/audio/speech
  • Autenticación con clave Bearer

Ideal para startups y cumplimiento legal

VozLegal API está optimizada para el ecosistema de startups que necesitan cumplir con normativas de accesibilidad. Permite auditar textos legales y publicarlos en audio de manera eficiente. Al no requerir modelos de suscripción ni infraestructura on-premise, las startups pueden escalar el uso de audio legal según el volumen de documentos sin costos fijos elevados.

  • Cumplimiento de accesibilidad normativa
  • Sin suscripciones mensuales ni mínimos de gasto
  • Integración rápida para apps y webs

Voces disponibles para lectura legal

Ilustración de onda de sonido para: Voces disponibles para lectura legal

La API ofrece ocho voces predefinidas, seleccionadas por su claridad fonética y tono neutral, ideales para la lectura extensiva de cláusulas y normativas. Cada voz se basa en grabaciones licenciadas (LibriTTS-R y LibriVox) y genera archivos con marca de agua sintética inaudible que certifica su origen.

La elección de la voz debe alinearse con el tipo de documento legal. Las opciones femeninas y masculinas están optimizadas para la legibilidad de textos densos, garantizando que la síntesis sea precisa sin introducir inflexiones emocionales arbitrarias que puedan alterar la interpretación contractual.

Voces femeninas: Aria, Nova, Luna, Sage

Aria ofrece un tono cálido y claro, adecuado para narradores de documentos generales. Nova es brillante y enérgica, útil para términos de servicio dinámicos. Luna es suave y narrativa. Sage mantiene un tono calmado e instruccional, preferible para guías de cumplimiento.

Su estructura fonética está optimizada para la pronunciación correcta de términos técnicos legales en los 23 idiomas soportados.

  • Aria: narradora clara y cálida
  • Nova: brillante y enérgica
  • Luna: suave para narración
  • Sage: calmada e instruccional

Voces masculinas: Felix, Milo, Atlas, Orion

Atlas es neutral y apropiado para noticias o comunicados oficiales. Orion posee un tono profundo, ideal para documentales legales o explicaciones estructuradas. Felix es enérgico, útil para promociones de servicios legales. Milo ofrece un tono conversacional y amigable para avisos de privacidad.

La selección masculina varía entre la neutralidad estricta y la cercanía conversacional, permitiendo a las startups adaptar la voz a la urgencia o formalidad del texto legal generado.

  • Felix: enérgico y promocional
  • Milo: amigable y conversacional
  • Atlas: neutral para noticias
  • Orion: profundo para documentales

Clarity y tono profesional para documentos

Todas las voces utilizan el mismo motor de síntesis (modelos tts-1 o tts-1-hd), garantizando consistencia acústica independientemente de la selección. El tono profesional se mantiene mediante la ausencia de etiquetas de emoción o variaciones dramáticas, asegurando que la información legal se transmita con precisión literal.

La claridad es prioritaria sobre la expresividad. Esto facilita la comprensión auditiva de contratos largos, donde la precisión en la articulación de nombres propios y términos técnicos es crítica para el cumplimiento de accesibilidad.

Idiomas soportados para textos legales

Ilustración de onda de sonido para: Idiomas soportados para textos legales

VozLegal API soporta 23 idiomas, incluyendo español, inglés, francés, alemán, italiano, portugués, chino, japonés y coreano, entre otros. Cada voz puede leer en cualquiera de estos idiomas sin necesidad de seleccionar modelos distintos, lo que simplifica la gestión de documentos multilingües en startups con alcance internacional.

23 idiomas disponibles

La lista incluye arábigo, danés, finés, griego, hebreo, hindi, malayo, noruego, polaco, ruso, swahili y turco, además de los idiomas principales europeos y asiáticos. Si un idioma no está en esta lista, como vietnamita o tailandés, no será soportado. Para textos legales en latín o griego, se utiliza la detección automática basada en el guion del texto.

  • 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 o configuración explícita

Por defecto, el sistema detecta el idioma del texto; en caso de texto en latín, se asume inglés. Para textos legales en otros idiomas con guion latino (como alemán o polaco), es recomendable establecer explícitamente el campo language en la petición JSON para evitar ambigüedades. Esta configuración asegura la pronunciación correcta de términos jurídicos específicos.

Soporte para textos en latín y griego

El soporte nativo para griego permite generar audio de documentos legales escritos en este idioma sin conversión previa. Para el latín, dado que usa guion latino, el sistema lo trata como inglés por defecto si no se especifica lo contrario. Esto puede requerir ajustes manuales en la configuración de language para documentos académicos o históricos específicos.

Formatos de audio y calidad

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

La API de VozLegal permite generar archivos de audio en formatos estándar como MP3, WAV, OPUS, FLAC y PCM, garantizando compatibilidad con cualquier sistema de gestión de documentos legales de las startups.

La velocidad de reproducción es ajustable entre 0.25x y 4.0x, facilitando la revisión auditiva de cláusulas complejas o la reproducción ágil de términos y condiciones extensos.

MP3, WAV, OPUS, FLAC, PCM

Se puede especificar el formato de respuesta en la solicitud JSON. Esto permite almacenar audios optimizados para web (MP3, OPUS) o en calidad lossless para archivos (WAV, FLAC), asegurando la integridad de los registros legales.

  • MP3 y OPUS para distribución eficiente.
  • WAV y FLAC para alta fidelidad.
  • PCM para procesamiento interno crudo.

Velocidad ajustable de 0.25x a 4.0x

El parámetro speed permite modificar la velocidad de lectura sin alterar la entonación natural de las voces. Esto es útil para adaptar la comprensión de textos legales densos o para acelerar la revisión de actualizaciones frecuentes.

Archivos con marca de agua sintética

Cada archivo de audio generado incluye una marca de agua inaudible que identifica el contenido como voz sintética. Esto proporciona una capa adicional de transparencia y trazabilidad para el cumplimiento normativo de las startups.

Precios transparentes por carácter

Ilustración de onda de sonido para: Precios transparentes por carácter

VozLegal API cobra $0.01 por cada 1000 caracteres procesados, donde espacios y puntuación cuentan como caracteres. Este modelo por volumen elimina costos fijos mensuales y permite escalar la generación de audios legales según la necesidad real de la startup sin compromisos de mínimo.

$0.01 por cada 1000 caracteres

El cálculo es directo: un documento de 100,000 caracteres (aprox. 15-20 minutos de audio) cuesta $1.00. La tasa se aplica por carácter enviado en el cuerpo JSON, lo que facilita la previsión de costos para auditorías y publicaciones masivas.

Prueba gratuita con $0.50

Al registrarse con Google, se obtienen $0.50 de crédito válido por 7 días, equivalente a aproximadamente 50,000 caracteres. Las cuentas creadas con correo y contraseña no reciben este crédito inicial. Este balance permite validar la integración técnica antes de la carga de fondos.

Sin cargos ocultos ni suscripciones

No hay planes mensuales ni cargos por asiento. Las solicitudes fallidas se devuelven íntegramente sin costo. El pago se realiza mediante top-up con USDT (TRC-20) con un mínimo de $5. El saldo no expira. No hay facturas con IVA.

  • Top-up mínimo: $5 USD en TRC-20
  • Crédito de prueba: $0.50 (válido 7 días)
  • Error de síntesis: reembolso total
Precios transparentes por carácter

Integración técnica para desarrolladores

Ilustración de onda de sonido para: Integración técnica para desarrolladores

La API de VozLegal es compatible con el estándar OpenAI, lo que permite a los desarrolladores integrar la generación de audio legal mediante código existente sin necesidad de aprender una sintaxis nueva. El formato de la solicitud JSON es idéntico al del endpoint de speech, facilitando la migración de sistemas ya existentes.

Uso del SDK oficial de OpenAI

Se puede utilizar el SDK oficial de OpenAI en cualquier lenguaje soportado. Esto simplifica la integración técnica, ya que las estructuras de datos y los métodos de llamada son los mismos que se usarían con el servicio nativo de OpenAI, solo cambiando la configuración de conexión.

Modificación de base_url para endpoint

La única configuración técnica necesaria es modificar la base_url del cliente SDK para apuntar a https://api.vty15.info/v1. Esto redirige todas las solicitudes al endpoint de síntesis de voz de VozLegal API, manteniendo la compatibilidad con los clientes oficiales.

Autenticación con clave Bearer

La autenticación se realiza mediante una cabecera HTTP Authorization: Bearer seguida de la clave única de la cuenta. Esta clave se genera al iniciar sesión y debe incluirse en cada solicitud POST para validar el acceso y el consumo de caracteres.

  • Formato: Authorization: Bearer tts-...
  • Una sola clave activa por cuenta
  • Renovación inmediata al emitir nueva clave

Uso en el ecosistema de startups

Ilustración de onda de sonido para: Uso en el ecosistema de startups

VozLegal API permite a las startups automatizar la generación de archivos de audio a partir de sus textos legales, cumpliendo con estándares de accesibilidad sin desarrollar infraestructura propia. Este flujo de trabajo asegura que los usuarios finales accedan a información crítica en formatos auditivos, facilitando la transparencia normativa y la inclusión en plataformas digitales.

Publicación de términos y condiciones

Integre la API para convertir términos y condiciones actualizados en audio al instante. Al modificar el texto fuente, la nueva versión se puede publicar como archivo de audio disponible para descarga o reproducción inmediata, asegurando que los usuarios reciban la versión vigente sin fricción técnica.

  • Conversión de JSON a audio en tiempo de ejecución
  • Actualización inmediata de contenidos legales sin rediseño de interfaz

Accesibilidad para usuarios finales

Proporcione una alternativa de lectura para documentos extensos, cumpliendo con normativas de accesibilidad digital. Las voces seleccionadas como Sage o Aria ofrecen claridad neutral, ideal para la escucha prolongada de cláusulas complejas o políticas de privacidad por parte de usuarios con discapacidades visuales o preferencia auditiva.

Auditoría de textos legales en audio

Genere copias en audio de los contratos para procesos de auditoría interna. Esto permite verificar la pronunciación y claridad de cláusulas críticas antes de su publicación masiva, garantizando que el mensaje legal sea percibido exactamente como se diseñó en el texto original.

  • Validación de claridad en cláusulas complejas
  • Registro de audio como evidencia de transparencia

Límites y rendimiento garantizado

Ilustración de onda de sonido para: Límites y rendimiento garantizado

Límites y rendimiento

La API está diseñada para procesos batch de documentos legales, donde la previsibilidad es clave. Cada clave de API soporta hasta 60 solicitudes por minuto, con un límite inicial de 10 rpm antes de la primera recarga.

60 solicitudes por minuto por clave

El límite estándar de 60 requests/min se aplica a la cuenta activa. Este volumen permite procesar lotes de términos y condiciones o políticas de privacidad sin saturar la cola de síntesis.

Límite de 4096 caracteres por petición

Cada solicitud JSON acepta un máximo de 4096 caracteres, incluyendo espacios y puntuación. Para documentos extensos, es necesario dividir el texto en partes y unir los archivos de audio resultantes.

Procesamiento secuencial bajo carga

Las solicitudes se procesan en orden secuencial. Bajo alta demanda, una petición puede esperar en cola antes de iniciarse la síntesis. La velocidad típica es de aproximadamente 25 caracteres por segundo generado.

Datos y privacidad en el proceso

Ilustración de onda de sonido para: Datos y privacidad en el proceso

VozLegal API procesa el texto de tus documentos legales exclusivamente para generar el archivo de audio solicitado. Esta información no se retiene una vez entregada la respuesta y no se incorpora a los conjuntos de datos de entrenamiento del modelo.

Conservamos los metadatos de la solicitud (timestamp, carácter count y estado) estrictamente para la facturación y la auditoría del servicio. No almacenamos el contenido del texto ni el audio generado a largo plazo.

Texto usado solo para generación de audio

El texto enviado se utiliza únicamente como entrada para la síntesis de voz inmediata.

No se usa para entrenamiento de modelos

Los textos ingresados no se utilizan para mejorar ni entrenar los modelos de IA de forma posterior.

Metadatos de uso conservados para facturación

Guardamos el tiempo, la cantidad de caracteres y el estado de la solicitud para asegurar la precisión de la facturación.

Esta información permite auditar el consumo sin retener el contenido del documento legal en sí.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. El proceso es directo: se envía el texto, se especifican las preferencias y se recibe el archivo de audio generado.

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. openai-python on GitHub
  3. IETF RFC 7845: Ogg Opus
  4. Python documentation
  5. OpenAI API reference: create speech
  6. LibriTTS-R corpus (OpenSLR 141)
  7. W3C WAI: making audio and video accessible
  8. LibriTTS-R paper (arXiv 2305.18802)
  9. MDN: Web Speech API
  10. Creative Commons Attribution 4.0
  11. openai-node on GitHub
  12. LibriVox public-domain audiobooks

Más en este sitio