API de texto a voz para notificaciones bancarias

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

NarraFlow ofrece una API de texto a voz diseñada para desarrolladores indie que integran notificaciones de voz en aplicaciones fintech y bancos. Convierte texto plano en archivos de audio mediante un endpoint compatible con el SDK de OpenAI, permitiendo una integración técnica directa y predecible sin depender de infraestructuras complejas.

Esta página detalla la configuración del endpoint, las voces disponibles para lectura financiera y el modelo de precios por volumen. Aquí encontrará ejemplos de código listos para usar, información sobre latencia y limitaciones técnicas, para que pueda evaluar rápidamente si la solución se adapta a los requisitos de sus notificaciones de clientes.

API de texto a voz para notificaciones bancarias

Preguntas frecuentes

¿Qué es una API de texto a voz para notificaciones bancarias?

Es un servicio en la nube que recibe texto y devuelve un archivo de audio mediante una solicitud POST. Utiliza el endpoint /v1/audio/speech con un formato JSON compatible con SDKs estándar. Permite integrar voz sintetizada en aplicaciones fintech para notificar a clientes de forma automatizada y predecible.

¿Qué formato de audio es mejor para notificaciones en apps móviles?

Puede elegir entre mp3, wav, opus, flac o pcm mediante el campo response_format. Para notificaciones móviles, mp3 o opus son eficientes en tamaño, mientras que wav o pcm ofrecen calidad sin pérdida. La elección depende del equilibrio entre calidad de audio y ancho de banda de su aplicación.

¿Las voces soportan acentos regionales específicos?

No. Las voces son ocho presets fijos (como aria, nova, felix) que no permiten personalización de acentos. El idioma se detecta por el script o se define con el campo language. Si envía texto en español, la voz hablará español, pero sin variaciones dialectales específicas más allá del idioma base.

¿Cuánto cuesta pasar texto a voz con esta API?

El costo es de $10 por cada 1 millón de caracteres, equivalente a $0.01 por cada 1.000 caracteres. Los espacios y puntuación cuentan como caracteres. Las solicitudes fallidas son gratuitas y el saldo se devuelve íntegramente. No hay planes mensuales ni costos fijos de suscripción.

¿Se puede usar esta API para llamadas telefónicas automatizadas?

Sí, es adecuado para llamadas automatizadas mediante integración HTTP. La API devuelve archivos de audio listos para reproducirse en sistemas de voz IP o IVR. Sin embargo, no ofrece streaming en tiempo real ni WebSockets, por lo que debe gestionar la cola de solicitudes y la latencia de generación.

¿Qué idiomas están disponibles para notificaciones financieras?

Hay 23 idiomas disponibles: español, inglés, francés, alemán, italiano, portugués, japonés, coreano, chino, árabe, ruso, hindi, turco, polaco, neerlandés, danés, noruego, sueco, finlandés, griego, hebreo, malayo y suajili. Puede especificar el idioma ISO o permitir que la API lo detecte automáticamente desde el script del texto enviado.

¿Se almacena el texto enviado para mejorar el modelo?

No. El texto de entrada se utiliza únicamente para producir el audio correspondiente y no se emplea para entrenar ni mejorar el modelo de síntesis. Los metadatos de la solicitud (tiempo, caracteres, estado) se conservan exclusivamente para fines de facturación y auditoría del servicio contratado.

¿Qué sucede si la síntesis falla?

Si la síntesis falla, la solicitud no se cobra. El importe se devuelve íntegramente a su saldo. Esto garantiza que solo pague por audio generado con éxito. Puede reintentar la solicitud o ajustar los parámetros como el modelo o la voz antes de volver a enviar el texto.

¿Hay un límite de caracteres por solicitud?

Sí, el campo input tiene un límite de 4096 caracteres por solicitud. Para textos más largos, debe dividirlos en partes de este tamaño y unir los archivos de audio resultantes. Esto permite manejar notificaciones extensas manteniendo la compatibilidad con la estructura de la API y los límites de procesamiento.

¿Se puede personalizar la velocidad de la voz?

Sí, puede ajustar la velocidad mediante el campo speed, que acepta valores entre 0.25 y 4.0. Esto permite acelerar o ralentizar la voz sintetizada según la necesidad de la notificación. La velocidad se aplica en tiempo de generación y afecta directamente la duración del archivo de audio resultante.

¿Es necesaria una conexión WebSocket para el audio?

No. La API funciona mediante solicitudes HTTP POST estándar y devuelve el audio completo en la respuesta. No ofrece streaming ni WebSockets para audio parcial. Debe esperar a que se complete la generación antes de recibir el archivo, lo que puede tardar unos segundos según la cola de procesamiento.

¿Las voces incluyen entonación para preguntas financieras?

No. Las voces son ocho presets fijos sin etiquetas de emoción ni SSML. La entonación es estándar para el idioma y no se adapta automáticamente a preguntas o afirmaciones. Si necesita variaciones específicas, debe gestionarlas manualmente o seleccionar la voz que mejor se ajuste al tono general de sus notificaciones.

¿Cómo se realiza el pago con USDT en TRON?

El pago se realiza exclusivamente con USDT en la red TRON (TRC-20). El monto mínimo es de $5 y el crédito se acredita automáticamente en minutos tras la transferencia. No se aceptan tarjetas, PayPal ni facturas con IVA. El saldo no tiene fecha de caducidad y puede usarse inmediatamente.

¿Qué voces son mejores para lectura de datos numéricos?

Para datos numéricos, atlas (neutral, noticias) o sage (calma, instruccional) son opciones adecuadas por su claridad. Milos es amigable y conversacional, mientras que felix es energético. La elección depende del tono de su marca. Todas las voces son claras y legibles, sin variaciones específicas para números.

Primera solicitud

curl

curl https://api.canadiandollarbingo.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

Integración rápida para notificaciones

Ilustración de onda de sonido para: Integración rápida para notificaciones

La integración es inmediata mediante un endpoint compatible con la API de OpenAI. Envíe texto plano a POST /v1/audio/speech y reciba audio sintetizado en segundos. SDKs oficiales y curl listo para usar facilitan la conexión sin infraestructura adicional.

Endpoint compatible con OpenAI

Endpoint compatible con OpenAI

Utilice la misma estructura de solicitud que OpenAI, cambiando solo la base URL. Autenticación mediante clave Bearer y cuerpo JSON simple. Compatible con SDKs oficiales de OpenAI para Python, Node.js y otros lenguajes.

  • Endpoint: POST /v1/audio/speech
  • Formato JSON estándar
  • SDKs OpenAI compatibles

Formatos de audio para apps móviles

Seleccione entre mp3, wav, opus, flac o pcm según sus necesidades de compresión y compatibilidad. MP3 es ideal para notificaciones web ligeras; WAV para alta fidelidad en pruebas. Opus ofrece excelente relación calidad-tamaño para redes móviles.

  • MP3 para web móvil
  • WAV para alta fidelidad
  • Opus para eficiencia de red

Latencia predecible para llamadas

Procesamiento secuencial con latencia predecible. Textos largos generan audio en tiempo real aproximado (25 caracteres por segundo). Peticiones se procesan una tras otra; bajo carga puede haber cola. Ideal para notificaciones asíncronas, no para respuestas en tiempo real estricto.

  • Procesamiento secuencial
  • 25 caracteres/segundo
  • Cola bajo carga

Voces claras para lectura financiera

Ilustración de onda de sonido para: Voces claras para lectura financiera

La claridad vocal es crítica para la precisión de los datos financieros. NarraFlow ofrece voces diseñadas para minimizar la ambigüedad en la lectura de números y términos técnicos.

Cada voz ha sido seleccionada para contextos específicos de notificación bancaria, garantizando que la información crítica se transmita con la entonación adecuada sin distracciones.

Atlas para noticias de mercado

Atlas ofrece una voz neutra y profesional, ideal para la lectura de titulares de bolsa o cambios en tasas de interés.

Su tono preciso facilita la comprensión rápida de datos numéricos complejos sin la interferencia de emociones artificiales.

  • Tono neutral y directo.
  • Ideal para datos de mercado.
  • Mínima entonación emocional.

Milo para conversaciones amigables

Milo utiliza una voz conversacional para notificaciones de saldo o recordatorios de pago.

Su tono cercano reduce la frialdad de las alertas automáticas, mejorando la experiencia del usuario final.

  • Voz cálida y accesible.
  • Ideal para recordatorios.
  • Tono natural y fluido.

Sage para instrucciones técnicas

Sage es la opción recomendada para guías paso a paso o explicaciones de tarifas.

Su voz calmada y clara ayuda a los usuarios a seguir instrucciones complejas sin perder el hilo.

  • Voz calmada y clara.
  • Ideal para instrucciones.
  • Alta legibilidad técnica.

Soporte multilingüe para mercados globales

Ilustración de onda de sonido para: Soporte multilingüe para mercados globales

La API NarraFlow soporta 23 idiomas, incluyendo español, inglés y francés con calidad nativa. Esta capacidad permite que las notificaciones financieras lleguen a mercados globales sin necesidad de integrar múltiples motores de síntesis.

El sistema detecta automáticamente el idioma basado en el script del texto enviado. Para textos en latín que no sean inglés, se recomienda especificar el código ISO para garantizar la pronunciación correcta.

Español, inglés y francés nativos

Los modelos procesan español, inglés y francés con precisión, ideal para avisos de saldo o alertas de transacciones en estas regiones. No se requiere configuración adicional para estos idiomas principales.

Detección automática por script

Si no se proporciona el campo language, el sistema infiere el idioma. El texto en latino por defecto se asume como inglés. Para otros idiomas en latín, debe establecerse el código ISO explícitamente.

23 idiomas disponibles

La lista completa incluye alemán, japonés, chino, árabe, ruso y turco, entre otros. Cualquier voz puede hablar cualquier idioma de la lista, facilitando la expansión a nuevos mercados sin cambios en la infraestructura.

  • Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish

Costos predecibles por volumen

Ilustración de onda de sonido para: Costos predecibles por volumen

El costo de la API es estrictamente proporcional al volumen: $0.01 por cada 1.000 caracteres procesados, incluyendo espacios y puntuación. Las solicitudes fallidas no generan cargo, devolviéndose el crédito en su totalidad. Esta estructura elimina la incertidumbre en la facturación para aplicaciones de notificaciones bancarias con picos de uso variables.

$0.01 por 1.000 caracteres

El precio se calcula por carácter de entrada. No existen tarifas base mensuales ni cargos por API calls individuales. Esto permite predecir el gasto exacto basándose en el volumen de texto generado para las alertas de clientes.

Pago con USDT (TRC-20)

Los depósitos se realizan exclusivamente mediante USDT en la red TRON (TRC-20). El mínimo de recarga es de $5 USD. El saldo se acredita automáticamente en minutos tras la confirmación de la transferencia en la blockchain.

Sin costos ocultos ni suscripciones

No hay planes mensuales, ni costos por asiento, ni facturación con IVA. El saldo no caduca. Se emite un solo código de autorización por cuenta, renovable sin costo adicional si se requiere rotación por seguridad.

Limitaciones técnicas claras

Ilustración de onda de sonido para: Limitaciones técnicas claras

La API de NarraFlow entrega audio completo una vez finalizada la síntesis, sin transmisión parcial en tiempo real ni conexión WebSocket. Esto garantiza que la integración sea simple y compatible con los SDK estándar de OpenAI, sin necesidad de gestionar streams de audio fragmentados.

No se soporta SSML ni marcas de emoción, lo que limita el control fino sobre la entonación. La claridad se logra mediante la selección precisa de voces preestablecidas como Atlas o Sage, ideales para la lectura de datos financieros sin variaciones artificiales.

Sin streaming ni WebSocket

La respuesta devuelve el archivo de audio completo tras procesar la solicitud. No hay entrega progresiva de fragmentos, lo que simplifica la caché y el manejo de errores en apps fintech que requieren archivos estáticos.

Sin SSML ni marcas de emoción

El formato de entrada es texto plano. No existen etiquetas para pausas, énfasis o cambios de tono. El control de la voz depende exclusivamente de la selección del preset y la velocidad configurada.

Límites de 60 requests por minuto

Cada clave API está limitada a 60 solicitudes por minuto. Para volúmenes mayores, es necesario implementar lógica de colas en el lado del cliente o servidor. Los primeros 10 requests por minuto están disponibles sin top-up.

Este límite asegura la estabilidad del servicio para notificaciones periódas. Si se excede, las solicitudes adicionales pueden esperar en cola o devolver error, dependiendo de la congestión del servidor.

Limitaciones técnicas claras

Uso de datos y privacidad

Ilustración de onda de sonido para: Uso de datos y privacidad

El texto enviado a la API se utiliza exclusivamente para generar el archivo de audio correspondiente y no se incorpora a los conjuntos de datos de entrenamiento del modelo. Esta garantía asegura que su contenido no sea utilizado para mejorar las voces de forma automática sin consentimiento explícito.

Texto no se usa para entrenamiento

Su texto ingresa al sistema únicamente para producir el audio solicitado. Una vez generada la respuesta, no se retiene para fines de entrenamiento o mejora del modelo subyacente, garantizando la confidencialidad de los datos sensibles de sus clientes.

Audio no se almacena tras la entrega

El archivo de audio generado se devuelve en la respuesta HTTP y no se almacena en nuestros servidores de forma permanente. Esto minimiza el riesgo de exposición de sus notificaciones financieras una vez que su aplicación ha recibido el archivo.

Metadatos de facturación conservados

Conservamos los metadatos de la solicitud, incluyendo la marca de tiempo, el número de caracteres procesados y el estado de la operación. Esta información es estrictamente necesaria para calcular el costo por volumen y generar el cargo preciso en su cuenta.

Demostración de la API

Ilustración de onda de sonido para: Demostración de la API

La integración con NarraFlow sigue el estándar de la API de OpenAI, lo que permite reutilizar el SDK oficial cambiando solo la URL base. Esto simplifica la implementación de notificaciones de voz en aplicaciones fintech sin requerir librerías adicionales.

A continuación se muestra una solicitud HTTP completa para generar audio de una alerta de saldo. La respuesta incluye el archivo de audio binario, listo para ser reproducido directamente en el cliente o guardado como archivo.

Los códigos de estado HTTP indican claramente el resultado de la síntesis, facilitando la gestión de errores en el flujo de notificaciones automatizadas.

Ejemplo de curl listo para usar

Ejecuta esta solicitud desde tu servidor para probar la integración. Asegúrate de reemplazar <YOUR_API_KEY> con tu clave activa y ajustar el texto de entrada según el mensaje de notificación deseado.

  • curl -X POST "https://api.canadiandollarbingo.info/v1/audio/speech" \ -H "Authorization: Bearer <YOUR_API_KEY>" \ -H "Content-Type: application/json" \ -d '{"model": "tts-1", "input": "Su saldo actual es de $1,250.00", "voice": "atlas", "response_format": "mp3"}'

Respuesta JSON con audio base64

La API devuelve una respuesta JSON con el audio codificado. Este formato es compatible con la mayoría de los clientes modernos que pueden decodificar Base64 a un archivo de audio ejecutable.

  • audio: Archivo binario con el audio generado.
  • formato: Indica el formato solicitado (mp3, wav, opus, flac, pcm).
  • duracion_estimada: Tiempo aproximado de reproducción del audio generado.

Códigos de estado HTTP claros

Los códigos de estado HTTP indican claramente el resultado de la síntesis, facilitando la gestión de errores en el flujo de notificaciones automatizadas.

  • 200 OK: La síntesis fue exitosa y se devuelve el audio.
  • 400 Bad Request: Parámetros inválidos o texto excedido.
  • 429 Too Many Requests: Límite de 60 solicitudes por minuto alcanzado.
  • 500 Internal Server Error: Error interno en la síntesis, sin cargo.

Caso de uso: Alertas de saldo

Ilustración de onda de sonido para: Caso de uso: Alertas de saldo

El flujo comienza con una alerta de texto plano enviada desde el core bancario. La API procesa la solicitud y devuelve el archivo de audio listo para la notificación push, con una latencia predecible adecuada para llamadas automatizadas.

Texto plano a voz en segundos

Se envía el texto de la alerta mediante un POST JSON. El sistema devuelve el audio generado sin necesidad de gestión de estado, permitiendo que el cliente reciba la notificación en segundos.

Voz Aria para lectura clara

La voz Aria se selecciona para garantizar una narración clara y directa. Su tono cálido y definido es ideal para transmitir montos y fechas sin ambigüedades, optimizando la comprensión en contextos financieros.

Formato MP3 optimizado para web

El formato MP3 se utiliza para reducir el consumo de ancho de banda en las notificaciones móviles. Este formato estándar asegura la compatibilidad con la mayoría de los reproductores nativos de iOS y Android.

Ventajas para desarrolladores indie

Ilustración de onda de sonido para: Ventajas para desarrolladores indie

La API NarraFlow utiliza el mismo formato de solicitud que OpenAI, lo que permite a los desarrolladores indie integrar voz sintetizada en sus aplicaciones fintech con cambios mínimos en el código. Solo se requiere modificar la URL base a https://api.canadiandollarbingo.info/v1 y utilizar la clave de la cuenta existente.

Esta compatibilidad asegura que las librerías oficiales de OpenAI funcionen correctamente sin necesidad de adaptadores personalizados, reduciendo la complejidad técnica en la implementación de notificaciones por voz.

SDK de OpenAI compatible

Al adherirse al formato de solicitud de OpenAI, se elimina la necesidad de aprender una sintaxis propietaria. Los desarrolladores pueden reutilizar el código existente para manejar respuestas JSON y flujos de autenticación con la cabecera Bearer.

  • Compatible con librerías oficiales de OpenAI
  • Mismo formato de cuerpo JSON
  • Autenticación estándar con clave Bearer

Sin infraestructura propia

No es necesario gestionar servidores de procesamiento de audio ni escalar la capacidad de cómputo durante picos de demanda. La generación de audio ocurre en la nube, permitiendo centrar los recursos en la lógica de la aplicación fintech.

  • Modelo de consumo por carácter
  • Sin gastos fijos de infraestructura
  • Escalado automático por la API

Documentación técnica completa

La documentación técnica detalla los endpoints, parámetros de voz y formatos de audio disponibles. Esto facilita la integración rápida en entornos de desarrollo sin ambigüedades sobre los límites de caracteres o las latencias esperadas.

  • Ejemplos de código listos para usar
  • Definición clara de errores HTTP
  • Especificación de límites de tasa

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Verifique el saldo y el consumo en la página de su cuenta para evitar sorpresas.

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. LibriVox public-domain audiobooks
  3. ISO 639 language codes
  4. openai-node on GitHub
  5. W3C WAI: making audio and video accessible
  6. MDN: Web Speech API
  7. Python documentation
  8. TRON developer hub: TRC-20
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. IETF RFC 7845: Ogg Opus
  11. OpenAI API reference: create speech
  12. openai-python on GitHub

Más en este sitio