Preguntas frecuentes
¿Qué voz es mejor para un personaje infantil?
Luna ofrece un tono suave ideal para narración de historias, mientras que Nova es brillante y enérgica. Ambas son voces femeninas disponibles en la API. Puedes ajustar la velocidad entre 0.25 y 4.0 para adaptar la entonación del personaje a la escena específica de tu animación.
¿Puedo usar la API para contenido comercial?
Sí, las voces están basadas en grabaciones con licencia CC BY 4.0 y audiolibros de dominio público. No hay restricciones de uso comercial en los términos de la API.
¿Cómo evito que el audio suene robótico?
Ajusta la velocidad entre 0.25 y 4.0 para encontrar un ritmo natural. Usa Luna para tonos más suaves o Nova para energía. Los modelos tts-1 y tts-1-hd utilizan el mismo motor. La puntuación correcta en el texto ayuda a la entonación, ya que no hay SSML.
¿Se puede cambiar la velocidad de la voz?
Sí, el parámetro speed acepta valores de 0.25 a 4.0. Esto permite acelerar diálogos rápidos o ralentizar narraciones. La velocidad se aplica directamente en la solicitud POST al endpoint de speech, permitiendo ajustar el ritmo sin regenerar todo el audio desde cero.
¿Qué pasa si el texto tiene caracteres especiales?
Los caracteres especiales cuentan como caracteres en el límite de 4096 por solicitud. El sistema los procesa normalmente dentro del texto de entrada. Si el texto excede el límite, debes dividirlo en partes y unir los archivos de audio resultantes manualmente.
¿La API soporta acentos regionales específicos?
No soporta acentos regionales específicos. Puedes elegir entre 23 idiomas, pero no hay parámetros para dialectos.
¿Cómo se mide la longitud del texto en caracteres?
Se cuentan todos los caracteres, incluyendo espacios y puntuación. El límite es de 4096 caracteres por solicitud. El precio es de $0.01 por cada 1000 caracteres. Los espacios y signos de puntuación contribuyen al conteo total y al costo final.
¿Es seguro usar audio generado por IA en YouTube?
Sí, el audio generado es seguro para plataformas como YouTube. Cada archivo lleva una marca de agua invisible que lo identifica como voz sintética. Esto ayuda a la transparencia. No hay restricciones de plataforma en el uso de las voces licenciadas.
¿Cuántas voces diferentes puedo usar en un proyecto?
Puedes usar las 8 voces disponibles: Aria, Nova, Luna, Sage, Felix, Milo, Atlas y Orion. No hay límite de uso por proyecto. Puedes cambiar de voz en cada solicitud de la API para dar personalidad única a cada personaje de tu animación.
¿Se puede generar audio en tiempo real?
No hay streaming ni generación en tiempo real. Las solicitudes se procesan una tras otra y pueden esperar en cola bajo carga. El tiempo típico es de unos segundos por frase corta. Para textos largos, se generan partes que debes unir.
¿Qué formato es mejor para editar en software de animación?
WAV es ideal para edición por su calidad sin pérdida. FLAC también es una opción sin pérdida. MP3 es más ligero. Elige el formato que mejor se adapte a tu flujo de trabajo de edición, disponible en el parámetro response_format.
¿Hay límite de caracteres totales por mes?
No hay límite de caracteres totales por mes. El pago es por uso, con un costo de $10 por millón de caracteres. Tu saldo debe ser suficiente para cubrir las solicitudes. No hay planes mensuales ni gastos mínimos obligatorios.
¿Puedo usar la misma voz para múltiples personajes?
Sí, puedes usar la misma voz para diferentes personajes. Esto es útil para mantener consistencia o ahorrar tiempo. Puedes ajustar la velocidad o el tono implícito mediante la puntuación del texto para diferenciar a los personajes si es necesario.
¿Cómo se maneja la puntuación en la generación de audio?
La puntuación afecta la entonación y las pausas naturales. Se cuenta como carácter en el límite de 4096. No hay SSML para control fino, por lo que la puntuación estándar es la herramienta principal para dirigir el ritmo de la voz.
Elección de la voz adecuada
Seleccionar la voz correcta define la identidad de tus personajes animados. CantoAnim ofrece ocho presets diseñados para claridad y consistencia, permitiendo que cada personaje tenga una voz distinta sin complicaciones técnicas.
Las voces son claras y naturales, ideales para proyectos indie que necesitan iterar rápido. Elige según el tono narrativo o promocional de tu escena.
Aria para narración clara
Aria tiene un tono cálido y claro, ideal para narradores o personajes que guían la historia. Su voz transmite calma sin perder energía, perfecta para escenas de diálogo tranquilo o introspección.
- Tono: narrador claro y cálido
Felix para promociones energéticas
Felix aporta energía y vitalidad, adecuado para escenas dinámicas o promociones internas. Su voz enérgica ayuda a mantener el ritmo en secuencias rápidas o anuncios dentro de la animación.
- Tono: energético y promocional
Atlas para noticias neutrales
Atlas ofrece una voz neutral y directa, excelente para segmentos informativos o diálogos objetivos. Su claridad evita interferencias emocionales, manteniendo el foco en el contenido de la escena.
- Tono: neutral y objetivo
Configuración técnica básica
La configuración inicial requiere obtener una clave API desde la página /get-api-key/ de la web, seleccionando registro con Google o correo electrónico. Esta credencial autoriza las solicitudes al endpoint de síntesis.
Obtener clave API en la web
Accede a /get-api-key/ y regístrate con Google o correo electrónico. La interfaz muestra tu clave única (formato tts-...), saldo y un ejemplo de curl listo para usar. Genera una nueva clave en cualquier momento si la anterior deja de funcionar.
Configurar SDK o cURL
Utiliza el SDK oficial de OpenAI modificando el base_url a https://api.playt833.com/v1. Alternativamente, usa cURL enviando un cuerpo JSON con la cabecera Authorization: Bearer <tu_clave>. Ambos métodos son válidos para interactuar con la API.
- SDK compatible con la estructura de solicitudes de OpenAI
- Endpoint: POST /v1/audio/speech
- Cabecera: Authorization: Bearer tts-...
Enviar primera solicitud de texto
Envía una solicitud POST con el campo input (texto a convertir), model (tts-1 o tts-1-hd) y voice (por ejemplo, 'aria'). La respuesta devuelve el archivo de audio directamente. Asegúrate de que el texto no supere los 4096 caracteres por petición.
Manejo de diálogos largos
En animación indie, los diálogos extensos superan el límite de 4096 caracteres por solicitud. La solución técnica consiste en dividir el guion en fragmentos más pequeños y generar cada parte por separado mediante la API.
Este enfoque permite gestionar la generación en lotes y mantener la coherencia del proyecto sin depender de streaming ni SSML.
División de texto en fragmentos
El límite estricto es de 4096 caracteres por petición, incluyendo espacios y puntuación. Debes implementar un script que corte el texto en partes manejables antes de enviarlas al endpoint POST /v1/audio/speech.
Sincronización de tiempos
La generación es asíncrona y se procesa en cola. En picos de carga, las solicitudes pueden esperar. Calcula el tiempo estimado basándote en una velocidad de generación de aproximadamente 25 caracteres por segundo para cada fragmento.
Unión de archivos MP3 o WAV
Una vez recibidos los archivos de audio individuales, utiliza una herramienta de línea de comandos o una librería de audio para concatenarlos en orden cronológico. Esto crea el archivo final listo para sincronizar con la animación en tu software de edición.
Optimización de costos
Controlar el consumo de caracteres es clave para mantener el presupuesto en proyectos de animación indie. Cada espacio y puntuación cuenta en el precio de $0.01 por cada 1.000 caracteres. Monitoriza el panel de tu cuenta para ajustar la longitud de los guiones antes de la generación masiva.
Monitoreo de caracteres usados
El panel de tu cuenta muestra el saldo restante y los caracteres consumidos en tiempo real. Esto te permite calcular exactamente cuánto audio puedes generar con tu presupuesto actual sin sorpresas al final del mes.
- Verifica el uso diario en el dashboard
- Calcula el costo por escena antes de enviar
Uso eficiente de la prueba gratis
Al registrarte con Google, recibes $0.50 de crédito válido por 7 días (aproximadamente 50.000 caracteres). Úsalo para validar la calidad de las voces seleccionadas antes de invertir en recargas. Si usas email y contraseña, este crédito no se aplica automáticamente.
- Crédito inicial: $0.50 por 7 días
- Válido para pruebas de calidad y prototipos
Top-ups automáticos con USDT
Recarga tu cuenta enviando USDT (TRC-20) por un mínimo de $5. El saldo se acredita automáticamente en minutos, sin necesidad de facturas ni contratos mensuales. El dinero no caduca, permitiéndote escalar tu producción de audio conforme crece tu serie o cortometraje.
- Red TRON (TRC-20) única
- Crédito sin fecha de expiración
Integración en pipelines
La generación de audio en lote permite procesar múltiples diálogos simultáneamente mediante la API de CantoAnim. Al enviar textos de hasta 4096 caracteres por solicitud, los estudios pueden paralelizar la creación de voces para personajes sin bloqueos manuales.
Generación de audio en lote
Envía varios textos en paralelo cambiando el base_url a https://api.playt833.com/v1. Cada solicitud devuelve un archivo de audio independiente, optimizando el tiempo de producción para series con muchos diálogos.
Validación de calidad de voz
Escucha los archivos generados con las 8 voces predefinidas para asegurar que el tono se ajuste al personaje. Verifica que la velocidad (0.25–4.0) mantenga la claridad narrativa sin distorsiones.
Exportación a software de edición
Descarga los formatos MP3, WAV, OPUS, FLAC o PCM directamente desde la respuesta de la API. Importa estos archivos en tu suite de edición para sincronizar con la animación visual y agregar efectos de sonido.
Idiomas y doblaje
Este servicio permite generar diálogos en 23 idiomas distintos, desde inglés hasta español, pasando por japonés o árabe. Cada voz puede pronunciar cualquier idioma de la lista, lo que facilita el doblaje sin necesidad de contratar múltiples actores nativos para personajes secundarios o extras.
Soporte para 23 idiomas
El API soporta chino, danés, holandés, inglés, finés, francés, alemán, griego, hebreo, hindi, italiano, japonés, coreano, malayo, noruego, polaco, portugués, ruso, español, swahili, sueco, turco, árabe y ruso. No incluye vietnamita, indonesio, tailandés, ucraniano, rumano, checo, bengalí y otros no listados.
Detección automática vs manual
Si no especificas el campo language, el sistema intenta adivinar el idioma basándose en la escritura. Para textos en latín que no sean inglés, es recomendable establecer el parámetro de idioma manualmente para evitar errores de pronunciación.
Consistencia de voz entre idiomas
Puedes asignar la misma voz (por ejemplo, 'nova' o 'atlas') a un mismo personaje en diferentes idiomas para mantener la identidad acústica. Esto asegura que el doblaje conserve la personalidad original del diseño de audio inicial.
Limitaciones técnicas
CantoAnim es una API REST directa, lo que significa que prioriza la velocidad y la simplicidad sobre la gramática avanzada del audio. Esto implica sacrificar ciertos matices de control que podrían esperarse en producciones de alto presupuesto.
Sin SSML para entonación fina
No se utiliza lenguaje de marcado de voz (SSML) para controlar pausas o énfasis. La entonación se gestiona mediante la puntuación natural del texto enviado.
Sin clonación de voz personalizada
El servicio no ofrece clonación de voz. No puedes subir una grabación de un actor para replicar su timbre exacto. Solo se utilizan las 8 voces predefinidas basadas en grabaciones licenciadas.
Latencia en picos de carga
Las solicitudes se procesan en cola. Bajo alta demanda, el tiempo de generación puede aumentar significativamente, aunque la velocidad habitual es de aproximadamente un segundo por cada 25 caracteres.

Ejemplos de uso real
El TTS permite iterar guiones sin contratar actores cada vez. Los estudios indie generan voces claras para personajes usando modelos compatibles con SDKs conocidos, ajustando velocidad y tono según la escena.
Cortometrajes animados
Genera diálogos completos en minutos. Divide textos largos en fragmentos de 4096 caracteres y une los archivos MP3 resultantes. Ideal para proyectos con presupuestos limitados donde la rapidez es clave.
- Uso de voces como Luna para narración suave
- Unión automática de fragmentos de audio
Series web de baja producción
Mantén la consistencia de voz entre episodios. Usa la misma voz (ej. Aria o Felix) para personajes recurrentes sin depender de la disponibilidad de un actor. Costos predecibles por carácter.
- Consistencia en series episódicas
- Costos bajos por uso
Contenido para YouTube
Produce videos con voces claras en 23 idiomas. Detección automática o manual del idioma para subtítulos sincronizados. Genera audio rápido para mantener la frecuencia de publicación sin cuellos de botella.
- Soporte multilingüe inmediato
- Generación rápida de contenido
Preguntas frecuentes técnicas
Ajusta la velocidad entre 0.25 y 4.0 para sincronizar labios o adaptar ritmo narrativo. Los modelos tts-1 y tts-1-hd aceptan este parámetro directamente en el cuerpo JSON.
Si la síntesis falla, no se cobra el carácter. El estado de la respuesta indica el error, permitiendo reintentos sin costo adicional ni penalización en el saldo.
¿Se puede ajustar la velocidad?
Configura el campo speed en la solicitud para variar la velocidad de habla entre 0.25 y 4.0. Esto permite alinear el audio con movimientos de personajes sin posproducción extensa.
La velocidad se aplica en tiempo real durante la generación. Valores extremos pueden alterar la naturalidad, pero mantienen la claridad del idioma seleccionado.
- Rango válido: 0.25 a 4.0
- Aplicable en tts-1 y tts-1-hd
- Sin efecto en el formato de salida
¿Qué pasa si falla el audio?
Las solicitudes fallidas son gratuitas. Si la síntesis falla, el cargo se devuelve íntegramente. Verifica el código de estado HTTP para confirmar.
No se requiere acción manual para el reembolso; el sistema registra el evento y ajusta el saldo automáticamente.
- Cobro revertido automáticamente
- Sin penalización por fallos
- Verificar logs de estado
¿Cómo se mide el uso real?
El costo se calcula por carácter, incluyendo espacios y puntuación. La tasa es de $10 por 1 millón de caracteres.
El panel de cuenta muestra el saldo actual, caracteres restantes y el historial de uso. La prueba gratuita incluye 50,000 caracteres válidos por 7 días.
- $0.01 por 1,000 caracteres
- Espacios y signos cuentan
- Saldo visible en dashboard
Ventajas para startups
Para estudios indie, el costo predecible por carácter elimina la incertidumbre de las tarifas por hora o por personaje. Con un precio fijo de $0.01 por cada 1.000 caracteres, puedes presupuestar exactamente cuánto costará un episodio completo sin sorpresas ni facturas ocultas.
Menor costo que actores de voz
Al evitar los honorarios de actores y estudios de grabación, los recursos se destinan directamente a la producción visual. La prueba gratuita de $0.50 permite validar la calidad antes de invertir en recargas mediante USDT, manteniendo los gastos operativos mínimos.
- Costo fijo: $0.01 por 1.000 caracteres
- Sin cargos por hora ni por personaje
- Pago mediante recargas mínimas de $5 en USDT
Iteración rápida de guiones
La generación de audio es rápida, lo que permite probar múltiples versiones de una escena en cuestión de minutos. Si reescribes un diálogo, obtienes un nuevo audio casi al instante, facilitando ajustes creativos sin esperar turnos de grabación.
Escalabilidad sin contratos
No hay planes mensuales ni mínimos de gasto. Si el proyecto crece, simplemente recargas tu saldo. Si es un proyecto puntual, pagas solo por los caracteres generados. La escalabilidad depende exclusivamente de tu necesidad de audio, no de contratos de licencia.
Próximos pasos
Una vez comprendidas las limitaciones y ventajas, el siguiente paso es consultar la documentación técnica para entender el formato exacto de las respuestas y los códigos de error. Esto asegura que tu integración con la API de CantoAnim sea robusta desde el inicio.
Leer documentación completa
Revisa los endpoints de /v1/voices y /v1/models para confirmar que las voces y formatos de audio (mp3, wav, opus) cumplen con los estándares de tu estudio. La estructura JSON es idéntica a la de los SDKs de OpenAI, lo que facilita la adaptación si ya tienes infraestructura básica.
Probar con texto corto
Utiliza tu crédito gratuito de $0.50 para generar audio con fragmentos de diálogo de 100-200 caracteres. Verifica que la velocidad (speed) y el formato de salida sean correctos antes de escalar. Este paso permite validar la claridad de la voz sin consumir caracteres valiosos.
Implementar en producción
Conecta tu backend a https://api.playt833.com/v1 usando tu clave API única. Configura la lógica para dividir textos largos en fragmentos de 4096 caracteres y unir los archivos de audio resultantes. Monitorea los límites de 60 solicitudes por minuto para evitar cuellos de botella durante la generación de episodios.
Recursos adicionales
Complementa la guía práctica con listas técnicas y ejemplos listos para copiar. Estos recursos te permiten verificar rápidamente las capacidades de la API sin navegar por toda la documentación.
Lista de voces disponibles
Consulta el endpoint GET /v1/voices para obtener la lista completa de las 8 voces disponibles, incluyendo sus IDs y formatos soportados. Esto facilita la selección técnica para tus personajes.
- Aria, Nova, Luna, Sage (femeninas)
- Felix, Milo, Atlas, Orion (masculinas)
Guía de idiomas soportados
La API soporta 23 idiomas específicos. Puedes especificar el código ISO o dejar que el sistema detecte el idioma automáticamente, aunque se recomienda la especificación manual para textos en latín no ingleses.
- Español, Inglés, Francés, Alemán, Japonés, etc.
- No incluye vietnamita ni tailandés
Ejemplos de código en GitHub
Accede a repositorios con snippets en Python y JavaScript que demuestran el envío de texto y la descarga del audio. Utiliza la base URL https://api.playt833.com/v1 para integrar rápidamente con los SDKs de OpenAI.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
