Documentación API

Integra Speech to Speech AI en tus aplicaciones con una sencilla API REST.

Inicio rápido

Comience con la API de Speech to Speech AI en menos de 5 minutos.

URL de la base
https://api.speechtospeechai.com/v1
1. Inicia una tarea

Cada herramienta es un POST con tu clave de API. La respuesta es un id de tarea, no el audio.

cURL
curl -X POST https://api.speechtospeechai.com/v1/tts/ \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "text=Hello! Welcome to Speech to Speech AI." \
  -F "model=kokoro" \
  -F "voice_id=af_heart" \
  -F "format=mp3"

{"uuid": "3f2c...", "job_id": "...", "status": "queued"}
2. Consulta el resultado

Consulta la tarea cada pocos segundos hasta que el estado sea completed y luego descarga result_url.

cURL
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
  -H "Authorization: Bearer YOUR_API_KEY"

{"status": "completed", "result_url": "https://.../output.mp3"}

Autenticación

Todas las solicitudes de API requieren autenticación a través de una clave API en el Authorization cabecera.

Encabezado
Authorization: Bearer YOUR_API_KEY
Obtener la clave de la API de su tablero de control de cuentas.

Clonación de voz

POST /v1/voice-clone/

Pronuncia un texto con la voz de una breve grabación de referencia.

Organismo solicitante (múltiplo/datos de forma)
Parámetro Tipo Requerido Descripción
reference_audio file Sí Grabación de la voz que se va a clonar (se recomiendan 10-30 segundos, hasta 60)
text string Sí Texto que se dirá con esa voz
model string No chatterbox, openvoice, tortoise o gpt-sovits
language string No Código de idioma (predeterminado: en)
Respuesta

Un id de tarea (uuid). Consulta GET /v1/speech/results/?uuid= hasta que status sea completed y descarga result_url.

Texto a hablar

POST /v1/tts/

Convertir texto a audio de voz.

Organismo solicitante (múltiplo/datos de forma)
Parámetro Tipo Requerido Descripción
text string Sí Texto que se va a convertir (máximo 5000 caracteres)
model string No kokoro (predeterminado), piper, vits o bark
voice_id string No Id de voz de GET /v1/speech/voices/?model=
language string No Código de idioma (predeterminado: en)
speed float No Multiplicador de velocidad (0,5-2,0, predeterminado 1.0)
format string No wav (predeterminado), mp3, ogg o flac. Las etiquetas SSML se eliminan antes de la síntesis.
Respuesta

Un id de tarea (uuid). Consulta GET /v1/speech/results/?uuid= hasta que status sea completed y descarga result_url.

Voz a texto

POST /v1/transcribe/

Transcribe audio al texto con marcas de tiempo.

Organismo solicitante (múltiplo/datos de forma)
Parámetro Tipo Requerido Descripción
file file Sí Archivo de audio/vídeo para transcribir
model string No large-v3 (predeterminado) o turbo
language string No Código de idioma, o auto para detectarlo (predeterminado)
enable_word_timestamps bool No Añade una hora de inicio y de fin a cada palabra
callback_url string No URL que recibe el resultado por POST cuando termina la tarea
Respuesta

Un id de tarea (uuid). Consulta GET /v1/transcribe/results/?uuid= hasta que status sea completed; la respuesta incluye entonces text, language y segments.

Modelos disponibles

Modelos de texto a voz
ID del modelo Descripción Ideal para
kokoro TTS multilingüe rápido Uso general, baja latencia
piper Ligero multilingüe TTS (solo voces con licencia comercial) Renderizaciones rápidas en 11 idiomas
vits LJSpeech más 108 VCTK hablantes de inglés Acentos en inglés
bark TTS generativo, 130 presets en 13 idiomas Entrega variada y expresiva (lento)
openvoice Clonación de voz y conversión de voz opcional Alternativa a Chatterbox
chatterbox Clonación de voz zero-shot en 23 idiomas; modelo de conversión de voz por defecto Clonación de una muestra corta
Modelos de voz a texto
ID del modelo Descripción Ideal para
whisper-large-v3 OpenAI Whisper Large v3 Mayor precisión, multilingüe
whisper-turbo Susurro optimizado para la velocidad Transcripción rápida

Códigos de error

Código Situación Descripción
invalid_api_key 401 Clave API inválida o faltante
insufficient_credits 402 No hay suficientes créditos para esta operación
rate_limit_exceeded 429 Demasiadas peticiones
invalid_request 400 Órgano de solicitud mal formado
model_not_found 404 Modelo solicitado no existe
voice_not_found 404 La voz solicitada no existe
file_too_large 413 El archivo cargado excede el límite de tamaño
server_error 500 Error interno del servidor