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 -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 "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.
Authorization: Bearer YOUR_API_KEY
Clonación de voz
/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
/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
/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 |