Inicio / Guías / API gratuita de texto a voz

API gratuita de texto a voz

Una API de texto a voz (TTS) convierte texto en audio hablado. Algunos proveedores ofrecen TTS gratis, con límites de caracteres o de solicitudes. FreeLLMAPI envía las solicitudes /v1/audio/speech a los proveedores que sirven modelos de voz. Cuando un proveedor falla o alcanza su límite, el enrutador prueba el siguiente.

El código, los nombres de los modelos y las etiquetas del catálogo en vivo se muestran en inglés.

Proveedores de texto a voz gratuitos

La tabla muestra los proveedores con una cuota gratuita de TTS. Revisamos cada límite en la página oficial del proveedor. Los límites gratuitos de voz usan caracteres, solicitudes o un presupuesto diario de cómputo, así que compárelos con cuidado.

Cuotas gratuitas de TTS según las páginas de los proveedores, revisadas el 20 de noviembre de 2026
ProveedorModeloCuota gratuita (oficial)SalidaNotas
GroqOrpheus English, Orpheus Arabic (Saudi)Plan gratuito con límites diarios. Máximo 200 caracteres por solicitudSolo WAVUn administrador de la organización debe aceptar primero los términos del modelo en la consola de Groq
Google AI StudioGemini 2.5 Flash TTS (preview)Nivel gratuito: la entrada y la salida son gratuitas, con límites de frecuenciaWAVMuchas voces. Bueno para voz natural
Cloudflare Workers AIMeloTTS10,000 neuronas cada día. MeloTTS usa 18.63 neuronas por cada minuto de audioWAVAprox. 536 minutos de audio cada día si ningún otro modelo usa el presupuesto. Selector de idioma, sin selector de voz
Cloudflare Workers AIDeepgram Aura 1Las mismas 10,000 neuronas. Aura 1 usa 1,363.64 neuronas por cada 1,000 caracteresMP3Aprox. 7,300 caracteres cada día
SpeechifySimba500,000 caracteres cada mes, sin tarjetaMP3El uso comercial aparece en el plan gratuito. Simba 3.5 baja a 333,000 caracteres desde el 21 de noviembre de 2026
CartesiaSonic20,000 créditos cada mes. 1 crédito es 1 carácterWAVLa licencia de uso comercial aparece solo en los planes de pago

Las cifras marcadas como « Aprox. » son nuestro cálculo a partir de las tarifas publicadas. El presupuesto de Cloudflare lo comparten todos los modelos de Workers AI de una cuenta, incluidos los de chat e imagen.

Paso 1: Instale FreeLLMAPI y añada claves de voz

FreeLLMAPI es de código abierto. Se ejecuta en su computadora con Docker. Sus claves de proveedor permanecen en su computadora.

Instale (macOS o Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

Abra el panel en http://localhost:3001. Añada sus claves en la página Keys. Una clave de Groq o una clave de Google AI Studio también activan sus modelos de voz. Después abra Models, Audio para ver los modelos de voz y activarlos o desactivarlos. Copie su clave unificada de la página Keys.

Paso 2: Genere voz

El endpoint usa el formato de solicitud de OpenAI. El campo input es obligatorio. Los campos model, voice y response_format son opcionales. El cuerpo de la respuesta es el archivo de audio.

curl: deje que el enrutador elija un proveedor

curl http://localhost:3001/v1/audio/speech \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"model": "auto", "input": "Your order has shipped.", "voice": "alloy"}' \
  --dump-header headers.txt \
  --output speech.audio
grep -i -E "content-type|x-provider" headers.txt

Python: fije Groq Orpheus English

from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

with client.audio.speech.with_streaming_response.create(
    model="canopylabs/orpheus-v1-english",
    voice="troy",           # a native Orpheus voice; "alloy" also maps to troy
    input="Your order has shipped. It arrives on Friday.",
    response_format="wav",  # Orpheus returns WAV only
) as response:
    print("Served by:", response.headers.get("x-provider"))
    response.stream_to_file("speech.wav")

El encabezado X-Provider muestra qué proveedor generó el audio. El encabezado Content-Type muestra el formato, por ejemplo audio/wav o audio/mpeg.

Voces, formatos y longitud del texto

  • Voces: los nombres de voz estándar de OpenAI, como alloy, se asignan a una voz nativa probada en muchos proveedores. También puede enviar un nombre de voz nativo, por ejemplo troy para Orpheus English o fahad para Orpheus Arabic.
  • Formatos: cada proveedor genera su propio formato. Groq Orpheus y Cloudflare MeloTTS generan WAV. Cloudflare Aura genera MP3. Un proveedor rechaza un formato que no puede generar. No envía un archivo con una etiqueta incorrecta.
  • Longitud del texto: Groq acepta como máximo 200 caracteres por solicitud. Divida los textos largos en oraciones y envíe una solicitud por cada oración.
  • Idioma: Orpheus tiene modelos de inglés y de árabe saudí. MeloTTS en Cloudflare usa inglés a través de este adaptador.

Python: divida los textos largos en solicitudes cortas

import re
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
text = open("article.txt").read()
parts = [s for s in re.split(r"(?<=[.!?])\s+", text) if s.strip()]

for i, part in enumerate(parts):
    with client.audio.speech.with_streaming_response.create(
        model="auto", voice="alloy", input=part[:200],
    ) as r:
        ext = "mp3" if "mpeg" in r.headers.get("content-type", "") else "wav"
        r.stream_to_file(f"part-{i:03d}.{ext}")

Reglas de uso y errores comunes

  • Términos de licencia: los planes gratuitos pueden limitar el uso comercial. Cartesia indica la licencia comercial solo en los planes de pago. Lea los términos de cada proveedor antes de publicar audio.
  • Cuotas compartidas: una cuota mensual de caracteres pertenece a la cuenta. Más voces o más modelos no dan más caracteres.
  • Términos en la consola de Groq: Groq devuelve un error hasta que un administrador acepte los términos del modelo. FreeLLMAPI no acepta los términos por usted.
  • Formatos mezclados: con model: "auto", dos solicitudes pueden venir de proveedores distintos. Revise Content-Type antes de unir archivos, o fije un solo modelo.
  • Unión de partes: una las partes de audio con una herramienta como ffmpeg. Todas las partes deben tener el mismo formato y la misma frecuencia de muestreo, así que fije un solo modelo para cada documento.
  • Truncamiento: el ejemplo de división corta cada parte a 200 caracteres. Use oraciones más cortas que eso, o puede perder una palabra.

Solución de problemas

ProblemaCausaSolución
Error 400 con un formatoEl proveedor no puede generar ese formatoElimine response_format, o pida wav a Orpheus
La solicitud a Groq falla con un texto largoEl texto tiene más de 200 caracteresDivida el texto en partes cortas
Error de Groq sobre los términosLos términos del modelo no están aceptadosAcepte los términos en la consola de Groq
El archivo de audio no se reproduceLa extensión del archivo no coincide con el formatoUse el encabezado Content-Type para definir la extensión
Error 503No hay ningún modelo de voz activadoAñada una clave y active un modelo en Models, Audio
Use cada uno de estos modelos con una sola clave. FreeLLMAPI es un enrutador de código abierto y autoalojado. Reúne todos estos niveles gratuitos detrás de un único endpoint compatible con OpenAI y cambia de proveedor cuando uno alcanza su límite. Explore el catálogo o ir en vivo.

Preguntas frecuentes

¿Existe una API gratuita de texto a voz?

Sí. Groq, Google AI Studio, Cloudflare Workers AI, Speechify y Cartesia ofrecen texto a voz gratis con límites. FreeLLMAPI envía las solicitudes /v1/audio/speech a estos proveedores con una sola clave.

¿Qué API gratuita de texto a voz ofrece más caracteres?

De los proveedores de la tabla, Speechify indica 500,000 caracteres cada mes en su plan gratuito. Cartesia indica 20,000 créditos cada mes, con 1 crédito por cada carácter.

¿Puedo usar audio de texto a voz gratuito con fines comerciales?

Depende del proveedor. Speechify indica uso comercial en su plan gratuito. Cartesia indica la licencia comercial solo en los planes de pago. Lea los términos de cada proveedor.

¿Funciona el SDK de OpenAI para texto a voz gratuito?

Sí. Defina base_url como http://localhost:3001/v1 y llame a client.audio.speech.create. El enrutador elige un proveedor y devuelve los bytes del audio.

Guías relacionadas

Fuentes

Todas las guías · Ver todos los modelos gratuitos