Saltar al contenido
ENEntrarEmpieza gratis
API de texto a voz · Voyager 1

API de texto a voz con voz de estudio

Mandas el texto y el audio llega en la misma respuesta: MP3 o WAV a 48 kHz, más de 800 voces en +55 idiomas y la emoción escrita entre corchetes. Pruébalo aquí y copia la llamada.

Una llamada, sin colasHasta 10.000 caracteresC2PA en cada fichero
Voz
Emoción
Escuchar a Paloma83 caracteres · 83 créditos

Suena la demo de Paloma del catálogo. Con tu clave, la llamada de la pestaña Código genera este texto, con esta voz y esta emoción.

Endpoints

Una llamada. El audio, en la respuesta.

Misma forma, mismas rutas. Los marcados con SDK responden como espera el SDK de ElevenLabs; los REST tienen forma propia, documentada.

Referencia completa 
MétodoRutaQué haceCompatibilidad
POST/v1/text-to-speech/{voice_id}Genera la voz. El cuerpo de la respuesta es el audio.SDK
POST/v1/text-to-speech/{voice_id}/streamEl mismo audio, entregado por trozos.SDK
GET/v1/voicesEl catálogo entero, en una página.SDK
GET/v2/voicesEl catálogo con filtros y paginación por token.SDK
GET/v1/voices/{voice_id}Una voz con sus muestras, estilos e idiomas.SDK
POST/v1/voices/addClona tu voz desde una grabación. Privada, con descargo firmado.REST
GET/v1/modelsVoyager 1, sus idiomas y el tope por petición.SDK
GET/v1/historyTus generaciones. Vuelve a descargarlas sin coste.REST
GET/v1/user/subscriptionTu plan y tus caracteres.SDK
GET/v1/sound-effectsLos efectos que puedes escribir en el texto.REST

SDK = compatible con el SDK oficial de ElevenLabs · REST = forma propia, en la documentación. Base: https://api.voicefinder.io

En cada respuesta

Lo que trae cada llamada.

Sin parámetros extra ni plan superior: todo esto viene en cada generación, también en el plan gratuito.

POST /v1/text-to-speech/5de9ca11-db80-48c3-9a0e-dcff92946506200 OK
// petición de ejemplo
{ "text": "[doorbell] [upbeat] ¡Ya voy! Tu pedido acaba de llegar.",
"model_id": "eleven_multilingual_v2", "language_code": "es" }
content-type:audio/mpeg
x-output-format:mp3_48000_192
x-model-id:voyager-1
x-model-id-warning:model_id "eleven_multilingual_v2" mapped to voyager-1
x-language:es
x-sfx-applied:doorbell:3
x-watermarked:true
x-c2pa-signed:true
request-id:e7c1a9b2-5d4f-4a38-9c0e-6f2b8d7a1c53
x-character-count:35
character-cost:35
Cabeceras reales de la API; valores de ejemplo.Verificar un audio →
Modelos

Dos modelos. Las mismas voces.

Voyager 1 para producir audio con la máxima calidad. Pulsar 1 para conversar en tiempo real. Mismas voces, mismos idiomas y mismas emociones en los dos.

Comparar modelos 
model_id: "voyager-1"

Voyager 1

Nuestro modelo de máxima calidad, para cuando el audio es el producto.

  • REST: una llamada, y el audio llega en la respuesta
  • MP3 o WAV a 48 kHz
  • Hasta 10.000 caracteres por petición
  • Marca de agua y C2PA en cada fichero
Llamada a Voyager 1: POST /v1/text-to-speech/{voice_id}
{ "text": "[upbeat] ¡Ya está aquí!", "model_id": "voyager-1" }
→ 200 · audio/mpeg · 48 kHz · x-c2pa-signed: true

Para narración, publicidad, e-learning, doblaje y audiolibros.

Conoce Voyager 1 
model_id: "pulsar"Próximamente

Pulsar 1

~100 msal primer audio

Mediana medida en servidor, de 1 a 48 conversaciones a la vez. model_id provisional.

  • Streaming por WebSocket: speak, flush y cancel
  • Interrupciones por context_id
  • PCM, μ-law y A-law, listo para telefonía
  • Las mismas voces y los +55 idiomas
Mensajes del WebSocket de Pulsar 1: { "type": "speak", "text": "Hola, ¿en qué te ayudo?", "context_id": "t1" }
{ "type": "flush", "context_id": "t1" }
{ "type": "cancel", "context_id": "t1" }

Para agentes de voz, asistentes, telefonía y apps en tiempo real.

Migrar desde ElevenLabs

Cambia la URL. Lo demás, igual.

La API acepta los nombres de campos, cabeceras y formatos de la de ElevenLabs. El SDK oficial, en Python y en JavaScript, funciona sin tocar nada más.

  1. URL base

    https://api.voicefinder.io

    Sin /v1: el SDK lo añade.

  2. Clave

    vf_…

    En xi-api-key, x-api-key o Authorization: Bearer.

  3. Voces

    client.voices.search()

    Usa los voice_id de nuestro catálogo: GET /v2/voices.

Equivalencias

xi-api-keyxi-api-key · x-api-key · Bearer
text_to_speech.convertPOST /v1/text-to-speech/{voice_id}
voices.searchGET /v2/voices
model_id: eleven_*voyager-1, sin error
voice_settings.speed0,85 a 1,25
text_to_sound_effects[doorbell] dentro del texto
output_format: mp3_* · wav_*MP3 · WAV a 48 kHz

El SDK oficial funciona tal cual

El mismo paquete que ya tienes instalado. Solo cambia cómo creas el cliente.

pip install elevenlabsnpm install @elevenlabs/elevenlabs-js

Lo que es distinto, dicho claro

  • Todo el audio sale marcado, así que pcm_*, ulaw_8000 y opus_* devuelven 422: son formatos que no pueden llevar la credencial C2PA.
  • En Voyager 1, /stream existe para que el SDK funcione, pero no adelanta el primer byte: el fichero se firma entero antes de enviarse. Para tiempo real, Pulsar 1.
Voicefinder frente a ElevenLabs, punto por punto 
Límites y precio

API en todos los planes.

1 crédito = 1 carácter, del mismo saldo que el estudio. Unos 972 caracteres dan un minuto de audio. Pagando el año, un 30 % menos.

Ver todos los precios 
Free0 €10.000 créditos al mes · uso personal
Generaciones simultáneas
1
Generaciones por minuto, por clave
10
Caracteres por hora
20.000
Basic · Plus · Prodesde 11 €/mesDe 100.000 a 1,2 M créditos al mes
Generaciones simultáneas
3
Generaciones por minuto, por clave
30
Caracteres por hora
200.000
Growth · Business · Enterprisedesde 269 €/mesDesde 3,75 M créditos al mes, o a medida
Generaciones simultáneas
4
Generaciones por minuto, por clave
60
Caracteres por hora
1.000.000
  • Hasta 10.000 caracteres por petición.
  • Una generación que falla no se cobra.
  • Las etiquetas no se cobran como texto; los efectos de sonido, tampoco.
  • Al pasarte de un límite: 429 con Retry-After y las cabeceras X-RateLimit-*.
Inicio rápido

Tu primera voz, en tres pasos.

  1. Crea tu clave

    En Desarrolladores, dentro de tu cuenta. Empieza por vf_.

    export VOICEFINDER_API_KEY="vf_…"
    Ir a mis claves 
  2. Instala el SDK

    El oficial de ElevenLabs. O usa REST, sin instalar nada.

    pip install elevenlabs
  3. Haz la primera llamada

    El audio llega en la respuesta, ya marcado.

    curl -X POST \
      "https://api.voicefinder.io/v1/text-to-speech/5de9ca11-db80-48c3-9a0e-dcff92946506" \
      -H "x-api-key: $VOICEFINDER_API_KEY" \
      -H "Content-Type: application/json" \
      -d '{"text": "Hola, mundo.", "language": "es", "output_format": "mp3"}' \
      -o hola.mp3
    Ver la documentación 
Conector MCP

Tu agente ya puede hablar.

Conecta Claude, Cursor o cualquier cliente MCP a tu cuenta: busca voces, escribe el guion en un proyecto de tu estudio, pide el presupuesto y genera. Con tu clave, tus créditos y el mismo marcado que el estudio.

  • studio_voices
  • studio_apply_script
  • studio_estimate
  • studio_generate
  • studio_takes
  • studio_credits
  • Presupuesto firmadoGenerar exige el quote_id de studio_estimate y confirm: true. Si cambia una coma del guion, el presupuesto ya no vale.
  • Sin cobros doblesReintentar con el mismo quote_id devuelve lo ya generado, en vez de volver a generarlo.
  • Los límites de la APICada generación ocupa una plaza de tu cuenta y cada llamada aparece en tu consumo.
claude mcp add --transport http voicefinder \
https://api.voicefinder.io/mcp \
--header "Authorization: Bearer YOUR_API_KEY"
En los conectores de claude.ai, que solo piden una URL: https://api.voicefinder.io/mcp/YOUR_API_KEY. Esa URL lleva tu clave: trátala como una contraseña.
FAQ

Lo que se pregunta antes de integrar.

¿Qué es una API de texto a voz?

Un servicio al que mandas texto por HTTP y que te devuelve audio hablado. En Voicefinder es una sola llamada síncrona: POST /v1/text-to-speech/{voice_id} con el texto, y el cuerpo de la respuesta es el MP3 o el WAV, sin colas ni sondeos.

¿Cuánto texto cabe en una llamada?

Hasta 10.000 caracteres por petición. Los textos largos se generan por partes y se cosen sin costuras dentro de la misma llamada, así que deja un timeout generoso: la petición puede durar hasta 5 minutos.

¿Puedo dirigir la emoción?

Sí. Escribe una etiqueta entre corchetes delante del fragmento: [upbeat], [hushed], [unhappy], [belly laugh]… O descríbelo con tus palabras en direction: «cálido y pausado; en la frase del reembolso, más suave». Las etiquetas no se cobran como texto. Dos emociones a la vez sobre el mismo fragmento no se combinan.

¿Puedo usar mi propia voz?

Sí. POST /v1/voices/add crea una voz privada a partir de una grabación tuya de 10 a 15 segundos, con un descargo de derechos firmado en cada alta. Solo la ve y la usa tu cuenta, y se usa como cualquier otra voz, con su voice_id. Cada plan trae sus clones: 1 en Free, 3 en Basic, 10 en Plus, 30 en Pro.

¿Tiene streaming?

/stream devuelve el mismo audio por trozos para que el método stream del SDK funcione, pero en Voyager 1 el primer byte sale cuando el fichero está entero y firmado. Para voz en tiempo real llega Pulsar 1: WebSocket y unos 100 ms al primer audio.

¿En qué formatos sale el audio?

MP3 o WAV a 48 kHz, calidad broadcast. También acepta los nombres de ElevenLabs (mp3_44100_128, wav_44100…) y la cabecera x-output-format dice el formato real entregado. No hay PCM, μ-law ni Opus en Voyager 1: no pueden llevar la credencial C2PA, y nunca entregamos audio sin marcar.

¿Cuánto cuesta?

La API está en todos los planes, también en el gratuito (uso personal). 1 crédito = 1 carácter y unos 972 caracteres dan un minuto de audio. Plus, por 20 € al mes, trae 200.000 créditos: unos 206 minutos. Una generación que falla no se cobra.

Del texto al audio, en una llamada.

Consigue tu clave y copia la llamada de arriba. Funciona tal cual.