Introducción
Envía el texto a leer y, opcionalmente, una voz predefinida, una breve nota sobre la interpretación y un idioma. La tarea devuelve un archivo de audio con el guion leído en esa voz: un MP3 mono de 24 kHz, salvo que definas output_format o sample_rate. speed, pitch y volume ajustan la interpretación. instructions admite indicaciones en lenguaje sencillo sobre tono, emoción, ritmo o volumen, y no se lee en voz alta. SpicyAPI no aplica ningún filtro de contenido, así que el guion que envías es el que oyes. Se cobra por cada 1.000 caracteres del texto enviado.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Salida | Audio |
| Campo obligatorio | text — de 1 a 5.000 caracteres |
| Campos opcionales |
|
| Resultado | Un archivo de audio: MP3 (24 kHz, mono) por defecto, u Ogg Opus |
| Cantidad facturada | Caracteres de text enviados, por cada 1.000 |
| Tiempo típico | Unos 8 segundos para 300 caracteres |
| Retención | El audio generado se conserva 14 días |
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
text | Sí | Las palabras que se van a pronunciar, exactamente como están escritas. Se cobra por cada 1.000 caracteres, incluidos espacios y signos de puntuación. mínimo 1 caracteres · máximo 5000 caracteres |
voice_id | No | Una de 41 voces predefinidas. El sufijo indica los idiomas para los que está diseñada la voz. |
instructions | No | Indicación en lenguaje simple sobre tono, emoción, ritmo o volumen. Da forma a la interpretación y no se pronuncia. máximo 1000 caracteres |
speed | No | Velocidad del habla de 0.5 (más lenta) a 2 (más rápida); 1 es el ritmo normal de la voz. No cambia el precio. |
pitch | No | Desplazamiento de tono en semitonos, de -12 a 12; 0 mantiene el tono propio de la voz. No cambia el precio. |
volume | No | Multiplicador de volumen de 0.5 a 2; 1 es el nivel normal. No cambia el precio. |
language | No | Fuerza el idioma de lectura. Déjalo vacío para detectarlo a partir del guion. |
output_format | No | Formato de archivo: mp3 (predeterminado) u opus, un archivo Ogg Opus más pequeño con la misma calidad. No cambia el precio. |
sample_rate | No | Frecuencia de muestreo del audio en Hz: 8000, 16000, 22050, 24000, 32000, 44100, 48000. Predeterminado: 24000. |
Precios
$0.072 / 1.000 caracteres
Se cobra por cada 1.000 caracteres del texto enviado, contando espacios y signos de puntuación. El costo mostrado antes de ejecutar la solicitud es el precio final.
Casos de uso
Locuciones para videos cortos
Narración para explicativos, clips de producto y publicaciones sociales. El precio queda fijado por la longitud del guion, así que sabes cuánto costará un lote antes de empezar.
Contenido multilingüe
Lee el mismo guion en inglés, japonés, español, alemán y más. Varias voces están diseñadas para hablar más de un idioma con el mismo timbre.
Historias de audio sin censura
Los guiones se locutan tal como están escritos, por atrevidos que sean. En nuestras pruebas, el modelo pronunció cada palabra de los monólogos más fuertes y de las escenas narradas que enviamos, sin saltarse nada ni cortar antes.
Voces de personajes
Dale a cada personaje una voz predefinida y una nota de una línea sobre cómo habla, agitado, somnoliento, provocador, y consérvalas durante toda la serie.
Guía de prompts y consejos prácticos
Envía el guion en text
Escríbelo exactamente como debe pronunciarse, con puntuación para las pausas. Hasta 5.000 caracteres.
Elige una voz
voice_idusastokie_ende forma predeterminada. El sufijo de cada voz indica los idiomas para los que está diseñada, por ejemplo _en o _ja_es.Describe la interpretación
Escribe una o dos frases en instructions, por ejemplo «lento, bajo y cercano, como si hablaras con una sola persona». No se lee en voz alta.
Qué devuelve
Un archivo de audio por tarea: un MP3 mono de 24 kHz salvo que cambies output_format o sample_rate. El archivo se copia al almacenamiento de SpicyAPI y se conserva 14 días. El resultado no incluye marcas de tiempo por palabra ni subtítulos.
Elegir una voz
voice_id acepta una de 41 voces predefinidas y usa stokie_en de forma predeterminada. El sufijo de cada nombre de voz indica los idiomas para los que está diseñada: tim_en es inglés, minimi_ja japonés, sven_de alemán, jess_ja_es_id_pt_en_zh habla varios. Las voces mixtas mantienen el mismo timbre en todos sus idiomas.
Dirigir la interpretación
instructions recibe una o dos frases en lenguaje simple sobre cómo leer: tono, emoción, ritmo, volumen. Da forma a la interpretación y no se pronuncia. Para valores exactos, speed (0.5–2), pitch (-12 a 12 semitonos) y volume (0.5–2) tienen sus propios controles deslizantes.
Formato de salida
output_format elige mp3 (predeterminado) u opus, un archivo Ogg Opus más pequeño con la misma calidad, y sample_rate va de 8000 a 48000 Hz. Nada de esto cambia el precio.
Idioma
El idioma se detecta a partir del guion. language fuerza uno de zh, en, ja, es-mx, id, pt-br, ko, it, de o fr cuando un guion corto o con varios idiomas se lee en el idioma equivocado.
Facturación
Se cobra por cada 1.000 caracteres de text, contando espacios, signos de puntuación y saltos de línea; instructions es gratis. La cantidad de caracteres se conoce antes de que empiece la tarea, así que el costo mostrado es el cargo final. Las solicitudes fallidas no se cobran.
Contenido
SpicyAPI no añade ningún filtro de contenido. En nuestras pruebas, incluso los guiones más fuertes se locutaron palabra por palabra, sin saltarse nada ni cortar ningún clip antes de tiempo.
SpicyAPI no aplica ningún filtro de contenido: los guiones NSFW se leen tal como están escritos. Eres responsable de los guiones que envías y del uso que le des al audio resultante, incluido no presentarlo como las palabras de una persona real.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seed-speech-2.0/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "stokie_en",
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.