Saltar al contenido

API de texto a voz para accesibilidad y versiones de contenido de audio

Ofrece versiones de audio de tu contenido escrito a personas con discapacidad visual, dificultades de lectura o limitaciones situacionales. Un endpoint, 32 idiomas.

Por qué importa.

  • Los lectores de pantalla pronuncian mal los términos técnicos y los nombres propios

    Los lectores de pantalla del sistema operativo (NVDA, VoiceOver) aplican reglas fonéticas genéricas. Audexum narra tu texto exacto con una voz TTS entrenada: los nombres propios, nombres de productos y abreviaturas suenan de forma más natural. El audio generado previamente también elimina por completo la latencia del lector de pantalla.

  • WCAG 1.2.1 pide alternativas de audio al contenido textual

    Los archivos de audio generados previamente son una forma sencilla de cumplir el Criterio de Éxito 1.2.1 de WCAG (Solo audio y solo vídeo). Genera un MP3 por artículo, enlázalo con un elemento <audio> y el criterio se cumplirá para esa unidad de contenido.

  • La generación bajo demanda cuesta más que la pregeneración a gran escala

    Para contenido estático (entradas de blog, documentación de ayuda y páginas legales), genera el audio al publicar y guarda el archivo. Pagas el coste por caracteres una sola vez. Servir un MP3 en caché durante visitas posteriores no supone ninguna llamada adicional a la API.

  • Las audiencias multilingües necesitan audio en su propio idioma

    Si publicas contenido en 5 idiomas, una sola integración de API genera audio para los 5. No necesitas un proveedor de TTS distinto por idioma ni pagar más por cada idioma.

Primer audio en 60 segundos.

Sin SDK. Una solicitud POST y audio binario en el cuerpo de la respuesta.

Python: genera la versión de audio al publicar un artículo
"""
Accessibility audio generator: called from your CMS publish webhook.
Stores one MP3 per article in /audio/<slug>.mp3 (or S3 / R2).
"""
import os, requests

API = "https://audexum.com/api/synthesize"
KEY = os.environ["AUDEXUM_API_KEY"]

def publish_audio_version(article_slug: str, body_text: str, lang: str = "en") -> str:
    """
    Render body_text as MP3, save to disk, return file path.
    Call this from your CMS publish hook.
    """
    r = requests.post(
        API,
        headers={"Authorization": f"Bearer {KEY}"},
        json={
            "text": body_text,
            "voice": "F1",          # warm, readable narrator voice
            "lang": lang,
            "format": "mp3",
        },
        timeout=120,
    )
    r.raise_for_status()

    dest = f"/var/www/audio/{article_slug}.mp3"
    with open(dest, "wb") as f:
        f.write(r.content)

    return dest   # link in your <audio src="..."> element

Referencia completa de parámetros: audexum.com/docs. Formatos: wav, mp3, ogg. Voces: F1 a F5, M1 a M5 (43 voces en total). Idiomas: 33.

Sin cargos adicionales por caso de uso.

Every plan covers every use case at the same credit rate. Pack credits never expire, and dictation uses the same balance.

Todos los detalles de precios
Free
€0
2,000 + 250/day
Creator
€12/mo
480,000 / mo
Pro
€29/mo
1,200,000 / mo
Scale
€49/mo
4,000,000 / mo
Business
€149/mo
15,000,000 / mo
Paquetes de créditos
€7/mo
250,000, nunca caducan

Preguntas, respondidas.

¿Audexum admite SSML para controlar la pronunciación?

El soporte de SSML está en la hoja de ruta. Actualmente, el endpoint de texto plano cubre la mayoría de casos de uso de accesibilidad. Para expandir abreviaturas o sustituir fonemas, procesa el texto antes de llamar a la API.

¿Puedo generar previamente el audio de un sitio de documentación completo?

Sí. Recorre las páginas de contenido, pasa el cuerpo de cada artículo y guarda el MP3 devuelto. El nivel PAYG (28 €/1 M de créditos) es rentable para sitios de documentación grandes. Un artículo de 1.000 palabras (~5.000 créditos) cuesta aproximadamente 0,14 €.

¿Qué voz se recomienda para la narración de accesibilidad?

En las pruebas con usuarios para lecturas largas, F1 (dicción clara y ritmo medido) y M1 (voz neutral y pausada) ofrecen el mejor rendimiento. Ambas están disponibles en los 32 idiomas.

¿Puedo servir audio bajo demanda en lugar de generarlo previamente?

Sí. Llama a la API desde el controlador de rutas de tu servidor y transmite la respuesta al navegador. La latencia mediana es inferior a 200 ms para textos de menos de 300 caracteres, un nivel aceptable para interacciones bajo demanda del tipo «lee este párrafo».

La misma API para todos los casos de uso.

Un único endpoint gestiona bots de Discord, narración de pódcasts, cursos de aprendizaje electrónico, audio para accesibilidad y ediciones de newsletters.

Explora más herramientas

More free voice, transcription and audio tools

Ver todo

Empieza gratis. Despliega rápido.