Saltar al contenido

API de texto a voz para e-learning y narración de cursos

La voz del instructor se mantiene coherente en cada diapositiva, capítulo y versión de idioma. 32 idiomas, 43 voces y un único endpoint REST.

Por qué importa.

  • Los narradores humanos pierden la coherencia de la voz al revisar los guiones

    Cuando una actualización de cumplimiento cambia 10 diapositivas de 200, un narrador humano vuelve a grabar esas 10 con una colocación del micrófono, un ambiente y una interpretación ligeramente distintos. La narración con IA es determinista: el mismo texto, el mismo ID de voz y el mismo carácter acústico, siempre.

  • La localización triplica el coste de producción con actores de voz humanos

    Audexum genera una edición en francés, alemán, español y japonés de tu curso pasando el guion traducido y cambiando lang. El número de voces (43 voces) y el plan de precios son idénticos independientemente del idioma.

  • Las plataformas LMS necesitan archivos de audio, no reproductores incrustados

    Audexum devuelve un WAV o MP3 binario. Guárdalo directamente en S3, Cloudflare R2 o en la biblioteca de recursos de tu LMS. Sin iframes, sin dependencia de un reproductor de terceros y sin solicitudes salientes a una CDN desde el navegador del alumno durante la reproducción.

  • La iteración rápida de cursos necesita generación por lotes

    Los cambios de guion se producen al final de la producción. Un bucle de Python sobre tus datos JSON de diapositivas regenera todas las modificadas en minutos. La página Batch del panel de Audexum gestiona la síntesis masiva basada en CSV sin escribir código.

Primer audio en 60 segundos.

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

Python: narración de cursos diapositiva a diapositiva
"""
Generate narration audio for every slide in a course manifest.
manifest.json: [{"id": "s01", "lang": "en", "text": "Welcome..."}, ...]
"""
import json, pathlib, requests

API = "https://audexum.com/api/synthesize"
KEY = "sk_..."

slides = json.loads(pathlib.Path("manifest.json").read_text())
out_dir = pathlib.Path("audio")
out_dir.mkdir(exist_ok=True)

VOICE = "F1"   # consistent voice across all slides

for slide in slides:
    dest = out_dir / f"{slide['id']}_{slide['lang']}.mp3"
    if dest.exists():
        continue  # skip already-rendered slides

    r = requests.post(
        API,
        headers={"Authorization": f"Bearer {KEY}"},
        json={
            "text": slide["text"],
            "voice": VOICE,
            "lang": slide["lang"],
            "format": "mp3",
        },
        timeout=60,
    )
    r.raise_for_status()
    dest.write_bytes(r.content)
    print(f"Rendered {dest.name}")

print(f"Done: {len(slides)} slides.")

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.

¿Puede la misma voz narrar en varios idiomas?

Sí. Los IDs de voz (F1–F5, M1–M5) funcionan en los 32 idiomas. F1 en inglés y F1 en francés utilizan los mismos pesos del modelo subyacente: quien aprende oye una voz de instructor coherente, independientemente de la versión linguistic que elija.

¿Cómo mantengo la narración sincronizada después de editar el guion?

Solo vuelve a renderizar las diapositivas cuyo texto ha cambiado. Como Audexum es determinista (el mismo texto + la misma voz = el mismo audio), las diapositivas sin cambios producen una salida idéntica bit a bit y se pueden almacenar en caché de forma segura.

¿Qué formato de salida esperan las plataformas LMS?

La mayoría de plataformas LMS basadas en SCORM/xAPI (Moodle, Canvas, Articulate Rise) aceptan MP3. Solicita el formato "mp3" en la llamada a la API. Para contenido con mucho SSML o tiempos muy precisos, solicita "wav" y conviértelo con ffmpeg mediante posprocesamiento.

¿Hay una opción sin código para diseñadores instruccionales?

La página Batch (/batch) de tu panel acepta un CSV con las columnas: text, voice, lang, filename. Genera todas las filas y permite descargar un ZIP. No hace falta código.

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.