La mayoría de las API de voz están pensadas para la velocidad: una frase de vuelta en unos cientos de milisegundos, para un asistente de voz o un menú telefónico. La API TTS de Everlit está pensada para el otro trabajo, la escucha que dura veinte minutos. Es el mismo modelo de voz que narra cada día para redacciones, por sí solo y detrás de un único endpoint.
Una sola petición
Envía un texto y una voz. Recibes un trabajo con una dirección de audio estable, y recoges el archivo terminado mediante consultas periódicas o por webhook, en MP3, WAV u Opus.
curl -X POST https://api.everlit.audio/v1/speech \
-H "Authorization: Bearer api_YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{"text": "Hello from Everlit.", "voice": "669"}'
# => 202 { "id": "spch_01jx...", "status": "queued",
# "audio_url": "https://api.everlit.audio/v1/speech/spch_01jx.../audio" }La voz 669 es Lana Clark, una de las voces de catálogo. El resto del catálogo está a una llamada de distancia, igual que tus propias voces clonadas.
Lenta a propósito
Un trabajo suele terminar en entre 15 y 60 segundos, porque cada archivo pasa por un renderizado completo y un control de calidad automático antes de que lo veas. Eso hace que la API encaje bien con artículos, archivos, audiolibros, cursos y cualquier contenido que se narre en el momento de publicarse. Es la opción equivocada para un agente conversacional en directo o para un sistema telefónico que necesita la voz en milisegundos, y preferimos decirlo aquí antes de que lo descubras en las pruebas.
Un reloj en cada palabra
Un trabajo terminado puede devolver marcas de tiempo por palabra: cada palabra que enviaste, con su inicio y su final. Se construyen a partir de tu texto, no de lo que un reconocedor de voz cree haber oído, así que «84%» vuelve como una sola entrada cuyo intervalo abarca el «ochenta y cuatro por ciento» pronunciado. Las mismas marcas de tiempo se entregan también como subtítulos SRT o WebVTT. Eso es lo que hace posibles la lectura sincronizada, los subtítulos y el vídeo subtitulado sin un segundo servicio. Las marcas de tiempo están disponibles en 25 de los 69 idiomas de la API, sin coste adicional, y puedes ver una lectura sincronizada en acción en la página de la API.
La dirección, dentro del texto
La narración de contenidos largos necesita dirección, y esa dirección va en el propio texto. Las etiquetas en línea añaden una pausa, hacen entrar un fondo musical o lo atenúan bajo un pasaje, y ceden una cita a una segunda voz. La velocidad y la pausa entre párrafos son opciones de la petición. Una biblioteca de pronunciación corrige un nombre una vez para todos los trabajos futuros. Y puedes clonar una voz por API a partir de una muestra de 15 segundos, con el consentimiento de la persona registrado; el clon es privado para tu cuenta y cuesta lo mismo que nuestras voces.
Cuánto cuesta
La tarifa es de $8 por millón de caracteres para los alfabetos latino, cirílico y griego, en prepago y sin cuota mensual. Los demás sistemas de escritura se ponderan para que cada idioma cueste más o menos lo mismo por hora de audio terminado. En inglés, eso equivale aproximadamente a:
- $0.06 por un artículo de 1.200 palabras
- $0.46 por un reportaje largo de 10.000 palabras
- $4.12 por un audiolibro de 90.000 palabras
Las marcas de tiempo por palabra, los subtítulos, todos los formatos y las voces clonadas están incluidos en esa tarifa. Los trabajos fallidos nunca se cobran y el crédito no caduca. Si tienes un plan de pago de Everlit Studio, la síntesis de voz ya está incluida.
Pensada para flujos automatizados
- Webhooks firmados con reintentos, para que no tengas que hacer consultas periódicas.
- Claves de idempotencia, para que una petición enviada dos veces solo se ejecute una vez.
- Una dirección de audio que se conoce en el momento de enviar la petición y se mantiene estable durante 30 días.
- Un endpoint de voz compatible con OpenAI: apunta el SDK de OpenAI a la URL base de Everlit y conserva tu código.
Cómo conseguir una clave
No es posible darse de alta por cuenta propia. Solicita una clave y una persona leerá tu solicitud, normalmente en un plazo de un día hábil. Mientras tanto, la documentación de la API está abierta. Y si prefieres no escribir código, la misma voz está disponible para asistentes de IA a través del servidor MCP de Everlit.