Una alternativa sin conexión al texto a voz de OpenAI
El endpoint de voz de OpenAI convirtió el texto a voz en una sola llamada a la API. Según la documentación de OpenAI, sus modelos están obsoletos y se apagan el 6 de enero de 2027, y el reemplazo funciona con otra API. Si hay que reescribir la integración de todos modos, es buen momento para preguntarse si la voz debe salir de tus servidores.
El motor gratuito SuperClonica ejecuta Supertonic 3 como tu propio servicio HTTP, en un procesador normal, con voces de serie, del catálogo o entrenadas. Esta guía compara ambos con honestidad y muestra cómo cambiar el endpoint.
Por qué cambiar ahora
Las voces de OpenAI son buenas y rápidas de empezar; los motivos para cambiar son control y coste, no calidad.
- Los modelos del endpoint de voz, tts-1, tts-1-hd, gpt-4o-mini-tts, están obsoletos y se apagan el 6 de enero de 2027.
- Su reemplazo funciona con la Realtime API, otro flujo de trabajo, así que el código cambia igualmente.
- Cada petición envía tu texto a un servicio en la nube y se cobra por uso.
- Sin internet y sin clave de API, no hay voz.
Compara el sonido gratis
En la página de cualquier voz, pega una frase típica de tu aplicación, de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos oyes si puede sustituir a la voz que usas ahora, sin cuenta.
Cambia el endpoint
La mayoría de las aplicaciones llaman a la voz desde un solo sitio, así que el cambio suele ser de pocas líneas.
- Inicia el servidor en cualquier procesador: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu.
- Envía POST /synthesize con text, voice y lang; la respuesta es un archivo WAV mono de 16 bits.
- El formato no es compatible con OpenAI: un pequeño adaptador pasa input a text y tus nombres de voz a M1–M5, F1–F5 o tus propios archivos de voz.
- Define SUPERCLONICA_API_KEY y mantén el servidor tras HTTPS o en una red privada.
Tus propias voces
En lugar de un conjunto fijo de voces integradas, elige entre más de 170 voces del catálogo, cada una con demo gratis, o entre las voces gratuitas del repositorio superclonica/supertonic-voices en GitHub. Para una voz propia, entrénala en el estudio de SuperClonica con una grabación limpia de un locutor que haya aceptado, en un ordenador con tarjeta gráfica NVIDIA, o encárgala en la bolsa. El archivo de voz va dentro de cada petición, así que el servidor no guarda voces.
Cuándo OpenAI sigue siendo mejor
Supertonic 3 habla 31 idiomas y el chino no está entre ellos; la voz de OpenAI cubre el chino y más idiomas. El motor no acepta instrucciones escritas sobre el tono: la entonación viene de la voz y la puntuación. Y una API alojada no necesita servidor propio. Si eso es lo que más importa, sigue con OpenAI; si importan más la privacidad, el coste y tus propias voces, aloja la voz tú mismo.