Una API de Supertonic 3: en la nube o en tu propio servidor
Supertonic 3 es un modelo abierto de texto a voz: pequeño, rápido en un procesador corriente y con 31 idiomas. Se publica como archivos de modelo, así que para llamarlo desde una aplicación por HTTP necesitas un servidor que lo ejecute. Hay dos caminos: una API alojada o tu propio servidor.
SuperClonica ofrece ambos. Su API de voz ejecuta voces de Supertonic 3 en nuestros workers, y su motor gratuito ejecuta el mismo modelo en tu equipo, en nuestras mediciones unas 1,6 veces más rápido que el código original en procesador y 1,7 veces en tarjeta gráfica.
Opción 1: la API alojada
Entra en SuperClonica con Google o GitHub, crea una clave en la sección de API de tu espacio de trabajo y envía el texto:
curl -o hello.ogg https://superclonica.com/api/v1/speech -H "Authorization: Bearer $SUPERCLONICA_KEY" -H "Content-Type: application/json" -d '{"text": "¡Hola desde Supertonic 3!", "voice": "F1", "language": "es"}'
La respuesta es el propio audio, ogg por defecto, mp3 o wav si lo pides; con "stream": true suena desde 300 ms en nuestras mediciones, sea cual sea la longitud del texto.
- Gratis: un minuto de audio al día.
- Inicio, 5 $ al mes: hasta 216 horas al mes usado sin pausas y todas las voces del catálogo.
- Voces: las diez estándar, las del catálogo hechas por autores y tus voces entrenadas.
- Hasta 20 000 caracteres por solicitud; los textos largos se convierten por partes en varios workers a la vez.
Opción 2: tu propio servidor
El motor de SuperClonica funciona como un servidor Docker gratuito con su propia API HTTP, sin clave ni cuota:
docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu
El primer arranque descarga el modelo; después POST /synthesize responde con WAV. La guía sobre la API de texto a voz en Docker explica la configuración, las claves y el paso a producción.
Cuál elegir
Elige la API alojada si quieres empezar en minutos, no tienes servidor ni GPU, necesitas streaming para textos largos o quieres voces del catálogo sin gestionar archivos. Elige tu propio servidor si los textos no deben salir de tu infraestructura, si conviertes tanto que tu hardware sale más barato o si necesitas trabajar sin conexión. Las voces y la forma de la solicitud se parecen, así que cambiar más adelante es un ajuste pequeño.
Límites de Supertonic 3
Supertonic 3 habla 31 idiomas, pero todavía no chino. Su licencia, OpenRAIL-M, permite el uso comercial dentro de sus restricciones, incluidas reglas contra el engaño y sobre las voces de personas reales. Las voces nuevas son archivos de estilo, no clones instantáneos: en SuperClonica puedes entrenar una con tu propia grabación o elegirla del catálogo.