¿Cómo usar la API TTS para guías de pacientes?

Por Equipo editorial de GuiaSonoro · Actualizado 2026-11-19

Esta guía explica cómo integrar nuestra API de texto a voz en aplicaciones de salud para auditar guías de pacientes y manuales clínicos. Si tu equipo de producto necesita narración automática fiable sin depender de plataformas genéricas, aquí encontrarás el flujo técnico completo para generar audio a partir de texto médico.

Obtendrás ejemplos concretos de integración, cálculos de coste por volumen y consideraciones de privacidad. Aprenderás a gestionar errores, formatear texto clínico y validar la comprensión con pacientes, asegurando una experiencia auditiva clara y accesible para tu documentación sanitaria.

¿Cómo usar la API TTS para guías de pacientes?

Preguntas frecuentes

¿Por qué usar audio en guías de pacientes?

La API TTS convierte texto en archivos de audio para mejorar la accesibilidad. Al enviar texto, recibes un archivo listo para integrar en aplicaciones de salud. Esto permite que los pacientes lean guías sin depender exclusivamente de la vista, facilitando la comprensión de manuales clínicos complejos.

¿Qué voz es mejor para texto médico?

No hay una voz única, pero 'sage' (calma, instruccional) o 'aria' (narradora clara) son ideales para documentación médica. Cada voz ofrece un tono distinto para adaptarse al contexto de la guía. Puedes probar cualquiera de las 8 presets disponibles en la API para encontrar la que mejor comunique la información.

¿Cómo se formatea el texto para la API?

El texto se envía en el campo 'input' del cuerpo JSON. El límite es de 4096 caracteres por solicitud. Si el texto excede este límite, debes dividirlo en partes y unir los archivos de audio resultantes. Los espacios y la puntuación cuentan como caracteres para el cálculo del uso.

¿Se puede cambiar la velocidad de lectura?

Sí, puedes ajustar la velocidad entre 0.25 y 4.0 mediante el campo 'speed'. Esto permite adaptar la velocidad de narración a las necesidades del paciente. La velocidad se configura junto con el modelo y la voz en la solicitud POST al endpoint de la API.

¿Qué idiomas son ideales para pacientes?

El servicio soporta 23 idiomas, incluyendo español, inglés, francés, alemán, portugués, italiano, japonés, chino, coreano, árabe, ruso, turco, polaco, neerlandés, danés, noruego, sueco, finés, griego, hebreo, malayo, swahili y húngaro. Cualquier voz puede hablar cualquiera de estos idiomas. Si usas texto en latín que no sea inglés, debes especificar el campo 'language' para evitar que se adivine incorrectamente el idioma (por defecto se asume inglés).

¿Cómo se manejan los acentos en español?

El sistema no distingue acentos regionales específicos; cualquier voz puede leer en español. Si el texto está en español, se recomienda establecer explícitamente el campo 'language' en 'es' para asegurar una pronunciación correcta. No se ofrecen dialectos personalizados ni ajustes de acento adicionales.

¿Es necesario un experto en audio para integrar?

No, la integración es directa mediante una solicitud HTTP POST. La API devuelve un archivo de audio directamente en la respuesta. Puedes usar SDKs estándar o curl para enviar texto y recibir el archivo, sin necesidad de procesamiento de audio complejo ni herramientas de edición especializadas.

¿Se puede usar en apps móviles de salud?

Sí, la API es compatible con cualquier aplicación que pueda realizar solicitudes HTTP. Puedes generar audio en el servidor o directamente desde la app si gestionas la clave API. No hay SDK móvil nativo, pero la integración mediante llamadas REST es sencilla y compatible con iOS y Android.

¿Qué pasa si el texto tiene caracteres especiales?

Los caracteres especiales se procesan como parte del texto de entrada. El límite de 4096 caracteres incluye espacios y puntuación. No hay restricciones específicas mencionadas para caracteres Unicode, siempre que el texto sea válido en el cuerpo JSON de la solicitud. El audio se genera con normalidad.

¿Cuánto tarda en generarse el audio?

La generación es aproximadamente en tiempo real, tomando unos 25 caracteres por segundo de audio. Las frases cortas pueden tardar unos segundos. Las solicitudes se procesan en cola, por lo que bajo carga podría haber retrasos. No hay streaming ni audio parcial disponible durante la generación.

¿Se puede reproducir el audio en bucle?

La API devuelve un archivo de audio final (mp3, wav, etc.). La reproducción en bucle depende del reproductor de tu aplicación, no de la API. No hay un parámetro nativo en la solicitud para configurar el bucle; debes gestionarlo en el cliente que reproduce el archivo recibido.

¿Hay límite de uso diario?

El límite es de 60 solicitudes por minuto por clave. No hay un límite diario fijo especificado, pero el saldo de tu cuenta determina cuánto puedes generar. Si el saldo es insuficiente, las solicitudes fallarán. No hay planes mensuales ni límites de asientos, solo consumo por carácter.

¿Cómo se verifica la precisión del audio?

La precisión depende de la calidad del texto enviado y del modelo elegido. No hay métricas de precisión automática proporcionadas por la API. Debes revisar el archivo de audio generado para verificar la pronunciación. Las voces son predefinidas y no permiten personalización de pronunciación o diccionarios fonéticos.

¿Se puede descargar el audio para uso offline?

Sí, la API devuelve el archivo de audio en la respuesta. Puedes guardarlo en tu servidor o dispositivo para uso posterior sin conexión. Los formatos disponibles incluyen mp3, wav, opus, flac y pcm, permitiéndote elegir el formato más adecuado para tu almacenamiento offline.

Necesidad de audio en salud

Ilustración de onda de sonido para: Necesidad de audio en salud

Las guías de pacientes y los manuales clínicos suelen ser densos y difíciles de digerir. Convertirlos a audio permite que personas con baja alfabetización o dificultades visuales accedan a la información crítica de su salud sin depender exclusivamente de la lectura escrita.

La narración automática de instrucciones médicas asegura que cada detalle de una prescripción o protocolo se transmita con claridad, reduciendo errores por mala interpretación visual.

Accesibilidad para pacientes

El audio elimina barreras de lectura, permitiendo que pacientes mayores o con discapacidad visual comprendan sus tratamientos. Es una herramienta inclusiva que no requiere hardware especializado.

  • Acceso sin necesidad de leer texto complejo
  • Compatibilidad con lectores de pantalla estándar

Lectura de instrucciones médicas

Las instrucciones de alta hospitalaria o dosificación de medicamentos son críticas. Un error de lectura puede tener consecuencias graves. La API genera audio preciso que mantiene la integridad del mensaje clínico original.

Permite distribuir instrucciones en formatos auditivos fáciles de compartir por email o app, asegurando que el paciente reciba la información en el momento adecuado.

Reducción de carga cognitiva

Leer textos médicos extensos mientras se está bajo estrés clínico consume recursos mentales. El audio libera esa carga, permitiendo que el paciente se concentre en entender las acciones a tomar.

La voz clara y calmada de opciones como 'luna' o 'sage' ayuda a reducir la ansiedad asociada a la lectura de diagnósticos o procedimientos.

Elección de la voz adecuada

Ilustración de onda de sonido para: Elección de la voz adecuada

Seleccionar la voz adecuada es crucial para la claridad de las guías de pacientes. La correcta elección afecta directamente la comprensión de las instrucciones médicas y la experiencia del usuario durante la lectura.

Considera el tono y la claridad de la terminología clínica para asegurar que los pacientes entiendan las indicaciones sin ambigüedades.

Claridad en terminología clínica

Voces como Aria o Nova ofrecen una dicción nítida que facilita la comprensión de términos médicos complejos. Su claridad asegura que cada palabra sea articulada con precisión, reduciendo errores de interpretación.

Es ideal para guías que contienen nombres de medicamentos o procedimientos específicos, donde la precisión fonética es vital.

  • Aria: narradora clara y cálida
  • Nova: brillante y dinámica

Tono calmado para ansiedad

Luna y Sage son opciones ideales para contextos de salud donde el paciente puede sentir estrés. Su tono suave y narrativo ayuda a reducir la ansiedad durante la lectura de instrucciones.

Estas voces proporcionan una experiencia auditiva más relajante, favoreciendo la retención de información en momentos de vulnerabilidad.

  • Luna: suave y narrativo
  • Sage: calmado e instructivo

Voz neutral para neutralidad

Atlas ofrece una voz neutral, adecuada para contenido informativo general que no requiere un tono emocional específico. Es ideal para manuales técnicos o documentación administrativa.

Su neutralidad garantiza que el foco permanezca en el contenido médico sin influencias vocales subjetivas.

  • Atlas: neutral y periodístico

Proceso de integración

Ilustración de onda de sonido para: Proceso de integración

El primer paso es registrarse en scorecrazy.info y obtener una clave Bearer única desde la página /get-api-key/. Esta credencial autentica todas las solicitudes a https://api.scorecrazy.info/v1 y permite visualizar el saldo disponible y el límite de 60 peticiones por minuto.

Obtención de clave API

Accede a /get-api-key/ con Google o email. La plataforma genera inmediatamente un token tts-... válido para llamadas Authorization: Bearer. No hay contratos ni facturas adicionales.

  • Registro inmediato sin compromiso de pago
  • Token único por cuenta en este sitio

Preparación del texto JSON

Codifica el cuerpo de la petición en JSON. Incluye model ("tts-1" o "tts-1-hd"), voice (ej. "luna" para guías calmadas) y input con el texto de la guía. Limita cada solicitud a 4096 caracteres; textos más largos deben dividirse en la aplicación cliente antes de enviar.

  • Usar formato JSON estándar
  • Límite de 4096 caracteres por petición

Gestión de errores

La API devuelve códigos HTTP claros. Si la síntesis falla, no se cobra el crédito. Implementa lógica para detectar errores de rate-limit (60 req/min) o formato inválido y reintenta con backoff exponencial. Los metadatos de error ayudan a depurar problemas de codificación de caracteres especiales en términos médicos.

Formateo del texto médico

Ilustración de onda de sonido para: Formateo del texto médico

El formato del texto influye directamente en la calidad de la síntesis. Los saltos de línea abruptos pueden generar pausas no deseadas que rompen la fluidez de las instrucciones médicas. Normalizar el texto asegura una narración continua y clara para el paciente.

Eliminación de saltos de línea

Convierte saltos de línea en espacios simples antes de enviar la solicitud. Esto evita interrupciones artificiales en la voz sintética y mantiene la coherencia de las guías de pacientes.

Manejo de abreviaturas

Normalización de caracteres

Asegúrate de que los acentos y caracteres especiales estén codificados correctamente (UTF-8). La precisión en los caracteres garantiza que la voz detecte el idioma correctamente y articule bien los términos técnicos.

Prueba de comprensión

Ilustración de onda de sonido para: Prueba de comprensión

La validación clínica exige verificar que la síntesis respete la terminología y la lógica de las instrucciones. Aunque el motor es robusto, la comprensión del paciente varía según la complejidad del texto y la claridad de la voz seleccionada, como Luna para narrativas o Atlas para neutralidad.

Este paso asegura que el audio generado sea una herramienta útil y segura, no solo un archivo de audio generado automáticamente.

Audición por pacientes

Realizar pruebas con usuarios reales del entorno objetivo permite detectar confusiones en instrucciones críticas. La percepción de la voz Aria o Nova puede influir en la confianza del paciente al seguir un protocolo de medicación.

  • Seleccionar un grupo pequeño de pacientes representativos.
  • Pedir retroalimentación sobre la claridad percibida.
  • Identificar términos que puedan sonar ambiguos.

Verificación de precisión

Comparar el audio generado con el texto original para asegurar que no se omitieron palabras clave o números. La API no interpreta contexto médico por sí misma, por lo que la precisión depende de la entrada de texto.

  • Verificar pronunciación de nombres de medicamentos.
  • Confirmar que las dosificaciones se leen correctamente.
  • Revisar la fluidez en listas de pasos.

Ajuste de velocidad

Ajustar el parámetro speed entre 0.25 y 4.0 según la capacidad auditiva del usuario. Una velocidad más lenta puede mejorar la comprensión para textos densos, aunque aumenta el tiempo de generación.

  • Probar velocidades estándar (1.0) vs. reducidas (0.75).
  • Evaluar la carga cognitiva resultante.
  • Documentar la configuración óptima para cada tipo de guía.

Consideraciones de privacidad

Ilustración de onda de sonido para: Consideraciones de privacidad

La privacidad es fundamental en la integración de audio para guías médicas. Entendemos que la información de salud requiere un manejo riguroso, por lo que hemos diseñado nuestra API para minimizar la exposición de datos sensibles durante la síntesis.

Este enfoque permite a los equipos de producto cumplir con estándares de confidencialidad sin depender de políticas de terceros genéricas, manteniendo el control sobre el ciclo de vida de la información del paciente.

Datos no usados para entrenamiento

El texto que envías para generar el audio se utiliza exclusivamente para producir el archivo de audio correspondiente. No se almacena ni se utiliza para entrenar ni mejorar nuestros modelos de lenguaje o de síntesis de voz.

Audio no almacenado

El archivo de audio generado se devuelve inmediatamente en la respuesta de la API y no se conserva en nuestros servidores una vez entregado. Esto elimina el riesgo de que el contenido auditivo persista en nuestra infraestructura.

Metadatos de facturación

Se conservan únicamente los metadatos necesarios para la facturación precisa: hora de la solicitud, número de caracteres procesados y estado de la misma. Esta información es esencial para el control de costos y la auditoría interna.

Coste por volumen de guías

Ilustración de onda de sonido para: Coste por volumen de guías

El coste de la API TTS se calcula estrictamente por carácter, incluyendo espacios y puntuación, a $0.01 por cada 1.000 caracteres. Esta métrica permite predecir con precisión el gasto para guías de pacientes extensas, sin costos ocultos por minutos de audio o formatos específicos.

Optimizar el texto médico es clave para controlar el volumen. Eliminar saltos de línea innecesarios y abreviaturas redundantes reduce la longitud final, manteniendo la claridad para la lectura en voz alta y asegurando que cada solicitud se mantenga dentro del límite de 4.096 caracteres.

Cálculo de caracteres

El precio es uniforme: 10 USD por cada millón de caracteres procesados. Los caracteres no utilizados en la codificación UTF-8 no influyen; se cuenta cada símbolo visible y el espacio. Esto facilita la estimación inicial para manuales clínicos de varios miles de palabras.

  • 1 carácter = 1 unidad de conteo
  • Incluye espacios, signos de puntuación y números
  • No se cobra por la duración del audio resultante

Optimización de texto

Las guías médicas suelen contener listas y encabezados. Unir líneas con espacios simples en lugar de saltos de línea ayuda a mantener el flujo narrativo sin aumentar excesivamente el conteo. Revisar abreviaturas como "EPOC" o "ICU" asegura que el TTS las pronuncie correctamente sin necesidad de ajustes complejos.

  • Unir párrafos cortos en bloques coherentes
  • Verificar la pronunciación de siglas clínicas
  • Eliminar caracteres de formato no esenciales

Predicción de gastos

Para una guía de 2.000 palabras (aprox. 10.000 caracteres), el coste sería de 0,10 USD por generación completa. Al no haber planes mensuales ni mínimos, el gasto escala linealmente con el volumen de descargas. Las solicitudes fallidas se devuelven íntegramente, protegiendo el presupuesto ante errores de red.

Coste por volumen de guías

Soporte técnico para equipos

Ilustración de onda de sonido para: Soporte técnico para equipos

Los equipos de producto en salud reciben documentación técnica estructurada que cubre desde la creación de claves hasta la integración del endpoint POST https://api.scorecrazy.info/v1/audio/speech. Esta guía detalla los campos obligatorios y el formato JSON necesario para generar audio de guías clínicas sin ambigüedades.

Para acelerar la implementación, se proporcionan ejemplos de código listos para usar con la API. Estos recursos permiten a los desarrolladores verificar rápidamente la autenticación y la sintaxis antes de pasar a la fase de pruebas con textos médicos reales.

Documentación disponible

La documentación técnica describe con precisión los parámetros de la API, incluyendo los valores aceptados para model, voice y response_format. Cada campo está explicado con ejemplos específicos para el sector salud, asegurando que la integración respete las limitaciones de caracteres y el formato de audio requerido.

  • Especificación completa del endpoint de síntesis.
  • Lista de voces y sus características auditivas.
  • Códigos de estado HTTP y manejo de errores.

Ejemplos de código

Se ofrecen snippets en lenguajes comunes para realizar la petición POST con la clave de API. Estos ejemplos demuestran cómo enviar texto médico formateado y recibir el archivo de audio en el formato seleccionado, facilitando la prueba unitaria en entornos de desarrollo.

  • Ejemplo de curl para generación de audio.
  • Configuración de encabezados de autorización.
  • Manejo de la respuesta binaria.

Consultas por email

El soporte técnico se realiza exclusivamente por correo electrónico. Esta vía permite a los equipos de producto enviar capturas de pantalla, fragmentos de código o descripciones detalladas de errores sin la presión de tiempos de respuesta inmediatos, garantizando una resolución precisa para integraciones complejas.

Limitaciones conocidas

Ilustración de onda de sonido para: Limitaciones conocidas

Las guías de pacientes requieren una lectura clara y directa. Nuestra API entrega audio sintetizado de alta calidad sin necesidad de marcar entonaciones manualmente. Esto simplifica la integración, pero significa que no controlas las pausas dramáticas o los énfasis específicos mediante etiquetas.

Si tu protocolo clínico depende de matices vocales muy precisos, deberás probar varias voces para encontrar la que mejor se ajuste al tono informativo. La claridad del mensaje es prioritaria sobre la expresividad artística.

Sin SSML para entonación

No utilizamos lenguaje de marcado de síntesis de voz (SSML). No puedes definir pausas, énfasis o velocidad por palabra dentro del texto enviado.

  • La entonación es automática según la voz elegida.

Sin clonación de voz

No ofrecemos clonación personalizada ni subidas de muestras de voz. Utilizamos ocho voces predefinidas basadas en grabaciones con licencia.

  • Voces fijas: Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion.

Sin streaming en tiempo real

La API devuelve el archivo de audio completo al finalizar el procesamiento. No hay flujo de audio parcial ni conexión WebSocket.

  • Latencia mínima para textos cortos; cola de procesamiento para textos largos.

Comparativa con soluciones manuales

Ilustración de onda de sonido para: Comparativa con soluciones manuales

Las guías clínicas suelen actualizarse frecuentemente, lo que obliga a los equipos a regrabar manualmente cada cambio en el audio, un proceso lento y costoso. La API elimina esta fricción al generar audio bajo demanda.

La consistencia auditiva es crítica en salud. Mientras las grabaciones manuales varían según el narrador y el estado de ánimo, la API garantiza un tono uniforme y profesional en cada lectura, sin fatiga vocal.

El contenido médico cambia con la evidencia. Con la API, actualizar una guía implica solo regenerar el audio del texto modificado, asegurando que el audio siempre coincida exactamente con la versión publicada, sin necesidad de rehacer sesiones de estudio.

Automatización vs. grabación

La grabación tradicional requiere reservar estudios, coordinar narradores y editar ruido de fondo para cada versión de la guía. La API procesa el texto en segundos, integrándose directamente en la aplicación sin infraestructura física.

Los equipos de producto evitan la logística de producción continua. Solo se paga por los caracteres generados, eliminando costos fijos de personal o equipos de audio dedicados exclusivamente a la narración de manuales.

  • Sin necesidad de equipos de grabación físicos
  • Generación instantánea sin coordinación de horarios
  • Costo variable según uso real, no fijo

Consistencia de voz

En la grabación manual, la voz puede variar entre sesiones o cambiar si el narrador se enferma. La API mantiene la misma voz (como Aria o Luna) para toda la documentación, reforzando la identidad de la marca.

Esta uniformidad ayuda a los pacientes a familiarizarse con el tono, reduciendo la ansiedad en la lectura de instrucciones críticas. No hay variaciones emocionales no deseadas ni fatiga vocal en lecturas largas.

La claridad en la terminología clínica se mantiene constante, ya que el modelo no se desvía por cansancio o distracción.

Actualización de contenido

Cuando una guía médica se modifica, la versión grabada manualmente queda obsoleta hasta que se regrabue todo o se edite manualmente. Con la API, solo se regenera el texto cambiado, ahorrando tiempo y errores.

Esto permite mantener la documentación siempre sincronizada con la última versión clínica, garantizando que el paciente escuche exactamente lo que está escrito en la guía actual.

La actualización es inmediata.

Ejemplo de petición exitosa

Ilustración de onda de sonido para: Ejemplo de petición exitosa

Este ejemplo demuestra la integración directa con el endpoint de síntesis. Se utiliza la voz aria para garantizar claridad en la terminología clínica, un requisito crítico para guías de pacientes.

La solicitud envía el texto completo en formato JSON, respetando el límite de 4096 caracteres por petición. Este enfoque simplifica la integración en aplicaciones de salud sin dependencias complejas.

Cuerpo JSON completo

La petición POST se dirige a https://api.scorecrazy.info/v1/audio/speech. El cuerpo incluye el modelo tts-1, la voz aria y el formato mp3.

Es fundamental incluir la cabecera Authorization: Bearer tts-... con la clave única de la cuenta. El campo input contiene el texto médico normalizado.

  • model: "tts-1"
  • voice: "aria"
  • input: "Levante dos pastillas después del desayuno..."
  • response_format: "mp3"
  • speed: 1.0

Respuesta con archivo audio

El servidor devuelve el archivo de audio binario directamente en el cuerpo de la respuesta. Esto permite almacenarlo o reproducirlo inmediatamente en la aplicación del paciente.

Si la síntesis falla, se devuelve un error sin cargo. La precisión del audio generado refleja fielmente el texto de entrada, sin alucinaciones.

Código de estado 200

Un estado 200 indica que la generación fue exitosa y que la transacción de facturación se ha completado correctamente. El costo se deduce del saldo disponible.

Este código confirma que el audio está listo para ser entregado al usuario final, garantizando la disponibilidad inmediata de la información médica.

Próximos pasos

Ilustración de onda de sonido para: Próximos pasos

Para comenzar a integrar la narración automática en sus aplicaciones de salud, el primer paso es registrarse en scorecrazy.info. Acceda a la página /get-api-key/ utilizando su cuenta de Google o creando un perfil con correo y contraseña. Este proceso genera una clave API única que autenticará todas sus solicitudes de síntesis de voz.

Crear cuenta en la plataforma

El registro es inmediato y no requiere facturación inicial. Una vez creado, tendrá acceso al panel donde se muestra su clave activa, el saldo y los caracteres restantes.

  • Registro vía Google o email/contraseña
  • Generación instantánea de clave Bearer

Obtener prueba gratuita

Al iniciar sesión con Google, se le acreditan $0.50 de saldo válido durante 7 días, equivalentes a aproximadamente 50.000 caracteres. Esto permite validar la calidad del audio con guías de pacientes sin riesgo financiero.

Implementar en entorno de pruebas

Configure su SDK o cliente HTTP con la base URL https://api.scorecrazy.info/v1. Utilice la voz 'sage' para instrucciones médicas por su tono calmado y claro. Pruebe la integración con textos cortos antes de escalar.

Escucha las 8 voces

Cada muestra a continuación fue generada por esta API a partir de la misma frase. Es la opción preferida para narrativas lineales donde la precisión es prioritaria.

Avatar de la voz aria
ariafemenino
Avatar de la voz nova
novafemenino
Avatar de la voz luna
lunafemenino
Avatar de la voz sage
sagefemenino
Avatar de la voz felix
felixmasculino
Avatar de la voz milo
milomasculino
Avatar de la voz atlas
atlasmasculino
Avatar de la voz orion
orionmasculino

23 idiomas

Cualquier voz puede hablar cualquiera de estos idiomas.

Fuentes y lecturas adicionales

  1. Wikipedia
  2. openai-node on GitHub
  3. Tether (USDT)
  4. ISO 639 language codes
  5. FFmpeg documentation
  6. OpenAI API reference: create speech
  7. W3C WAI: making audio and video accessible
  8. Python documentation
  9. openai-python on GitHub
  10. MDN: Web Speech API
  11. Node.js documentation
  12. Creative Commons Attribution 4.0

Más en este sitio