Texto y voz
Resultado
Los tiempos por letra son aproximados (el motor no los entrega; se reparten por frase).
Código equivalente
La llave no se pone en el código: use la variable de entorno VOZ_LLAVE.
Los tiempos por letra son aproximados (el motor no los entrega; se reparten por frase).
La llave no se pone en el código: use la variable de entorno VOZ_LLAVE.
Usa la llave de API de la cabecera (el botón de la llave). El navegador la manda en la URL del WebSocket (así lo hace ElevenLabs con su token); en producción se usa una llave de un solo uso.
Mensajes del servidor: partial_transcript (gris), committed_transcript (negro), speech_started / speech_ended. Es el mismo protocolo que /v1/speech-to-text/realtime de ElevenLabs.
Usa la llave de API de la cabecera (el botón de la llave). El agente oye por el micrófono, piensa con el cerebro configurado (llama.cpp / vLLM) y responde con la voz elegida. Si usted habla mientras él habla, se calla (interrupción). Compatible con /v1/convai/agents y /v1/convai/conversation de ElevenLabs.
Tarifa: — créditos por minuto iniciado (oído + cerebro + voz).
Use la misma llave de API de la cabecera (el botón de la llave).
Toque una palabra para oír desde ahí.
Escriba su llave arriba para ver qué motores están encendidos.
La descripción sigue una forma fija: idioma y país, acento propio de la ciudad, mujer u hombre de N años, oficio y rasgos de la voz. Se escribe en el idioma de la voz.
Alta: las 3 opciones se pegan a lo escrito y varían poco en tono y velocidad. Baja: salen más distintas entre sí.
Mínimo 10 s · bueno desde 30 s · lo mejor, 3 min de voz limpia
Se guarda quién, cuándo y el origen declarado. Las voces de origen «IA para pruebas» no se pueden usar con llaves de producción.
Para usar esta voz con una llave de producción necesitamos comprobar que es tuya: lees una frase corta en voz alta y la comparamos con tu audio. Toma menos de un minuto.
Lee esta frase completa, en voz alta y sin cortes:
Este equipo clona a ~4 veces el tiempo real: una frase de 10 s tarda cerca de 45 s. En la GPU alquilada es casi instantáneo.