# Conversión de texto a voz API : voces, control y salida de audio > Compare TTS modelos por punto final, controles de voz, unidad de facturación, flujo de trabajo de salida y una solicitud de voz ejecutable. - Canonical page: https://chinaapi.ai/es/text-to-speech-api/ - Human-readable page: https://chinaapi.ai/es/text-to-speech-api/ - Live pricing: https://dash.chinaapi.ai/pricing?lang=es&utm_source=chinaapi&utm_medium=markdown&utm_campaign=text-to-speech-api Compare TTS modelos por punto final, controles de voz, unidad de facturación, flujo de trabajo de salida y una solicitud de voz ejecutable. [Prueba mimo-v2.5-tts](https://dash.chinaapi.ai/start?task=video-with-audio&model=mimo-v2.5-tts&lang=es&utm_source=chinaapi&utm_medium=capability&utm_campaign=text-to-speech-api) [Generar una solicitud](https://chinaapi.ai/tools/api-request-generator/) ## Entradas, salidas y ciclo de vida. ### Entradas Texto, además de una voz integrada o controles de diseño/clonación de voz compatibles explícitamente. ### Salidas Audio de voz en un formato compatible con el modelo, o un campo de audio en la respuesta del chat. ### Punto final `POST /v1/audio/speech or POST /v1/chat/completions, according to api_mode` ### Ciclo vital Síncrono. Guarda la respuesta de audio binaria o decodifica el campo de audio devuelto por el modo de chat. ## Una definición por tarea. conversión de texto a voz, clonación de voz, diseño de voz **Límite:** La identificación por voz, el consentimiento para la clonación, la cobertura lingüística, la transmisión en tiempo real, los límites de caracteres y los formatos de salida son específicos de cada modelo. ## 8 modelos con metadatos explícitos. Las funcionalidades desconocidas se omiten y nunca se deducen del nombre del modelo. Los ejemplos de precios utilizan datos públicos sincronizados; la información de precios de Dash en tiempo real sigue siendo la fuente autorizada. ### [mimo-v2.5-tts](https://chinaapi.ai/es/models/mimo-v2.5-tts/) Xiaomi MiMo-V2.5-TTS — Síntesis de voz multilingüe expresiva con voces incorporadas, instrucciones de estilo de lenguaje natural, emoción, ritmo, tono, dialecto y control de caracteres. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/chat/completions` **Ejemplo de costo:** 1 10k caracteres × $0 = $0 . ### [stepaudio-2.5-tts](https://chinaapi.ai/es/models/stepaudio-2.5-tts/) StepAudio 2.5 TTS — síntesis de voz contextual con dirección de lenguaje natural en línea, entrega expresiva, voces incorporadas y OpenAI-compatible salida de audio. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/audio/speech` **Ejemplo de costo:** 1 10.85k caracteres × $0.85 = $0.85 . ### [glm-tts](https://chinaapi.ai/es/models/glm-tts/) Síntesis de voz sensible al contexto con entrega expresiva, salida en tiempo real, audio inicial rápido y GLM-TTS de voz, velocidad y volumen. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/audio/speech` **Ejemplo de costo:** 1 10.307692k caracteres × $0.307692 = $0.307692 . ### [qwen3-tts-flash](https://chinaapi.ai/es/models/qwen3-tts-flash/) Qwen3-TTS-Flash Síntesis de voz multilingüe de baja latencia con entrada en varios idiomas, voces integradas, coincidencia automática de idiomas y facturación basada en caracteres. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/audio/speech` **Ejemplo de costo:** 1 10.123077k caracteres × $0.123077 = $0.123077 . ### [speech-2.8-hd](https://chinaapi.ai/es/models/speech-2.8-hd/) MiniMax Voz 2.8 HD: síntesis de voz de alta fidelidad con entrega emocional natural, mejora del lenguaje, controles de voz y formatos de audio de producción. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/audio/speech` **Ejemplo de costo:** 1 10.538462k caracteres × $0.538462 = $0.538462 . ### [speech-2.8-turbo](https://chinaapi.ai/es/models/speech-2.8-turbo/) MiniMax Voz 2.8 Turbo: síntesis de voz centrada en la velocidad con salida natural, controles de emociones, mejora del lenguaje y formatos de audio de producción comunes. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/audio/speech` **Ejemplo de costo:** 1 10.307692k caracteres × $0.307692 = $0.307692 . ### [step-tts-2](https://chinaapi.ai/es/models/step-tts-2/) Paso TTS 2 — síntesis de voz expresiva con voces oficiales y clonadas, control de velocidad y volumen, mapeo de pronunciación y múltiples formatos de salida. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/audio/speech` **Ejemplo de costo:** 1 10.4k caracteres × $0.4 = $0.4 . ### [step-tts-mini](https://chinaapi.ai/es/models/step-tts-mini/) Step TTS Mini: síntesis de voz expresiva y rentable para chino, inglés, japonés, cantonés y sichuanés, con voces oficiales y clonadas. **Tareas:** vídeo con audio, conversión de texto a voz **Punto final:** `POST /v1/audio/speech` **Ejemplo de costo:** 1 10.15k caracteres × $0.15 = $0.15 . ## Realice una prueba o calcule una estimación antes de registrarse. [Calcular API costo](https://chinaapi.ai/tools/api-cost-calculator/) · [Genera código curl, Python o JavaScript.](https://chinaapi.ai/tools/api-request-generator/) · [Instalar la receta del agente Seedance 2](https://chinaapi.ai/agent-recipes/seedance-2/) Fuente y método: [conjunto de datos de precios de modelos públicos](https://chinaapi.ai/es/data/model-pricing/), actualizado 2026-08-08 . Las limitaciones se indican más arriba; las reclamaciones de terceros permanecen junto a las páginas del modelo que las citan. --- Markdown twin of https://chinaapi.ai/es/text-to-speech-api/ — generated from its canonical HTML by scripts/gen_localization_release.py. Full site reference: https://chinaapi.ai/llms-full.txt