Traducido del inglés por Plainly. Si algo no coincide, la que cuenta es la página en inglés.

Plainly Guide › Voz y habla › OpenAI Speech API

HerramientaVoz y hablaCerrado

OpenAI Speech API

El servicio para desarrolladores de OpenAI, con pago por uso, para convertir texto en voz con un conjunto de voces ya preparadas y para convertir grabaciones en texto. Se usa desde código; no hay app. Lo que crea es tuyo, pero debes avisar a quien escuche de que la voz es de IA.

Ir al sitio web de OpenAI Speech API

¿Se puede probar gratis?Sin plan gratuito

¿Puedo vender lo que creo?Sí

Abierto o cerradoCerrado

Nivel necesarioTécnico

Los datos, con fuentes

Abierto o cerrado: Cerrado
Solo se puede usar a través de la app o la API del fabricante
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante
Licencia: OpenAI Services Agreement (Las condiciones propias del fabricante)
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante
¿Puedo vender lo que creo?: Sí
Las condiciones asignan al cliente la propiedad de lo que se genera, pero no hay una cláusula comercial explícita. La guía de TTS dice que las políticas de uso exigen avisar a quien lo escuche de que la voz está generada por IA.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Coste: No tiene plan gratuito.
Planes a continuación.
Cómo se usa: API propia del fabricante
Hay 13 voces integradas (se recomiendan marin y cedar); las voces están optimizadas para inglés, pero admite muchos idiomas.
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante
Nivel necesario: Técnico
Se usa escribiendo código que se conecta a la API.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Creado por: OpenAI (US)
El acuerdo de servicios indica OpenAI OpCo, LLC con una dirección en San Francisco (los clientes del EEE/Suiza contratan con OpenAI Ireland Ltd).
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Estado: Disponible
La página del modelo gpt-4o-mini-tts muestra la etiqueta 'Deprecated' (obsoleto) junto a algunas versiones y al nombre del modelo, sin indicar sustituto ni fecha. El servicio en sí continúa.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Qué puedes crear con ella

Una voz o audio hablado, leer mi texto en voz alta (uso principal)
Una voz o audio hablado, texto a partir de una grabación
Una voz o audio hablado, mi audio en otro idioma

de texto a audiode audio a textode audio a audio

Texto a voz según la guía de TTS; transcripción y traducción de voz en directo (gpt-realtime-translate) según la página de precios.

fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Planes y precios

Plan	Precio	Incluye
gpt-4o-mini-tts: text input	0,60 $ por 1.000.000 tokens
gpt-4o-mini-tts: audio output	12 $ por 1.000.000 tokens
gpt-transcribe	0,0045 $ por minutos de audio	Indicado como coste estimado por minuto
gpt-4o-mini-transcribe	0,003 $ por minutos de audio	Coste estimado por minuto; precios por token de $1.25 de entrada / $5.00 de salida por cada 1M
gpt-4o-transcribe	0,006 $ por minutos de audio	Coste estimado por minuto; precios por token de $2.50 de entrada / $10.00 de salida por cada 1M
gpt-live-transcribe	0,017 $ por minutos de audio
gpt-realtime-translate	0,034 $ por minutos de audio

Algunos planes no aparecen aquí; consulta la fuente para ver la lista completa.

Precios de transcripción de la página de precios; precios de gpt-4o-mini-tts de su página del modelo (developers.openai.com/api/docs/models/gpt-4o-mini-tts). Se muestra '$'; suponemos USD.

fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Derechos y seguridad

¿Entrena con tu trabajo?: No entrena con tu trabajo
Sección 4.2: el contenido del cliente (lo que introduce y los resultados) no se usa para mejorar los servicios salvo que el cliente lo acepte de forma explícita.
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante
Caras reales y voces reales: Copia una voz real (voz personalizada), comprueba el consentimiento de la persona
Las voces personalizadas se crean a partir de la grabación de consentimiento de la persona que habla y una muestra que coincida; los requisitos están en una guía aparte que no se consultó.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Relacionado

Modelos que usa (aún no están en Plainly)

gpt-4o-mini-tts, tts-1, tts-1-hd, gpt-transcribe, gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-live-transcribe

Otras opciones para «Una voz o audio hablado, leer mi texto en voz alta»

Adobe Firefly, Akool, Amazon Polly, Arcads, Async (formerly Podcastle), Azure AI Speech, Bark, CAMB.AI, Cartesia, Chatterbox, Clipchamp, Deepgram, DeeVid AI, Descript, Dia, Dubverse, Eleven v3, Eleven v4, ElevenLabs, F5-TTS, fal, Filmora, Fish Audio, Fish Audio Drama 3

Sobre esta ficha. Última comprobación de los datos: 12 oct 2026, con las páginas del propio fabricante (cada dato enlaza a su fuente). Estado de la ficha: borrador. Resumen en lenguaje sencillo escrito por Plainly.

¿Has visto un error? Avísanos, con un enlace a la fuente. Cómo funcionan las correcciones