Skip to main content
Endpoint /v1/audio/speech compatible con el SDK de OpenAI: mismo body shape, misma forma de respuesta (audio binario con Content-Type según el formato). Soporta respuesta completa o streaming y respeta las flags ZDR de la organización.

​
Sintaxis

curl -X POST https://api.geekhub.mx/v1/audio/speech \
  -H "Authorization: Bearer ghub_sk_live_TU_KEY" \
  -H "Content-Type: application/json" \
  -o speech.mp3 \
  -d '{
    "model": "openai/tts-1",
    "input": "Hola, soy una prueba de síntesis de voz.",
    "voice": "alloy",
    "response_format": "mp3",
    "speed": 1.0
  }'
La respuesta es el audio binario directamente (no JSON). El header Content-Type indica el formato.

​
Formatos de salida

response_formatContent-TypeCuándo usarlo
mp3 (default)audio/mpegCompatible con todos los browsers y reproductores
opusaudio/opusStreaming bidireccional, baja latencia (WebRTC)
wavaudio/wavProcesamiento posterior (ASR, mezclas). Sin pérdida
pcmaudio/L16Sin contenedor, integración con motores custom
aacaudio/aaciOS / dispositivos Apple nativo
flacaudio/flacSin pérdida, comprimido. Archivado

​
Streaming en tiempo real

Pasa stream: true para recibir audio en chunks a medida que el modelo lo genera (latencia perceptual menor): 
curl -N -X POST https://api.geekhub.mx/v1/audio/speech \
  -H "Authorization: Bearer ghub_sk_live_TU_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/tts-1",
    "input": "Texto que vas a reproducir mientras se genera...",
    "voice": "nova",
    "response_format": "opus",
    "stream": true
  }' > stream.opus

​
Instrucciones de tono (gpt-4o-mini-tts)

El modelo openai/gpt-4o-mini-tts acepta instructions con prompt de estilo: 
{
  "model": "openai/gpt-4o-mini-tts",
  "input": "Bienvenido a Geek Hub.",
  "voice": "verse",
  "response_format": "mp3",
  "instructions": "Habla con tono cálido y profesional, ritmo pausado."
}

​
Modelos disponibles

Model IDVocesPrecioZDR
openai/tts-1alloy, echo, fable, onyx, nova, shimmer$15 / 1M chars✓
openai/tts-1-hdalloy, echo, fable, onyx, nova, shimmer$30 / 1M chars✓
openai/gpt-4o-mini-ttsalloy, echo, fable, onyx, nova, shimmer, verse$12 / 1M chars✓

​
Estructura de precios

Los modelos TTS se cobran por caracteres de texto sintetizado, no por tokens ni segundos. Esto refleja como facturan los proveedores y hace el costo predecible: 1000 caracteres son ~150 palabras independientemente de cuánto duren al hablar. Geek Hub aplica el +5% de markup estándar.

​
Pre-flight ZDR

Si tu org exige ZDR para el grupo del modelo TTS, o si la request lleva zdr: true, el gateway verifica antes de procesar. Si no está verificado, HTTP 422 con la lista de modelos alternativos. Ver Zero Data Retention.