> ## Documentation Index
> Fetch the complete documentation index at: https://docs.geekhub.mx/llms.txt
> Use this file to discover all available pages before exploring further.

# Text-to-Speech (TTS)

> Síntesis de audio desde texto. Endpoint /v1/audio/speech compatible con OpenAI SDK. Streaming en tiempo real, 6 voces, 6 formatos.

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

```bash theme={null}
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_format` | Content-Type | Cuándo usarlo                                       |
| ----------------- | ------------ | --------------------------------------------------- |
| `mp3` (default)   | `audio/mpeg` | Compatible con todos los browsers y reproductores   |
| `opus`            | `audio/opus` | Streaming bidireccional, baja latencia (WebRTC)     |
| `wav`             | `audio/wav`  | Procesamiento posterior (ASR, mezclas). Sin pérdida |
| `pcm`             | `audio/L16`  | Sin contenedor, integración con motores custom      |
| `aac`             | `audio/aac`  | iOS / dispositivos Apple nativo                     |
| `flac`            | `audio/flac` | Sin 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):

```bash theme={null}
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:

```json theme={null}
{
  "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 ID                 | Voces                                          | Precio          | ZDR |
| ------------------------ | ---------------------------------------------- | --------------- | --- |
| `openai/tts-1`           | alloy, echo, fable, onyx, nova, shimmer        | \$15 / 1M chars | ✓   |
| `openai/tts-1-hd`        | alloy, echo, fable, onyx, nova, shimmer        | \$30 / 1M chars | ✓   |
| `openai/gpt-4o-mini-tts` | alloy, 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](/features/zdr).