API Text-to-Speech per Voice Assistant e Chatbot

Di Team editoriale di VoceIndie · Aggiornato 2026-11-19

Benvenuto su VoceIndie, la piattaforma pensata per gli indie developer che costruiscono voice assistant e chatbot accessibili. In questa pagina trovi tutto il necessario per integrare la nostra API Text-to-Speech nei tuoi progetti: dalla documentazione tecnica ai limiti di utilizzo, con un focus specifico sulle esigenze degli utenti con DSA e sulla semplicità d'uso per sviluppatori autonomi.

Scoprirai come generare audio di alta qualità con poche righe di codice, sfruttando la compatibilità con gli SDK OpenAI e una struttura dei costi trasparente. Ti guideremo attraverso le 8 voci disponibili, le 23 lingue supportate e i formati audio ottimizzati, aiutandoti a scegliere la soluzione più adatta senza complessità inutili.

API Text-to-Speech per Voice Assistant e Chatbot

Domande frequenti

Qual è la differenza tra tts-1 e tts-1-hd?

Non esiste differenza tecnica o di prezzo tra i due modelli. Entrambi utilizzano lo stesso motore di sintesi vocale e hanno lo stesso costo. Puoi scegliere l'uno o l'altro in base alle preferenze di naming, ma la qualità audio e la velocità di generazione rimangono identiche per entrambe le opzioni disponibili nell'API.

Le voci supportano tutte le 23 lingue?

Sì, ogni voce può parlare tutte e 23 le lingue supportate, tra cui inglese, italiano, spagnolo e tedesco. Non ci sono voci specializzate per lingua specifica. Se il testo è in latino ma non è inglese, imposta il campo language per evitare che il sistema indovini l'inglese come default.

Posso usare la chiave API con l'SDK OpenAI?

Sì, il nostro endpoint è compatibile con lo SDK ufficiale OpenAI. Devi solo modificare il base_url nel tuo codice per puntare a https://api.karikya.info/v1 e utilizzare la tua chiave API VoceIndie. La struttura della richiesta JSON rimane identica a quella standard, semplificando l'integrazione per gli indie developer.

Cosa succede se la sintesi fallisce?

Se la richiesta di sintesi fallisce, la tariffa viene restituita integralmente. Non perdi credito per le richieste non andate a buon fine. Questo garantisce che paghi solo per il lavoro effettivamente completato, mantenendo la trasparenza dei costi tipica del nostro modello di fatturazione basata sui caratteri elaborati con successo.

I testi vengono usati per l'addestramento?

No, il testo inviato viene utilizzato esclusivamente per produrre il file audio richiesto. Non viene memorizzato né utilizzato per addestrare i nostri modelli di sintesi vocale. I dati conservati sono solo metadati di richiesta (orario, caratteri, stato) necessari per la fatturazione e il tracciamento dell'utilizzo del servizio.

Quali formati audio sono disponibili?

Puoi scegliere tra mp3, wav, opus, flac e pcm. Questi formati coprono le esigenze comuni per voice assistant e chatbot, bilanciando qualità e dimensione del file. Il formato predefinito è solitamente mp3, ma puoi specificare qualsiasi opzione supportata nel campo response_format della tua richiesta API JSON.

È possibile cambiare velocità di lettura?

Sì, puoi regolare la velocità di lettura tra 0.25 e 4.0 volte la velocità normale. Questo parametro ti permette di adattare il ritmo della voce sintetica alle esigenze specifiche del tuo voice assistant o chatbot, garantendo una fruizione ottimale per gli utenti finali, inclusi quelli con DSA che richiedono tempi chiari.

C'è un limite di caratteri per richiesta?

Ogni richiesta API può contenere fino a 4096 caratteri di testo. Per testi più lunghi, dovrai suddividere il contenuto in parti di questa dimensione e unire i file audio risultanti. Questo limite tecnico richiede una gestione logica del testo da parte del tuo codice per garantire una generazione fluida e continua.

Le voci sono generate o registrate?

Le voci sono basate su registrazioni license di attori professionisti, provenienti da LibriTTS-R (CC BY 4.0) e letture di LibriVox. Non sono voci generate puramente da IA generativa, ma sintetizzate a partire da campioni reali. Ogni file audio contiene anche un watermark invisibile che ne certifica la natura sintetica.

Posso usare le voci per voice assistant?

Sì, è la nostra missione. L'API è pensata per indie developer che costruiscono voice assistant e chatbot. La semplicità d'uso e i formati standard come mp3 e wav garantiscono un'integrazione rapida. La trasparenza sui costi e l'assenza di complessità protocolli rendono la nostra soluzione ideale per queste applicazioni, permettendoti di generare audio di qualità con poche richieste.

Come funziona il pagamento con USDT?

Accettiamo solo USDT sulla rete TRON (TRC-20), con un minimo di ricarica di 5 dollari. I fondi vengono accreditati automaticamente entro pochi minuti dal trasferimento. Non ci sono abbonamenti mensili né costi nascosti. Il saldo non scade e puoi ricaricarlo ogni volta che necessario per continuare a generare audio.

La sintesi vocale è adatta per utenti DSA?

Sì, la nostra API offre un controllo preciso sulla velocità di lettura (da 0.25x a 4.0x), fondamentale per la leggibilità da parte di utenti con DSA. La chiarezza delle voci come Aria o Sage, unite alla possibilità di regolare il ritmo, facilita la comprensione del testo audio generato dinamicamente.

C'è un limite di tempo per i file audio?

Non esiste un limite di durata imposto per i file audio generati. La durata dipende solo dalla lunghezza del testo inviato e dalla velocità impostata. Poiché il limite è di 4096 caratteri per richiesta, i file saranno proporzionati a questa quantità di testo, gestibili facilmente dal tuo client audio.

Prima richiesta

curl

curl https://api.karikya.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Come funziona l'API per i tuoi progetti

Illustrazione dell'onda sonora per: Come funziona l'API per i tuoi progetti

L'API per la sintesi vocale di VoceIndie è progettata per integrarsi senza attriti nei tuoi voice assistant e chatbot. Utilizzando un endpoint compatibile con lo standard OpenAI, puoi generare file audio di alta qualità partendo da semplici richieste JSON, riducendo la complessità tecnica del protocollo.

La generazione è rapida e affidabile, con una velocità media di circa 25 caratteri al secondo per testi lunghi. I brevi messaggi vengono elaborati in pochi secondi, permettendo risposte fluide e naturali che migliorano l'accessibilità, specialmente per gli utenti con DSA.

Endpoint semplice e compatibile con OpenAI

Endpoint semplice e compatibile con OpenAI

Invia il tuo testo tramite una semplice richiesta POST all'endpoint https://api.karikya.info/v1/audio/speech. Il formato del corpo della richiesta è identico a quello dell'API OpenAI, il che significa che puoi utilizzare le SDK ufficiali di OpenAI modificando solo il base_url.

Questo approccio elimina la necessità di imparare nuovi protocolli o scrivere adattatori personalizzati. Basta impostare la tua chiave API nell'intestazione Authorization e inviare il testo, il modello (tts-1 o tts-1-hd) e la voce desiderata.

  • Endpoint standard: POST /v1/audio/speech
  • Compatibilità con SDK OpenAI esistenti
  • Richiesta JSON semplice e documentata

Generazione audio rapida e affidabile

I testi lunghi vengono elaborati a una velocità vicina al tempo reale, circa 25 caratteri generati ogni secondo. Per frasi brevi, la generazione richiede solo pochi secondi, garantendo una risposta tempestiva per l'utente finale.

Ogni richiesta produce un file audio pronto all'uso nei formati scelti (mp3, wav, opus, flac, pcm). La qualità è costante e le voci sono basate su registrazioni licenziate, garantendo un suono naturale e chiaro.

Gestione della coda e limiti di velocità

Le richieste vengono elaborate in sequenza. In caso di carico elevato, una richiesta potrebbe attendere in coda prima di iniziare la sintesi. Questo garantisce che il servizio rimanga stabile e affidabile per tutti gli utenti.

I limiti di velocità sono impostati a 60 richieste al minuto per chiave API (10 al minuto prima del primo caricamento). Questi valori sono sufficienti per la maggior parte delle applicazioni indie e chatbot standard.

Se la sintesi fallisce, non vi è alcun addebito: il credito viene restituito integralmente, proteggendo il tuo bilancio.

Voci e Lingue disponibili

Illustrazione dell'onda sonora per: Voci e Lingue disponibili

Offriamo una gamma di voci distinte, selezionate per garantire chiarezza e naturalezza nelle conversazioni automatizzate. Ogni voce è basata su registrazioni con licenza, garantendo qualità audio costante senza surriscaldare i server durante i picchi di utilizzo.

8 preset vocali distinti

Scegli tra quattro voci femminili e maschili, ciascuna ottimizzata per contesti specifici. Da "aria", narratrice calda e chiara, a "atlas", neutra e adatta al giornale, fino a "orion" per documentari dal tono profondo. Ogni preset è pensato per mantenere l'attenzione dell'utente nei voice assistant.

  • Aria: narratrice calda e chiara
  • Nova: brillante e dinamica
  • Luna: morbida, per storytelling
  • Sage: calma, istruzioni chiare
  • Felix: energica, promozionale
  • Milo: amichevole, conversazionale
  • Atlas: neutra, stile giornalistico
  • Orion: profonda, documentaristica

Supporto per 23 lingue internazionali

Il nostro motore supporta 23 lingue, tra cui inglese, italiano, tedesco, spagnolo, francese, cinese e giapponese. Ogni voce può parlare qualsiasi lingua della lista, garantendo coerenza timbrica anche nei multilingua. Le lingue non supportate includono vietnamita, indonesiano, tailandese, ucraino, rumeno, ceco, bengalese e tutte le altre non elencate.

  • Arabic, Chinese, Danish, Dutch
  • English, Finnish, French, German
  • Greek, Hebrew, Hindi, Italian
  • Japanese, Korean, Malay, Norwegian
  • Polish, Portuguese, Russian, Spanish
  • Swahili, Swedish, Turkish

Acquisizione automatica della lingua

Se non specifichi il campo language, il sistema deduce la lingua dallo script del testo (es. testo latino → inglese di default). Per testi in latino ma in altre lingue, imposta esplicitamente il codice ISO per evitare errori di pronuncia.

Perché scegliere VoceIndie

Illustrazione dell'onda sonora per: Perché scegliere VoceIndie

VoceIndie elimina la complessità dei protocolli, offrendo un'API compatibile con gli SDK OpenAI: basta cambiare il base_url per integrare la sintesi vocale nei tuoi voice assistant o chatbot senza riscrivere la logica.

Offriamo un approccio trasparente per indie developer: nessun blocco tecnologico, costi chiari e supporto diretto. La tua priorità è costruire, non gestire infrastrutture.

Nessun blocco tecnologico (no vendor lock-in)

Utilizza le librerie ufficiali OpenAI modificando solo l'endpoint. Non serviamo SDK proprietari né plugin specifici; la tua integrazione rimane leggera e portabile.

  • Compatibilità con gli SDK OpenAI
  • Nessuna SDK proprietaria obbligatoria

Costi chiari e trasparenti

Il prezzo è fisso: $10 per 1 milione di caratteri, inclusi spazi e punteggiatura. Le richieste fallite sono gratuite e il credito non scade mai.

Paga solo con USDT su TRON (TRC-20), minimo $5. Nessun abbonamento mensile, nessuna carta di credito e nessuna fattura con IVA.

  • Costo: $0.01 per 1.000 caratteri
  • Crediti esauriti: nessun servizio
  • Pagamento: solo USDT TRC-20

Supporto via email dedicato

Non ci sono chat dal vivo né numeri di telefono. Il supporto è gestito esclusivamente via email, garantendo risposte accurate e documentate per i tuoi progetti.

Integrazione Rapida

Illustrazione dell'onda sonora per: Integrazione Rapida

Ottieni la tua chiave API in pochi secondi registrandoti su /get-api-key/. Una volta verificato l'account, la chiave è immediatamente operativa e pronta per essere inserita nell'intestazione Authorization: Bearer delle tue richieste.

La compatibilità con l'SDK OpenAI rende l'integrazione immediata: basta puntare base_url a https://api.karikya.info/v1. Inizia a generare audio con il tuo stack preferito senza adattamenti complessi.

Chiave API immediata

La registrazione richiede solo un clic con Google o un indirizzo email. Ricevi subito una chiave attiva, senza attese per approvazioni manuali o configurazioni server.

  • Attivazione istantanea post-registrazione
  • Chiave unica per account
  • Rinnovo semplice quando necessario

Esempio di codice pronto all'uso

Utilizza il metodo standard POST /v1/audio/speech con un body JSON. Il nostro endpoint accetta gli stessi parametri delle librerie OpenAI, semplificando il copy-paste del codice nei tuoi progetti.

  • Compatibilità SDK OpenAI
  • Struttura JSON standardizzata
  • Esempi curl inclusi nella dashboard

Formati audio multipli

Scegli tra MP3, WAV, Opus, FLAC o PCM in base alle tue esigenze di storage e latenza. Ogni formato è ottimizzato per garantire la migliore qualità possibile con il motore selezionato.

  • MP3 per web
  • WAV/FLAC per alta fedeltà
  • Opus per efficienza bandwidth

Casi d'uso: Voice Assistant

Illustrazione dell'onda sonora per: Casi d'uso: Voice Assistant

Le voice assistant basate su VoceIndie sfruttano una API RESTful semplice per trasformare il testo in audio fluido. Grazie alla compatibilità con gli SDK OpenAI, puoi integrare risposte vocali naturali nei tuoi chatbot senza complessità tecniche aggiuntive, garantendo una experiencia utente coerente.

Risposte naturali per chatbot

Integra risposte vocali immediate nei tuoi flussi conversazionali. L'API restituisce file audio pronti all'uso, eliminando la necessità di gestire protocolli audio complessi. Puoi configurare voci come "Felix" per un tono energico o "Atlas" per informazioni neutre, adattando il tono alle esigenze specifiche del tuo assistente virtuale.

  • Integrazione rapida con SDK esistenti
  • Tono personalizzabile per ogni contesto

Accessibilità per utenti DSA

Offri una lettura chiara e comprensibile per utenti con difficoltà di lettura. Le voci come "Luna" o "Sage" offrono una narrazione calda e istruzionale, ideale per contenuti educativi o letture di testo. La sintesi vocale riduce la barriera cognitiva, rendendo i tuoi servizi più inclusivi senza richiedere tecnologie aggiuntive.

  • Voci dedicate alla chiarezza
  • Sintesi vocale semplice e diretta

Personalizzazione del tono

Modula l'esperienza utente attraverso la voce e la velocità. Puoi variare la velocità da 0.25 a 4.0 per adattare il ritmo di lettura al contenuto. Scegli tra 8 preset vocali distinti per adattare il tono alla generazione audio, mantenendo un controllo preciso sulla generazione audio.

  • Controllo velocità da 0.25 a 4.0
  • 8 preset vocali distinti
Casi d'uso: Voice Assistant

Casi d'uso: Chatbot

Illustrazione dell'onda sonora per: Casi d'uso: Chatbot

La sintesi vocale trasforma le risposte testuali del tuo chatbot in audio chiaro, offrendo un'alternativa accessibile agli utenti che leggono meno volentieri o hanno difficoltà di concentrazione. Ogni richiesta genera un file audio pronto all'uso, compatibile con le principali piattaforme web e mobile.

Feedback audio

Invia un testo al nostro endpoint e ricevi un file audio in pochi secondi. Anche se la coda di elaborazione può introdurre una breve attesa, il risultato è sempre coerente e privo di artefatti, garantendo che ogni risposta sia udibile e comprensibile.

Esperienza utente migliorata

Offrire audio riduce la fatica cognitiva durante le conversazioni lunghe. Utilizzando voci come sage o milo, puoi mantenere un tono amichevole e conversazionale che guida l'utente senza distrazioni visive, rendendo l'interazione più naturale e meno stancante.

Integrazione con flussi esistenti

La tua logica di chatbot rimane invariata: ricevi l'input utente, elabori la risposta in testo e invii una richiesta all'API per ottenere l'audio. Non serve codice complesso; basta passare il testo generato dal tuo backend al nostro servizio e restituire il file audio al client.

Tecniche e Formati

Illustrazione dell'onda sonora per: Tecniche e Formati

Ogni richiesta API restituisce un file audio nel formato richiesto, pronto per essere riprodotto o elaborato. La scelta del formato influisce solo sul peso del file e sulla compatibilità del player, non sulla qualità della sintesi.

La velocità di riproduzione è controllabile con il parametro speed (da 0.25 a 4.0), permettendo di adattare il ritmo alla natura del contenuto, che sia una lettura calma o una risposta rapida per un chatbot.

MP3, WAV, Opus, FLAC, PCM

Scegli tra MP3, WAV, Opus, FLAC o PCM in base alle esigenze del tuo progetto. Tutti i formati sono generati dallo stesso motore, garantendo coerenza timbrica. Non esistono differenze di qualità tra le opzioni, solo variazioni nel compressione e nel consumo di banda.

  • MP3: ideale per web e streaming leggero
  • WAV: audio non compresso, alta fedeltà
  • Opus: compressione efficiente per bandwidth limitata
  • FLAC: lossless per archiviazione o editing
  • PCM: raw audio per elaborazioni custom

Controllo della velocità

Il parametro speed accetta valori da 0.25 a 4.0, permettendo di rallentare la lettura per una maggiore chiarezza o accelerarla per risposte rapide. La velocità non altera il tono della voce, ma solo la durata temporale del file generato.

Gestione dei caratteri speciali

I caratteri speciali e la punteggiatura vengono interpretati naturalmente dal motore TTS, influenzando le pause e l'intonazione. Non sono disponibili tag SSML né dizionari di pronuncia personalizzati: il testo viene elaborato così come viene inviato, limitatamente ai 4096 caratteri per richiesta.

Limiti e Performance

Illustrazione dell'onda sonora per: Limiti e Performance

Comprendere i limiti tecnici è essenziale per una integrazione stabile. Il nostro servizio offre trasparenza sui vincoli di velocità e lunghezza, garantendo che tu possa pianificare il tuo voice assistant o chatbot con dati concreti e verificabili.

60 richieste al minuto

Ogni chiave API è soggetta a un limite di 60 richieste al minuto. Prima del primo caricamento del saldo, il limite è di 10 richieste al minuto. Questo valore è sufficiente per la maggior parte dei casi d'uso e può essere aumentato semplicemente aggiungendo fondi al tuo account.

Lunghezza massima del testo

Ogni richiesta API accetta fino a 4096 caratteri. Per testi più lunghi, è necessario dividere l'input in parti più piccole e unire i file audio risultanti. Questo approccio garantisce una generazione coerente e gestibile senza sovraccaricare il servizio.

Processamento in coda

Le richieste vengono elaborate in ordine sequenziale. Durante periodi di carico elevato, potresti riscontrare un leggero ritardo prima che l'audio venga generato. La velocità media è di circa 25 caratteri al secondo, simile alla velocità reale del parlato.

Prossimi Passi

Illustrazione dell'onda sonora per: Prossimi Passi

Passa rapidamente all'azione: registrati con Google per ricevere immediatamente 0,50$ di credito di prova (valido 7 giorni) o crea un account con email e password. Questo ti permette di testare l'API senza impegno iniziale.

Una volta ottenuto l'accesso, la tua chiave API univoca sarà visibile nella dashboard. Puoi utilizzarla subito per inviare richieste e generare audio, iniziando a costruire il tuo voice assistant o chatbot con parametri chiari e costi trasparenti.

Registrati per una prova gratuita

La registrazione avviene direttamente nella pagina /get-api-key/ e richiede pochi secondi. Con l'accesso tramite Google, ricevi automaticamente un credito iniziale di 0,50$, sufficiente per circa 50.000 caratteri. Questo ti consente di verificare la qualità delle voci e la velocità di generazione prima di qualsiasi investimento.

  • Attivazione immediata con Google
  • 0,50$ di credito per 7 giorni
  • Nessuna carta di credito richiesta

Ottieni la tua chiave API

La tua chiave inizia con tts- e può essere emessa o ruotata in qualsiasi momento dalla dashboard. Ricorda che ogni account ha una sola chiave attiva: la nuova invalida immediatamente quella precedente. Utilizza questa chiave nell'intestazione Authorization: Bearer per autenticare le tue richieste all'endpoint.

La chiave ti permette di monitorare in tempo reale il saldo residuo, i caratteri consumati e l'utilizzo delle richieste. Tieni presente che i primi minuti prevedono un limite di 10 richieste al minuto, che sale a 60 dopo il primo caricamento.

  • Chiave unica per account
  • Revoca istantanea della vecchia chiave
  • Monitoraggio saldo e consumi in dashboard

Leggi la documentazione completa

La documentazione dettagliata spiega come strutturare la richiesta JSON e quali parametri sono disponibili per il modello tts-1 o tts-1-hd. Puoi integrare l'API utilizzando gli SDK ufficiali OpenAI modificando il base_url, oppure tramite richieste HTTP plain con qualsiasi linguaggio di programmazione.

Consulta la sezione /docs/ per la lista completa delle 8 voci disponibili, i 23 linguaggi supportati e i formati audio esportabili. Se hai bisogno di assistenza specifica sull'integrazione, il nostro supporto è a tua disposizione esclusivamente via email.

  • Compatibilità con SDK OpenAI
  • Guida ai parametri JSON
  • Lista completa voci e formati

Ascolta le 8 voci

Ogni campione sottostante è stato generato da questa API utilizzando la stessa frase. Offriamo voci naturali con articolazione chiara, ideali per la lettura ad alta voce di testi complessi.

Avatar della voce aria
ariafemminile
Avatar della voce nova
novafemminile
Avatar della voce luna
lunafemminile
Avatar della voce sage
sagefemminile
Avatar della voce felix
felixmaschile
Avatar della voce milo
milomaschile
Avatar della voce atlas
atlasmaschile
Avatar della voce orion
orionmaschile

23 lingue

Ogni voce può parlare in una di queste lingue.

Fonti e ulteriori letture

  1. Wikipedia
  2. LibriVox public-domain audiobooks
  3. OpenAI API reference: create speech
  4. Node.js documentation
  5. openai-python on GitHub
  6. W3C WAI: making audio and video accessible
  7. Creative Commons Attribution 4.0
  8. openai-node on GitHub
  9. MDN: Web Speech API
  10. ISO 639 language codes
  11. IETF RFC 7845: Ogg Opus
  12. FFmpeg documentation

Altro su questo sito