---
title: "Las mejores APIs agregadoras de TTS y STT en 2026: AllModels vs OpenRouter, Eden AI, Telnyx y más"
description: "Compara 9 APIs agregadoras de TTS y STT en 2026: texto a voz, voz a texto, streaming en tiempo real por WebSocket, compatibilidad con los SDKs de OpenAI y ElevenLabs y precios."
canonical: "https://allmodels.io/es/guides/best-tts-stt-aggregator-api"
markdown: "https://allmodels.io/es/guides/best-tts-stt-aggregator-api.md"
author: "AllModels"
datePublished: "2026-10-16"
dateModified: "2026-10-19"
---

# Las mejores APIs agregadoras de TTS y STT en 2026

Una comparación lado a lado de 9 servicios que reúnen modelos de texto a voz y de voz a texto de varios proveedores en una sola integración: qué cubre cada uno, cómo hace streaming, qué SDKs acepta y cómo cobra.

> AllModels es un servicio independiente y no está afiliado, respaldado ni patrocinado por los proveedores a cuyos modelos enruta.

## Qué es una API agregadora de TTS y STT

Una API agregadora de TTS y STT te da modelos de texto a voz y de voz a texto de muchos proveedores a través de una sola cuenta, una sola clave API y una sola integración. En lugar de registrarte por separado en Cartesia, ElevenLabs, Deepgram, AssemblyAI y OpenAI, aprender cada SDK y pagar cada factura, tu aplicación llama a un único servicio y elige un modelo por su ID. La misma idea también se conoce como API de voz unificada, capa de abstracción de voz o un "OpenRouter para voz".

Los servicios de este espacio son muy distintos entre sí. Algunos solo hacen texto a voz, otros solo voz a texto, y solo unos pocos hacen ambas cosas. Algunos transmiten el audio por WebSocket a medida que se produce, mientras que otros devuelven un archivo terminado. Algunos aceptan el SDK de OpenAI o ElevenLabs que quizá ya usas; otros necesitan su propio cliente. Unos pocos son bibliotecas de código abierto y no APIs alojadas, así que sigues teniendo una clave y una factura con cada proveedor.

### Cómo los comparamos

Elegimos los servicios que los agentes de programación con IA recomendaban con más frecuencia cuando les pedíamos una API que estandarizara proveedores de TTS o STT en tiempo real. Cada dato de la tabla proviene del sitio web y la documentación de la propia empresa, revisados en octubre de 2026. Cuando las páginas de una misma empresa no coinciden, mostramos el rango. Revisamos en cada servicio:

- **Texto a voz y voz a texto** mediante una API pública.
- **Streaming en tiempo real** para cada uno: un WebSocket que transmite audio o transcripciones a medida que se producen. El streaming HTTP de una única solicitud terminada no cuenta.
- Endpoints **compatibles con OpenAI y ElevenLabs**, es decir, que el SDK oficial funciona tras cambiar su URL base.
- **Elección de proveedor** por solicitud, el tamaño del catálogo y el modelo de precios.

### Dónde encaja AllModels

AllModels está pensado para equipos que necesitan ambas direcciones de voz en un solo lugar. Texto a voz y voz a texto comparten una clave API y un saldo prepago, ambos hacen streaming en tiempo real y ambos funcionan con los SDKs oficiales de OpenAI y ElevenLabs. Es el único servicio de esta comparación que acepta el ElevenLabs SDK. El precio es de pago por uso al precio de lista del proveedor más una comisión del 5.5%, el mismo modelo que usa OpenRouter, y las cuentas nuevas reciben créditos gratis.

## Comparativa de APIs agregadoras de TTS y STT

**Sí** significa que la empresa documenta la función. Cualquier otro caso es **No**.

Capacidades según lo documentado en el sitio web y la documentación de cada empresa. Verificado el Octubre de 2026.

| Producto | Texto a voz | Voz a texto | TTS en tiempo real | STT en tiempo real | OpenAI SDK | ElevenLabs SDK | Elección de proveedor | Catálogo | Precios |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| [AllModels](https://allmodels.io/es) | Sí (40 modelos) | Sí (33 modelos) | Sí (WebSocket) | Sí (WebSocket) | Sí | Sí | Sí (`only`, `order`, `ignore`) | 73 modelos de 18 proveedores | Pago por uso prepago más una comisión del 5.5%; créditos gratis al registrarte |
| Telnyx | Sí | Sí | Sí (WebSocket) | Sí (WebSocket) | No | No | Sí | Unos 9–12 motores de TTS y 12–14 de STT | Pago por uso con niveles por volumen |
| Eden AI | Sí | Sí | No | No | Sí | No | Sí (`provider/model`) | 7 proveedores de TTS y 7 de STT | Pago por uso al precio de lista más una comisión del 5.5% |
| OpenRouter | Sí | Sí | No | No | Sí | No | No | 35 modelos de TTS y 26 de STT | Pago por uso al precio de lista más una comisión del 5.5% sobre los créditos |
| Speechbase | Sí | No | No | No | No | No | Sí (`provider/model`) | 15–17 proveedores de TTS | Plan gratuito; Pro desde $25/mes; créditos |
| SpeechSDK | Sí | No | No | No | No | No | Sí (`provider/model`) | 14–17 proveedores de TTS | Gratis y de código abierto; pagas a cada proveedor |
| SLNG | Sí | Sí | Sí (WebSocket) | Sí (WebSocket) | No | No | Sí (Modelo en la URL) | 13 modelos de TTS y 8 de STT | Prepago, por minuto de audio |
| VoiceRun | No | Sí | No | Sí (WebSocket) | No | No | Sí | Unos 14 modelos de STT | Costo del proveedor más $0.02/min de audio |
| router.audio | No | Sí | No | Sí (WebSocket) | No | No | Sí (`provider` o `auto`) | 10 proveedores de STT | Gratis con tus propias claves de proveedor |

- **Tiempo real** significa que el audio o las transcripciones se transmiten por WebSocket mientras envías.
- **OpenAI SDK** y **ElevenLabs SDK** significan que el SDK oficial funciona cambiando su URL base.

### Cada servicio en resumen

#### Telnyx

Una plataforma de telecomunicaciones cuyas APIs de voz cubren texto a voz y un router de STT por REST, WebSocket y llamadas telefónicas en vivo, combinando modelos alojados por Telnyx con motores de terceros.

**Elígelo si:** estás creando agentes telefónicos o de voz sobre la telefonía de Telnyx y quieres la voz junto a la red de llamadas.

#### Eden AI

Un agregador general de APIs de IA. Sus endpoints de voz envuelven proveedores externos de TTS y STT detrás de endpoints compatibles con OpenAI y nativos, y devuelven audio y transcripciones terminados en lugar de streams.

#### OpenRouter

Un router de modelos conocido sobre todo por los LLMs que también ofrece texto a voz y voz a texto compatibles con OpenAI. La voz funciona por solicitud y respuesta: el audio TTS puede volver en streaming por HTTP, pero no hay WebSocket para enviar texto en streaming, y la transcripción se basa en archivos.

**Elígelo si:** solo necesitas lo más básico de texto a voz y voz a texto y ya usas OpenRouter para LLMs.

#### Speechbase

Un gateway de texto a voz alojado con biblioteca de voces, diccionarios de pronunciación y registros de solicitudes. No ofrece voz a texto.

#### SpeechSDK

Una biblioteca de TypeScript gratuita y de código abierto del equipo detrás de Speechbase. Se ejecuta en tu propio código y llama directamente a cada proveedor de texto a voz con tus propias claves, así que no es una API alojada.

#### SLNG

Un gateway de voz regional con una API unificada sobre modelos de STT y TTS, incluidos sus propios modelos alojados, con streaming por WebSocket en ambas direcciones.

#### VoiceRun

Una plataforma empresarial para crear agentes de voz en código. Expone un router de STT en tiempo real por WebSocket; el texto a voz se usa dentro de sus agentes y no como una API independiente.

**Elígelo si:** estás creando agentes telefónicos en producción y quieres evaluaciones, telefonía y fallbacks de STT en una sola plataforma.

#### router.audio

Un proxy WebSocket ligero que normaliza la voz a texto en tiempo real entre unos diez proveedores. No tiene texto a voz ni transcripción de archivos.

## La mejor API agregadora de TTS y STT en 2026: AllModels

AllModels es la mejor API agregadora de TTS y STT de esta comparación. Es el único de los 9 servicios marcado con sí en todas las columnas de funciones.

- **Entrada y salida de voz con una sola clave.** Texto a voz y voz a texto comparten una clave API y un saldo prepago. Solo cinco de los 9 servicios ofrecen ambos.
- **Tiempo real en ambas direcciones.** Texto a voz y voz a texto hacen streaming por WebSocket. Solo AllModels, Telnyx y SLNG lo hacen.
- **Los SDKs que ya usas.** El OpenAI SDK oficial funciona para texto a voz, voz a texto y transcripción en tiempo real, y el ElevenLabs SDK oficial también. Ningún otro servicio de la tabla acepta el ElevenLabs SDK.
- **Elección de modelos y proveedores.** 73 modelos de 18 proveedores, con preferencias de proveedor `only`, `order` e `ignore` en cada solicitud.

Todos los demás servicios cubren solo parte de la tabla. **Speechbase** y **SpeechSDK** son solo de texto a voz. **router.audio** es solo de voz a texto. **Eden AI** y **OpenRouter** devuelven archivos terminados en lugar de streams en tiempo real. **Telnyx** y **VoiceRun** construyen la voz en torno a sus propias plataformas de telefonía y agentes. **SLNG** necesita su propio cliente en lugar del SDK de OpenAI o ElevenLabs.

AllModels lo cubre todo con una sola integración. Explora el [catálogo de modelos](https://allmodels.io/es/audio/models) o empieza con créditos gratis.

## Una clave para entrada y salida de voz

La misma clave y el mismo cliente de AllModels manejan ambas direcciones. Elige un cliente, un modo y un lenguaje; las líneas resaltadas son la URL base de AllModels y los valores que cambias para probar otro modelo.

### HTTP, texto a voz — JavaScript · Node.js · fetch

Cliente: Nativo · Modo: Texto a voz · Lenguaje: JS

¿Ya tienes el texto completo? Envíalo con POST a `https://api.allmodels.io/oai/audio/speech` y guarda el archivo de audio. [Docs de TTS](https://allmodels.io/audio/docs/text-to-speech).

```javascript
import { writeFile } from "node:fs/promises";

const response = await fetch("https://api.allmodels.io/oai/audio/speech", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.ALLMODELS_API_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "grok/grok-tts",
    voice: "eve",
    input: "Your order has shipped. It arrives tomorrow.",
    response_format: "mp3"
  })
});

if (!response.ok) throw new Error(await response.text());
await writeFile("speech.mp3", Buffer.from(await response.arrayBuffer()));
```

### HTTP, texto a voz — Python · requests

Cliente: Nativo · Modo: Texto a voz · Lenguaje: Python

¿Ya tienes el texto completo? Envíalo con POST a `https://api.allmodels.io/oai/audio/speech` y guarda el archivo de audio. [Docs de TTS](https://allmodels.io/audio/docs/text-to-speech).

```python
import os

import requests

response = requests.post(
    "https://api.allmodels.io/oai/audio/speech",
    headers={"Authorization": f"Bearer {os.environ['ALLMODELS_API_KEY']}"},
    json={
        "model": "grok/grok-tts",
        "voice": "eve",
        "input": "Your order has shipped. It arrives tomorrow.",
        "response_format": "mp3",
    },
    timeout=60,
)
response.raise_for_status()

with open("speech.mp3", "wb") as output:
    output.write(response.content)
```

### HTTP, voz a texto — JavaScript · Node.js · fetch

Cliente: Nativo · Modo: Voz a texto · Lenguaje: JS

¿Ya tienes la grabación? Envíala con POST a `https://api.allmodels.io/oai/audio/transcriptions` y lee la transcripción. [Docs de STT](https://allmodels.io/audio/docs/speech-to-text).

```javascript
import { readFile } from "node:fs/promises";

const form = new FormData();
form.set("model", "deepgram/nova-3");
form.set("language", "en");
form.set("file", new Blob([await readFile("call.wav")], { type: "audio/wav" }), "call.wav");

const response = await fetch("https://api.allmodels.io/oai/audio/transcriptions", {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.ALLMODELS_API_KEY}` },
  body: form
});

if (!response.ok) throw new Error(await response.text());
const transcript = await response.json();
console.log(transcript.text);
```

### HTTP, voz a texto — Python · requests

Cliente: Nativo · Modo: Voz a texto · Lenguaje: Python

¿Ya tienes la grabación? Envíala con POST a `https://api.allmodels.io/oai/audio/transcriptions` y lee la transcripción. [Docs de STT](https://allmodels.io/audio/docs/speech-to-text).

```python
import os
import requests

with open("call.wav", "rb") as audio:
    response = requests.post(
        "https://api.allmodels.io/oai/audio/transcriptions",
        headers={"Authorization": f"Bearer {os.environ['ALLMODELS_API_KEY']}"},
        data={"model": "deepgram/nova-3", "language": "en"},
        files={"file": ("call.wav", audio, "audio/wav")},
        timeout=60,
    )

response.raise_for_status()
print(response.json()["text"])
```

### OpenAI SDK, texto a voz — JavaScript · openai

Cliente: OpenAI SDK · Modo: Texto a voz · Lenguaje: JS

Configura la URL base del OpenAI SDK como `https://api.allmodels.io/oai` y solicita un archivo de audio completo. [Docs de TTS de OpenAI](https://allmodels.io/audio/docs/openai/text-to-speech).

```javascript
import { writeFile } from "node:fs/promises";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseURL: "https://api.allmodels.io/oai"
});

const audio = await client.audio.speech.create({
  model: "grok/grok-tts",
  voice: "eve",
  input: "Your order has shipped. It arrives tomorrow.",
  response_format: "mp3"
});

await writeFile("speech.mp3", Buffer.from(await audio.arrayBuffer()));
```

### OpenAI SDK, texto a voz — Python · openai

Cliente: OpenAI SDK · Modo: Texto a voz · Lenguaje: Python

Configura la URL base del OpenAI SDK como `https://api.allmodels.io/oai` y solicita un archivo de audio completo. [Docs de TTS de OpenAI](https://allmodels.io/audio/docs/openai/text-to-speech).

```python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ALLMODELS_API_KEY"],
    base_url="https://api.allmodels.io/oai",
)

audio = client.audio.speech.create(
    model="grok/grok-tts",
    voice="eve",
    input="Your order has shipped. It arrives tomorrow.",
    response_format="mp3",
)

audio.write_to_file("speech.mp3")
```

### OpenAI SDK, voz a texto — JavaScript · openai

Cliente: OpenAI SDK · Modo: Voz a texto · Lenguaje: JS

Configura la URL base del OpenAI SDK como `https://api.allmodels.io/oai` y transcribe un archivo completo con `audio.transcriptions.create`. [Docs de transcripción de OpenAI](https://allmodels.io/audio/docs/openai/transcription).

```javascript
import { createReadStream } from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseURL: "https://api.allmodels.io/oai"
});

const transcript = await client.audio.transcriptions.create({
  file: createReadStream("call.wav"),
  model: "deepgram/nova-3",
  language: "en"
});

console.log(transcript.text);
```

### OpenAI SDK, voz a texto — Python · openai

Cliente: OpenAI SDK · Modo: Voz a texto · Lenguaje: Python

Configura la URL base del OpenAI SDK como `https://api.allmodels.io/oai` y transcribe un archivo completo con `audio.transcriptions.create`. [Docs de transcripción de OpenAI](https://allmodels.io/audio/docs/openai/transcription).

```python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ALLMODELS_API_KEY"],
    base_url="https://api.allmodels.io/oai",
)

with open("call.wav", "rb") as audio:
    transcript = client.audio.transcriptions.create(
        file=audio,
        model="deepgram/nova-3",
        language="en",
    )

print(transcript.text)
```

### ElevenLabs SDK, texto a voz — JavaScript · @elevenlabs/elevenlabs-js

Cliente: ElevenLabs SDK · Modo: Texto a voz · Lenguaje: JS

Configura la URL base del ElevenLabs SDK como `https://api.allmodels.io/el` y convierte un texto completo en un archivo de audio. [Docs de TTS de ElevenLabs](https://allmodels.io/audio/docs/elevenlabs/text-to-speech).

```javascript
import { writeFile } from "node:fs/promises";
import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const audio = await client.textToSpeech.convert("eve", {
  text: "Your order has shipped. It arrives tomorrow.",
  modelId: "grok/grok-tts",
  outputFormat: "mp3_44100_128"
});

const chunks = await Array.fromAsync(audio, (chunk) => Buffer.from(chunk));
await writeFile("speech.mp3", Buffer.concat(chunks));
```

### ElevenLabs SDK, texto a voz — Python · elevenlabs

Cliente: ElevenLabs SDK · Modo: Texto a voz · Lenguaje: Python

Configura la URL base del ElevenLabs SDK como `https://api.allmodels.io/el` y convierte un texto completo en un archivo de audio. [Docs de TTS de ElevenLabs](https://allmodels.io/audio/docs/elevenlabs/text-to-speech).

```python
import os
from elevenlabs.client import ElevenLabs

client = ElevenLabs(
    api_key=os.environ["ALLMODELS_API_KEY"],
    base_url="https://api.allmodels.io/el",
)

audio = client.text_to_speech.convert(
    "eve",
    text="Your order has shipped. It arrives tomorrow.",
    model_id="grok/grok-tts",
    output_format="mp3_44100_128",
)

with open("speech.mp3", "wb") as output:
    for chunk in audio:
        output.write(chunk)
```

### ElevenLabs SDK, voz a texto — JavaScript · @elevenlabs/elevenlabs-js

Cliente: ElevenLabs SDK · Modo: Voz a texto · Lenguaje: JS

Configura la URL base del ElevenLabs SDK como `https://api.allmodels.io/el` y transcribe un archivo completo. El SDK de JavaScript valida los IDs de modelo, así que usa un ID que reconozca, como `scribe_v2`. [Docs de transcripción de ElevenLabs](https://allmodels.io/audio/docs/elevenlabs/transcription).

```javascript
import { File } from "node:buffer";
import { readFile } from "node:fs/promises";
import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const bytes = await readFile("call.wav");
const transcript = await client.speechToText.convert({
  file: new File([bytes], "call.wav", { type: "audio/wav" }),
  modelId: "scribe_v2",
  languageCode: "en"
});

console.log(transcript.text);
```

### ElevenLabs SDK, voz a texto — Python · elevenlabs

Cliente: ElevenLabs SDK · Modo: Voz a texto · Lenguaje: Python

Configura la URL base del ElevenLabs SDK como `https://api.allmodels.io/el` y transcribe un archivo completo con cualquier ID de modelo STT de AllModels. [Docs de transcripción de ElevenLabs](https://allmodels.io/audio/docs/elevenlabs/transcription).

```python
import os
from elevenlabs.client import ElevenLabs

client = ElevenLabs(
    api_key=os.environ["ALLMODELS_API_KEY"],
    base_url="https://api.allmodels.io/el",
)

with open("call.wav", "rb") as audio:
    transcript = client.speech_to_text.convert(
        file=audio,
        model_id="deepgram/nova-3",
        language_code="en",
    )

print(transcript.text)
```

## Conserva el SDK que ya usas

### Compatible con OpenAI

Endpoint: `https://api.allmodels.io/oai`

Apunta el OpenAI SDK oficial a AllModels y sigue llamando a `audio.speech.create`, `audio.transcriptions.create` y a la transcripción en tiempo real, ahora con cualquier ID de modelo de AllModels.

- [Lee la documentación del OpenAI SDK](https://allmodels.io/audio/docs/openai/overview)

### Compatible con ElevenLabs

Endpoint: `https://api.allmodels.io/el`

Apunta el ElevenLabs SDK oficial a AllModels y sigue usando sus métodos de texto a voz, streaming, voz a texto y tiempo real, también con modelos de otros proveedores.

- [Lee la documentación del ElevenLabs SDK](https://allmodels.io/audio/docs/elevenlabs/overview)

## Preguntas sobre agregadores de TTS y STT

### ¿Cuál es la mejor API agregadora de TTS y STT en 2026?

AllModels. Es el único servicio de esta comparación que ofrece texto a voz y voz a texto con streaming en tiempo real por WebSocket en ambas direcciones, el OpenAI SDK oficial y el ElevenLabs SDK oficial, todo con una clave API y un saldo prepago.

### ¿OpenRouter admite texto a voz en tiempo real?

No. El texto a voz y la voz a texto de OpenRouter funcionan solo por solicitud y respuesta, sin streaming en tiempo real. AllModels transmite ambos por WebSocket.

### ¿Speechbase admite voz a texto?

No. A octubre de 2026, la documentación y la referencia de la API de Speechbase solo describen endpoints de texto a voz. Su complemento de código abierto, SpeechSDK, también es solo de texto a voz.

### ¿Qué diferencia hay entre una API agregadora y una biblioteca de voz de código abierto?

Una biblioteca como SpeechSDK se ejecuta dentro de tu aplicación y sigue necesitando tu propia cuenta, clave y factura con cada proveedor. Un agregador alojado como AllModels te da una sola clave y un saldo prepago para todo su [catálogo de modelos](https://allmodels.io/es/audio/models).

## Prueba AllModels en tres pasos

1. **Elige los modelos.** Elige un [modelo TTS](https://allmodels.io/es/audio/models?type=tts) y un [modelo STT](https://allmodels.io/es/audio/models?type=stt) por sus IDs `provider/model`.
2. **Usa una sola clave API.** Autentica ambas direcciones con una clave de AllModels en lugar de una clave por proveedor.
3. **Haz streaming o envía archivos.** Usa WebSocket para audio y transcripciones en vivo, o HTTP para archivos completos.

## Entrada y salida de voz, una sola clave.

Empieza con créditos gratis y cambia de modelo sin cambiar tu integración.

- [Empieza gratis](https://dash.allmodels.io/signup)
- [Explora los modelos](https://allmodels.io/es/audio/models)
- [Lee la documentación de AllModels](https://allmodels.io/audio/docs)
- [Ver la guía HTML canónica](https://allmodels.io/es/guides/best-tts-stt-aggregator-api)