Qué es Uttera

Uttera trabaja con audio. Le das voz grabada y te devuelve texto, análisis o más voz; le das texto y te devuelve voz, efectos de sonido o música.

Está pensada para lo que pasa después de una conversación grabada —una llamada, una reunión, una entrevista, una nota de voz—: transcribirla, saber quién habló y en qué tono, traducirla o resumirla. No es un traductor de texto ni un lector de documentos: el audio está en un extremo o en el otro, siempre.

Y para quien monta vídeo o pódcast, lo que falta cuando la voz ya está: efectos de sonido y música, descritos con palabras y generados al momento. Con una licencia clara y sin rebuscar en un catálogo.

Cómo empezar

¿Primeros pasos con Uttera? La forma más sencilla de empezar a usar Uttera es por la web, sin programar y sin pegar ninguna clave: entra en app.uttera.ai, elige una herramienta, sube un audio o escribe un texto y tienes el resultado al momento.

Esto es lo que puedes hacer desde el navegador:

• Convertir texto en voz — escribes un texto y lo oyes hablado, con catálogo de voces.
• Transcribir un audio — una grabación se convierte en texto.
• Traducir una grabación — audio en un idioma, texto y voz en otro.
• Resumir una grabación — una reunión o una llamada entera en un resumen estructurado.
• Pronunciar — escribes una frase, la oyes en el idioma que aprendes y te decimos qué sonido corregir.
• Efectos de sonido y música — los describes con palabras y se generan al momento.

Para empezar a probar no necesitas nada más: entra por la web. Si sabes programar y quieres integrar Uttera en tu propio software, la API hace exactamente lo mismo desde tu código y tienes el Quickstart para la primera petición.

Formas de usarlo

No hace falta saber programar para usar Uttera. Hay varias puertas, y la mayoría de la gente solo necesita la primera:

Las aplicaciones y la API hacen exactamente lo mismo y cuestan lo mismo: ninguna es una versión recortada ni una demostración, son la misma máquina con un botón delante. Lo único que cambia es quién aprieta el botón — una persona o un programa.

Si lo que quieres es ver de un vistazo qué hay en cada puerta, está resumido en qué puedes hacer con Uttera.

¿Qué es una API?

API son las siglas de Application Programming Interface, en castellano interfaz de programación de aplicaciones. Dicho sin jerga: es la puerta por la que un programa le pide algo a otro programa.

La comparación que mejor funciona es la de un restaurante. Tú no entras en la cocina: le dices al camarero lo que quieres, él lo lleva dentro y vuelve con el plato. No necesitas saber cómo está montada la cocina, ni qué horno usan, ni cuántos cocineros hay. Solo necesitas saber qué puedes pedir y cómo pedirlo. La API es el camarero, y esta documentación es la carta.

En la práctica, un programa tuyo envía por internet un fichero de audio a una dirección nuestra, acompañado de una clave que dice quién eres, y recibe de vuelta el resultado. Nada se instala en tu ordenador: el trabajo ocurre en nuestras máquinas y solo viajan la petición y la respuesta.

El nombre

Uttera /ˈʌt.ər.ə/ viene del verbo inglés to utter: pronunciar, decir en voz alta, dar expresión audible a algo.

Formalmente es también un retroacrónimo de Universal Text Transformer Engine for Realtime Audio, que recoge su origen —un servidor de voz a texto y de texto a voz— y la arquitectura Transformer de inteligencia artificial sobre la que está construido.

Lo que sabe hacer

Conceptos

Créditos

Todo se cobra en créditos. Un crédito equivale a un segundo de GPU, y cada servicio tiene su coeficiente según lo que consume de verdad. No hay tarifas por petición ni mínimos: pagas por segundo de audio procesado o generado.

Tu plan te da una bolsa mensual de créditos que se renueva en la fecha de tu suscripción, no el día 1 del mes. Lo que no gastas no se acumula.

Voces

Hay dos familias. Las voces estándar son un catálogo fijo, rápidas y baratas. La voz clonada reproduce un timbre concreto a partir de una muestra, cuesta unas 19 veces más por segundo y no está en todos los planes.

Duración, no tamaño

El cobro va por segundos de audio, no por megabytes. Un mismo minuto de voz cuesta lo mismo en WAV que en MP3, aunque el fichero pese veinte veces más.

Tu primera petición

Necesitas una clave. La creas en tu cuenta; empieza por sk-echo- y se muestra una sola vez.

curl -X POST https://api.uttera.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $UTTERA_API_KEY" \
  -F file=@grabacion.mp3 \
  -F model=whisper-1 \
  -F response_format=text

Respuesta:

Buenos días, llamaba por el pedido de la semana pasada...