Perguntas frequentes
O que é uma API de texto para fala?
É um serviço em nuvem onde você envia um texto e recebe um arquivo de áudio. Basta enviar uma requisição POST para o endpoint /v1/audio/speech. A estrutura do corpo da requisição é idêntica à da API de fala da OpenAI, permitindo integração rápida com SDKs existentes.
Como funciona a narração de voz sintética?
Você envia o texto desejado junto com o modelo e a voz escolhida via JSON. O sistema processa a solicitação e retorna o arquivo de áudio gerado. O texto é dividido em partes de até 4096 caracteres se necessário, e os áudios são unidos automaticamente para formar a narração completa.
Quais idiomas são suportados pela API?
A API suporta 23 idiomas: Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Suaíli, Sueco e Turco. Qualquer voz pode falar qualquer um desses idiomas, garantindo versatilidade para seus projetos de áudio.
A API suporta a língua portuguesa?
Sim, o português é totalmente suportado. Você pode definir o idioma explicitamente no campo 'language' ou deixar que o sistema adivinhe com base no script. Para textos em português com caracteres latinos, recomendamos definir o idioma manualmente para garantir a pronúncia correta e evitar que o padrão inglês seja aplicado.
Posso usar vozes masculinas e femininas?
Sim, há 8 vozes disponíveis: femininas (Aria, Nova, Luna, Sage) e masculinas (Felix, Milo, Atlas, Orion). Cada uma tem um estilo único, como narradora, enérgica ou calma. Você seleciona a voz desejada no campo 'voice' da requisição para adequar o tom do áudio ao seu projeto criativo.
Qual a diferença entre tts-1 e tts-1-hd?
Ambos os modelos, 'tts-1' e 'tts-1-hd', utilizam o mesmo motor de síntese e possuem o mesmo preço. A escolha entre eles não afeta o custo nem a qualidade percebida do áudio gerado, permitindo que você use qualquer um dos identificadores na requisição sem variações financeiras ou técnicas.
Os arquivos de áudio têm marca d'água?
Sim, cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso garante a rastreabilidade do áudio gerado pela API, diferenciando-o de gravações humanas sem afetar a experiência auditiva do ouvinte final em seus vídeos ou spots de rádio.
Quanto custa a API por caractere?
O custo é de US$ 10,00 por 1 milhão de caracteres, o que equivale a US$ 0,01 por 1.000 caracteres. Espaços e pontuação contam como caracteres. Solicitações falhas são gratuitas, com o valor devolvido integralmente, garantindo que você pague apenas pelo áudio sintetizado com sucesso.
Há um limite de caracteres por requisição?
Sim, cada requisição pode conter até 4.096 caracteres no campo 'input'. Para textos mais longos, você deve dividir o texto em partes dentro desse limite e unir os arquivos de áudio resultantes. Isso permite o processamento eficiente e a geração de narrações completas para projetos de maior escala.
As vozes são clone de celebridades?
Não. As vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0) e leituras de audiolivros de domínio público do LibriVox. Não oferecemos clonagem de voz personalizada nem imitamos celebridades, políticos ou pessoas reais. Cada voz é um preset fixo baseado nessas fontes licenciadas.
Posso ajustar a velocidade da voz?
Sim, você pode ajustar a velocidade de fala entre 0,25 e 4,0 vezes usando o campo 'speed'. Isso permite acelerar narrações rápidas ou desacelerar para maior clareza. O ajuste é aplicado diretamente na geração do áudio, oferecendo controle preciso sobre o ritmo da fala sem necessidade de pós-produção.
Quais formatos de áudio estão disponíveis?
A API suporta os formatos mp3, wav, opus, flac e pcm. Você pode especificar o formato desejado no campo 'response_format' da requisição. Isso garante compatibilidade com a maioria dos players e editores de áudio utilizados em fluxos de trabalho de produção de conteúdo e broadcast.
O texto enviado é usado para treinar modelos?
Não. O texto de entrada é utilizado exclusivamente para produzir o áudio solicitado e não é usado para treinar nossos modelos. O áudio gerado é retornado na resposta e não é armazenado permanentemente. Apenas metadados de solicitação (tempo, caracteres, status) são mantidos para fins de faturamento.
Como funciona o pagamento com USDT?
O pagamento é feito exclusivamente com USDT na rede TRON (TRC-20). O valor mínimo é de US$ 5,00 e o crédito é adicionado automaticamente em minutos após a transferência. Não aceitamos cartões, PayPal ou assinaturas mensais. O saldo não expira e você pode emitir uma nova chave a qualquer momento.
Primeira solicitação
curl
curl https://api.yefersoncasino.net/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.mp3Por que usar uma API TTS para seus projetos de áudio?
Automatizar a narração elimina a necessidade de estúdios e agendamentos longos. Com a API TTS, você transforma textos em áudios de alta qualidade, acelerando o ciclo de produção de vídeos e spots de rádio.
Economia de tempo na produção
Gere áudios rapidamente sem depender de locutores disponíveis. Textos curtos são processados em poucos segundos, permitindo iterações ágeis no seu conteúdo criativo.
- Processamento instantâneo para frases curtas
- Sem agendamento de estúdio
Qualidade de voz consistente
Mantenha a identidade da sua marca com vozes uniformes. Nossa API oferece 8 vozes predefinidas, de narradoras claras a vozes neutras para notícias, garantindo consistência em todos os seus projetos.
Integração rápida com suas ferramentas
A API segue o padrão JSON e SDKs existentes. Integre facilmente nossos endpoints nos seus fluxos de trabalho de edição de vídeo ou produção de áudio via POST requests simples.
Vozes perfeitas para narrativas de vídeo
Escolha entre vozes femininas como Aria, clara e ideal para narrativas, ou Nova, vibrante e perfeita para promoções dinâmicos. Para um tom mais suave e envolvente, Luna é excelente para storytelling, enquanto Sage traz a calma necessária para instruções claras.
Narradores claros e profissionais
Utilize Aria para uma narração clara e profissional ou Sage para um tom calmo e instrucional, garantindo que sua mensagem seja transmitida com precisão.
Vozes para documentários e promoções
Para projetos que exigem impacto, use Felix, energético e ideal para promoções, ou Orion, com voz profunda, perfeito para documentários. Milo oferece um tom amigável e conversacional, ótimo para conteúdo mais próximo do público.
Variedade de tons e estilos
Aumente a variedade com Nova (brilhante e animada) ou Luna (suave e narrativa). Atlas mantém a neutralidade para notícias, oferecendo oito vozes distintas para diferentes necessidades narrativas.
Note que não oferecemos clonagem de voz personalizada; cada voz é baseada em gravações licenciadas, garantindo consistência e qualidade em todos os seus áudios gerados.
- Aria: Narradora clara e quente
- Nova: Voz brilhante e animada
- Luna: Suave para storytelling
- Sage: Calma e instrucional
- Felix: Energética para promoções
- Milo: Amigável e conversacional
- Atlas: Neutra para notícias
- Orion: Profunda para documentários
Suporte para múltiplos idiomas
Transforme seus roteiros em áudio multilíngue com uma única chamada de API. Nossa tecnologia suporta 23 idiomas, incluindo português, inglês e espanhol, permitindo que criadores de conteúdo alcancem audiências globais sem precisar contratar múltiplos narradores ou estudar sotaques específicos para cada projeto.
Português, inglês e espanhol
Oferecemos suporte nativo para os idiomas mais demandados no mercado publicitário e de vídeo. Você pode especificar o idioma explicitamente ou confiar na detecção automática para textos em latim, que assumem inglês por padrão se não houver configuração.
Vozes naturais em 23 idiomas
Cada voz aceita qualquer um dos 23 idiomas suportados, garantindo consistência estilística em seus projetos internacionais. Desde narrativas em japonês até spots em turco, a qualidade de síntese permanece uniforme, ideal para campanhas de rádio e vídeos online.
- Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish
Detecção automática de idioma
O sistema tenta adivinhar o idioma com base no script do texto. Para textos em latim fora do inglês, é recomendável definir o parâmetro language explicitamente para evitar interpretações incorretas.
Formatos de áudio flexíveis
Oferecemos cinco formatos de áudio para se adequar perfeitamente às necessidades técnicas do seu projeto de vídeo ou spot de rádio. Escolha entre compressão leve ou perda zero, garantindo que o áudio final tenha a qualidade esperada sem desperdício de largura de banda.
MP3 para web e streaming
O formato MP3 é ideal para incorporação em páginas web e plataformas de vídeo, onde a compatibilidade universal é essencial. Ele oferece uma boa relação entre qualidade e tamanho de arquivo, facilitando o carregamento rápido em dispositivos móveis e desktops.
WAV para alta fidelidade
Para produções de rádio e edições profissionais, o formato WAV preserva a integridade do áudio sem compressão. Isso garante que cada nuance da narração seja capturada com precisão, permitindo edições posteriores sem perda de qualidade sonora.
Opus e FLAC para eficiência
Os formatos Opus e FLAC atendem a necessidades específicas de eficiência ou qualidade máxima. O Opus oferece compressão eficiente, enquanto o FLAC fornece áudio sem perda de dados.
Velocidade e eficiência na geração
Para frases curtas, a geração leva apenas alguns segundos, ideal para spots de rádio rápidos ou notificações. Textos longos são processados em tempo real, aproximadamente 25 caracteres por segundo de áudio gerado, mantendo o fluxo natural da narração.
Geração rápida de textos curtos
Frases de até 4096 caracteres são processadas em segundos. Ideal para chamadas de ação em vídeos ou avisos sonoros.
- Tempo de geração: poucos segundos por solicitação curta.
- Limite de 4096 caracteres por requisição.
- Processamento sequencial garante ordem de entrega.
Processamento em tempo real para textos longos
Textos extensos são divididos automaticamente em partes de 4096 caracteres e unidos ao final. O processamento é sequencial; sob carga, pode haver fila de espera, mas a velocidade média mantém-se próxima do tempo real.
- Divisão automática de textos longos.
- União transparente dos arquivos de áudio.
- Taxa média: 25 caracteres/segundo.
Ajuste de velocidade conforme necessário
Controle total sobre a velocidade da narração, ajustável de 0,25x a 4,0x. Perfeito para adaptar o ritmo a diferentes formatos de conteúdo, desde locuções calmantes até promoções dinâmicas.
- Range de velocidade: 0,25 a 4,0.
- Ajuste fino via parâmetro 'speed' na API.
- Nenhuma limitação de formato para velocidade.

Fácil de começar com nossa API
Acesse a página /get-api-key/ para registrar-se com o Google ou e-mail. Você receberá sua chave de autenticação imediatamente, pronta para uso nos SDKs oficiais ou chamadas HTTP diretas.
Comece a integrar sua narração em minutos. A estrutura de requisição é idêntica à da OpenAI, facilitando a adaptação dos seus fluxos de trabalho criativos sem curva de aprendizado complexa.
Obtenha sua chave de API rapidamente
O registro é instantâneo e fornece acesso imediato à dashboard com sua chave tts-..., saldo e histórico de uso. Se necessário, você pode emitir uma nova chave a qualquer momento, revogando a anterior imediatamente.
- Autenticação via Google ou e-mail/senha
- Chave ativa imediatamente após o registro
- Renovação instantânea de chaves
Exemplos prontos em cURL e Python
Utilize o endpoint POST /v1/audio/speech com o formato JSON. Nossos exemplos demonstram como enviar texto, selecionar a voz e definir o idioma, retornando o arquivo de áudio diretamente na resposta.
Documentação clara e objetiva
A documentação detalha todos os parâmetros disponíveis, desde model até speed e response_format. Cada campo é explicado com precisão para que você configure a síntese exatamente como seu projeto de vídeo ou rádio exige.
Preços justos e transparentes
Nosso modelo de precificação é direto: você paga apenas pelos caracteres processados, a uma taxa de US$ 10 por milhão de caracteres. Isso equivale a US$ 0,01 por mil caracteres, incluindo espaços e pontuação. Pedidos falhos são gratuitos, garantindo que você só pague pelo trabalho concluído.
Pagamento por caractere
O custo é linear e previsível. Como cada caractere conta, textos longos são divididos internamente para otimizar o processamento sem custos extras de complexidade.
- US$ 10 por 1 milhão de caracteres
- US$ 0,01 por 1.000 caracteres
Sem taxas ocultas
Não há mensalidades, planos mínimos ou taxas de transação. O crédito não expira e pode ser usado quando quiser. Aceitamos apenas USDT na rede TRON (TRC-20), com depósito mínimo de US$ 5.
Não emitimos notas fiscais com IVA nem oferecemos planos por assento. Você controla exatamente quanto gasta, sem surpresas no faturamento.
Créditos de teste gratuitos
Novos usuários autenticados com Google recebem US$ 0,50 de crédito válido por 7 dias, permitindo gerar cerca de 50.000 caracteres para testar a qualidade sem compromisso.
Criar uma conta com e-mail e senha inicia sem esse crédito inicial. A top-up é automática após a confirmação da transferência blockchain.
Tecnologia confiável e segura
Seu texto de entrada é processado exclusivamente para gerar o arquivo de áudio solicitado e não é utilizado para treinar nossos modelos. Essa abordagem garante que o conteúdo criativo dos produtores permaneça protegido, mantendo a integridade dos dados enviados durante a síntese.
Os arquivos de áudio gerados são retornados diretamente na resposta da API e não ficam armazenados em nossos servidores após o envio. Apenas os metadados da requisição — como tempo, quantidade de caracteres e status — são mantidos para fins de faturamento e controle de uso.
Dados usados apenas para síntese
O texto enviado é utilizado estritamente para a criação do áudio correspondente. Não realizamos retenção do conteúdo textual para fins de treinamento de IA, preservando a originalidade e o controle do material produzido pelos criadores.
Áudio gerado não é armazenado
Assim que o arquivo é entregue na resposta da sua solicitação, ele não fica guardado em nosso armazenamento. Isso reduz o risco de retenção de dados sensíveis ou criativos em nossos servidores a longo prazo.
Marcador de voz sintética invisível
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica claramente o conteúdo como fala sintética. Isso facilita a verificação da origem do áudio sem afetar a qualidade sonora ou a experiência do ouvinte.
Suporte e comunidade
Nosso suporte responde por e-mail para suas dúvidas técnicas ou de uso. Focamos em resolver problemas reais de integração e geração de áudio.
Sem números de telefone ou chat ao vivo, o e-mail é nosso canal único para suporte, mantendo a simplicidade e o foco que caracterizam nossa operação independente.
Suporte por e-mail dedicado
Envie suas dúvidas sobre integração, erros de rate limit ou questões de faturamento diretamente para nossa equipe. Cada ticket é analisado para garantir que criadores de conteúdo recebam respostas precisas.
Comunidade de criadores de conteúdo
Junte-se a outros produtores de áudio e vídeos que utilizam nossa API em seus fluxos de trabalho diários. Compartilhe exemplos de uso e dicas de geração de texto.
Atualizações regulares da API
Mantemos a documentação e os endpoints atualizados para refletir as melhorias do motor de síntese. Mantemos a documentação e os endpoints atualizados para refletir as melhorias do motor de síntese.
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Sua voz adiciona peso e seriedade ao conteúdo, criando uma atmosfera imersiva.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
