API de texto para fala para agências de locução

Por equ editorial VerbaVoz · Atualizado 2026-11-19

Este guia técnico detalha a integração da API de síntese de voz da VerbaVoz para agências de localização e publicadores. Você aprenderá a configurar o endpoint compatível com OpenAI, gerenciar as 8 vozes disponíveis e estruturar pipelines de produção em massa. O foco é a estabilidade técnica e a eficiência operacional, essenciais para quem processa grandes volumes de áudio.

Aqui você encontrará especificações precisas sobre formatos de áudio, limites de caracteres, controle de custos e estratégias de segmentação de texto. O conteúdo é direcionado a engenheiros e gestores de produção que necessitam de uma solução previsível, sem promessas excessivas, para integrar geração de áudio em seus fluxos de trabalho existentes.

API de texto para fala para agências de locução

Perguntas frequentes

Como escolher a voz ideal para um projeto?

Selecione entre oito presets: Aria, Nova, Luna, Sage, Felix, Milo, Atlas ou Orion. Cada voz possui uma característica distinta, como narradora ou documental. O idioma é definido pelo código ISO ou inferido do script. Não há personalização de emoções ou clonagem de voz disponível. Escolha com base no tom desejado para o conteúdo final.

Qual formato de áudio é melhor para web?

O formato MP3 é o mais adequado para web devido à sua compatibilidade universal e tamanho reduzido. A API também suporta WAV, OPUS, FLAC e PCM. A escolha depende da necessidade de qualidade lossless ou eficiência de armazenamento. Todos os formatos são gerados via endpoint padrão com o campo response_format definido na requisição JSON.

Como segmentar textos longos corretamente?

Divida o texto em partes de até 4.096 caracteres por requisição. Envie cada segmento individualmente e junte os arquivos de áudio resultantes. O limite é rígido por chamada. Isso garante que a síntese seja processada corretamente sem truncamento. A velocidade média é de 25 caracteres por segundo, facilitando o planejamento de pipeline.

Preciso de conhecimento técnico para usar a API?

É necessário conhecimento técnico para integrar a API. A interface é baseada em JSON via HTTP POST. Utilize SDKs OpenAI ou HTTP direto. A autenticação requer um token Bearer. Não há aplicativo móvel ou plugin WordPress. A documentação técnica está disponível na seção de docs para desenvolvedores integrarem ao pipeline de produção.

Como calcular o custo exato de um projeto?

O custo é de US$ 10 por 1 milhão de caracteres. Espaços e pontuação contam como caracteres. Solicitações falhas são gratuitas. Não há taxas fixas ou planos mensais. Calcule o total de caracteres do texto dividido por 1.000 e multiplique por US$ 0,01. O saldo é atualizado após o topo via USDT.

As vozes soam naturais em português?

Sim, as vozes suportam português nativamente. O modelo suporta 23 idiomas, incluindo português, sem distinção de qualidade específica por idioma. O engine é o mesmo para todas as vozes. Defina o código ISO 'pt' para garantir a pronúncia correta, pois a inferência pode falhar. A qualidade é consistente com a tecnologia base utilizada.

Posso usar a API para audiolivros?

Sim, a API é adequada para audiolivros, especialmente com vozes como Luna ou Atlas. O limite de 4.096 caracteres por requisição exige segmentação manual. A velocidade é próxima do tempo real. Não há suporte a SSML. As vozes são baseadas em gravações licenciadas, o que facilita a conformidade de direitos para publicadores.

Como lidar com erros de geração?

Se a síntese falhar, não há cobrança. O crédito é devolvido integralmente. Verifique os limites de caracteres e o formato JSON. A API retorna erros padrão HTTP. Não há suporte telefônico ou chat ao vivo. O suporte é por e-mail. Reenvie a requisição após corrigir os parâmetros indicados na resposta de erro.

Há limite de velocidade na voz?

Sim, a velocidade ajustável varia de 0,25 a 4,0 vezes. Isso permite acelerar ou desacelerar a narração. A velocidade padrão é 1,0. Ajuste o campo 'speed' na requisição. Isso é útil para sincronização em dublagem ou para adaptar o tempo de áudio aos vídeos sem alterar a pitch da voz gerada.

O que é a marca d'água no áudio?

Cada arquivo gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso é aplicado automaticamente pela API. Não é possível remover essa marca via parâmetros. Ela serve para rastreamento e verificação de origem do áudio gerado pela plataforma, distinguindo-o de gravações humanas ou outras fontes.

Como integrar com editores de vídeo?

Gere o áudio via API e baixe o arquivo. Importe-o manualmente no editor de vídeo. Não há plugin nativo ou integração direta com softwares de edição. Use os formatos MP3 ou WAV para máxima compatibilidade. Sincronize o áudio com o vídeo manualmente. A API fornece apenas o arquivo final, sem metadados de edição específicos.

Quais idiomas têm melhor qualidade?

A qualidade é uniforme entre os 23 idiomas suportados. Não há diferença de engine entre línguas. O suporte inclui inglês, espanhol, português, japonês, entre outros. A qualidade depende da clareza do texto de entrada. Idiomas não listados, como vietnamita ou tailandês, não são suportados. A inferência de idioma deve ser explícita para scripts latinos não ingleses.

Seleção de vozes para projetos de locução

Ilustração de onda sonora para: Seleção de vozes para projetos de locução

O pipeline de localização exige precisão na escolha da timbre vocal para manter a consistência da marca em projetos de grande escala. A API oferece oito vozes pré-configuradas, derivadas de gravações licenciadas, que garantem qualidade técnica imediata sem necessidade de customização.

Cada voz possui uma característica acústica distinta, permitindo a segmentação clara de gêneros de conteúdo. A seleção deve considerar a natureza do texto original para assegurar que a síntese respeite as expectativas de tom e ritmo do projeto final.

Vozes femininas: aria, nova, luna, sage

As vozes femininas cobrem espectros narrativos essenciais para agências de dublagem. Aria oferece um tom claro e profissional, ideal para narração institucional. Nova traz energia e clareza, adequada para conteúdos promocionais dinâmicos. Luna proporciona suavidade para histórias, enquanto Sage é otimizada para instruções técnicas.

Essas vozes operam em todos os 23 idiomas suportados, garantindo consistência acústica independente do mercado de destino. A escolha depende exclusivamente do gênero do script a ser sintetizado.

  • Aria: narradora clara e profissional
  • Nova: tom brilhante e energético
  • Luna: voz suave para storytelling
  • Sage: calma e instrucional

Vozes masculinas: felix, milo, atlas, orion

O catálogo masculino inclui Atlas para notícias neutras, Milo para conversação direta e Orion para documentários com tom grave. Felix é projetado para promoções com alta energia, enquanto Milo mantém uma abordagem amigável e próxima do ouvinte.

Assim como as vozes femininas, estas opções são baseadas em gravações licenciadas e não permitem clonagem personalizada. Cada voz mantém sua identidade acústica fixa durante a geração do áudio via API.

Recomenda-se o uso de Atlas para conteúdos informativos padronizados e Orion para produções com tom mais solene ou documental.

  • Felix: energético e promocional
  • Milo: conversacional e amigável
  • Atlas: neutro e informativo
  • Orion: profundo e documental

Escolha baseada no tom do conteúdo

A seleção deve alinhar a característica vocal ao gênero do texto. Narrativas longas beneficiam-se da estabilidade de Aria ou Luna, enquanto chamadas para ação exigem a energia de Nova ou Felix.

Para projetos de localização, a consistência de timbre entre diferentes idiomas é crucial. Todas as vozes suportam os 23 idiomas listados, permitindo a manutenção do perfil vocal independente da língua de saída.

Testes preliminares com fragmentos de texto ajudam a validar a adequação antes do processamento em lote.

Formatos de áudio para distribuição

Ilustração de onda sonora para: Formatos de áudio para distribuição

O formato de áudio é definido pela chave response_format na requisição JSON. A escolha depende exclusivamente da etapa do pipeline de produção da agência e da eficiência necessária para a distribuição final.

Cada formato oferece um equilíbrio diferente entre qualidade, tamanho de arquivo e compatibilidade com players de streaming ou editores profissionais.

MP3 para web e distribuição

O MP3 é o padrão para entrega final em plataformas web. O arquivo é compactado e amplamente compatível com navegadores e dispositivos móveis, ideal para players de áudio leves.

Use este formato quando o áudio for consumido diretamente pelo usuário final sem necessidade de edição posterior no pipeline de produção.

  • Compatível com todos os players web modernos
  • Tamanho de arquivo reduzido para carregamento rápido
  • Ideal para distribuição final em blogs e apps

WAV para produção e edição

O WAV armazena áudio sem compressão lossy, mantendo a integridade original da síntese. É o formato recomendado para ingestão em editores de vídeo e suítes de áudio.

Permite edições posteriores sem perda de qualidade acumulada, essencial para ajustes de timing em projetos de localização e dublagem.

  • Qualidade lossless sem compressão
  • Ideal para pós-produção e edição
  • Maior tamanho de arquivo

OPUS e FLAC para alta eficiência

O OPUS oferece compressão eficiente com boa qualidade, adequado para transmissão em tempo real ou armazenamento com restrições de banda. O FLAC garante compressão lossless, reduzindo o tamanho do arquivo sem sacrificar nenhum dado.

Utilize OPUS para otimização de largura de banda e FLAC para arquivamento de alta fidelidade sem占用 excessivo de disco.

  • OPUS: alta compressão com qualidade preservada
  • FLAC: lossless sem占用 de disco excessivo
  • Alternativas eficientes para MP3 e WAV

Estratégia de segmentação de texto

Ilustração de onda sonora para: Estratégia de segmentação de texto

Agências de localização frequentemente processam roteiros longos que excedem o limite máximo de caracteres permitido por chamada de API. A estratégia de segmentação correta evita truncamentos prematuros e garante que cada parte do texto seja sintetizada com integridade fonética adequada, respeitando a estrutura narrativa original do material fonte.

A divisão deve ser realizada de forma lógica, agrupando frases ou parágrafos completos, sem quebrar unidades de sentido. Isso facilita a posterior junção dos arquivos de áudio, mantendo a fluidez natural da locução e eliminando pausas artificiais entre as seções processadas.

Divisão lógica em frases ou parágrafos

Organize o texto de entrada em unidades coerentes antes de enviar para a API. Agrupar ideias relacionadas facilita o controle de qualidade e permite identificar rapidamente se algum segmento foi sintetizado incorretamente ou com erro de pronúncia durante a revisão final.

Evite dividir dentro de listas ou tabelas complexas. Prefira separar por pontos finais ou quebras de parágrafo naturais, garantindo que a entonação da voz selecionada (como 'aria' ou 'atlas') permaneça consistente ao longo de toda a narração.

  • Mantenha a coerência narrativa em cada segmento enviado
  • Evite cortes abruptos dentro de frases compostas
  • Preserve a estrutura original do roteiro para edição

Respeito ao limite de 4096 caracteres

Cada requisição à API aceita no máximo 4096 caracteres, incluindo espaços e pontuação. Exceder esse limite resulta em erro na síntese. Calcule precisamente o tamanho do texto antes de montar o JSON da requisição POST para evitar falhas no pipeline de produção.

Se o texto exceder o limite, divida-o em partes menores. É recomendável deixar uma margem de segurança de alguns caracteres para acomodar variações de encoding ou metadados adicionais que possam ser incluídos no payload durante a integração técnica.

  • Limite máximo: 4096 caracteres por requisição
  • Inclua espaços e pontuação na contagem
  • Verifique o tamanho antes de cada envio

Juncção de arquivos para áudio contínuo

Após receber os arquivos de áudio gerados para cada segmento, junte-os na ordem correta para formar o arquivo final. Utilize ferramentas de linha de comando ou bibliotecas de áudio compatíveis com os formatos selecionados (MP3, WAV, OPUS ou FLAC).

Garanta que as taxas de amostragem e os formatos sejam idênticos em todos os segmentos para evitar artefatos de áudio nas junções. A velocidade de reprodução (speed) deve ser consistente entre todas as chamadas para manter a naturalidade da locução.

O resultado final deve ser um único arquivo contínuo, pronto para inserção em editores de vídeo ou plataformas de distribuição, sem pausas indesejadas entre os segmentos processados.

  • Utilize formatos compatíveis para junção sem perda
  • Mantenha a velocidade (speed) constante entre segmentos
  • Verifique a ordem dos arquivos antes da exportação

Integração técnica com SDK OpenAI

Ilustração de onda sonora para: Integração técnica com SDK OpenAI

A integração com o SDK OpenAI exige apenas a alteração do campo base_url para https://api.77at.info/v1, mantendo a mesma estrutura de requição JSON. Isso permite o uso imediato das bibliotecas oficiais sem adaptações complexas de protocolo.

A autenticação utiliza o cabeçalho Authorization: Bearer com a chave única da conta. O SDK gerencia a serialização padrão, facilitando a inclusão dos parâmetros model, input, voice e response_format diretamente no payload da chamada.

Configuração de base URL

Defina a URL base do SDK para https://api.77at.info/v1. Esta configuração direciona todas as requisições para o endpoint correto, garantindo compatibilidade com os formatos de entrada e saída esperados pela API.

Não é necessária alteração nos métodos HTTP ou na estrutura do corpo da requisição, pois a interface segue o padrão OpenAI POST /v1/audio/speech.

  • URL base: https://api.77at.info/v1
  • Método: POST /v1/audio/speech
  • Formato: JSON

Gestão de tokens e autenticação

Utilize a chave API fornecida na página /get-api-key/ no cabeçalho de autorização. Cada conta possui uma chave ativa que invalida instantaneamente a anterior ao ser renovada.

O SDK deve incluir o token no cabeçalho Authorization: Bearer <sua-chave> em todas as chamadas para garantir a cobrança correta e o acesso aos recursos.

  • Formato: Bearer <chave>
  • Chave única por conta
  • Invalidação instantânea ao renovar

Tratamento de respostas assíncronas

Embora a API processe requisições sequencialmente, o SDK retorna o arquivo de áudio diretamente na resposta bem-sucedida. Para fluxos de alto volume, monitore o cabeçalho de taxa para evitar limitações.

Trate erros de sintaxe ou excedentes de caracteres (limite de 4096) dividindo o texto previamente. O SDK expõe erros HTTP padrão para falhas de validação.

  • Limite: 60 req/min
  • Retorno: arquivo de áudio binário
  • Formatos: mp3, wav, opus, flac, pcm

Otimização de custos em volume

Ilustração de onda sonora para: Otimização de custos em volume

Para agências de localização, o controle preciso dos custos de geração em massa depende do entendimento exato da métrica de cobrança. A tarifa é de US$ 10 por 1 milhão de caracteres, o que equivale a US$ 0,01 por mil caracteres. Espaços e pontuação contam como caracteres, exigindo auditoria rigorosa dos textos antes do envio.

O crédito inicial de US$ 0,50 oferece aproximadamente 50.000 caracteres para testes, válido por 7 dias ao registrar-se com o Google. Esse recurso permite validar a integração técnica sem custo imediato. Para contas criadas com e-mail e senha, não há crédito gratuito disponível.

Cálculo preciso de caracteres

O custo é diretamente proporcional ao volume de caracteres enviados no campo input. Cada caractere, incluindo espaços e sinais de pontuação, é cobrado individualmente.

Para textos longos, o limite de 4096 caracteres por requisição deve ser respeitado. O processamento de frases curtas pode levar alguns segundos, enquanto textos longos geram áudio em tempo real aproximado.

  • Tarifa: US$ 10 por 1 milhão de caracteres.
  • Equivalente a US$ 0,01 por 1.000 caracteres.
  • Espaços e pontuação contam como caracteres.

Aproveitamento do crédito inicial

O crédito de US$ 0,50 é concedido automaticamente durante o registro com conta Google, proporcionando cerca de 50.000 caracteres para validação.

O saldo não expira após o período de teste. Solicitações falhas resultam no estorno integral do valor cobrado, garantindo que apenas o áudio gerado com sucesso seja pago.

  • Crédito: US$ 0,50 (aprox. 50.000 caracteres).
  • Válido por 7 dias após o login com Google.
  • Não disponível para contas criadas com e-mail e senha.

Controle de requisições redundantes

O limite de taxa é de 60 requisições por minuto por chave. Antes do primeiro recarga, o limite é de 10 requisições por minuto.

Gerencie a fila de processamento para evitar gargalos. Solicitações são processadas sequencialmente; sob carga, pode haver espera na fila.

  • Limite padrão: 60 req/min por chave.
  • Limite inicial: 10 req/min até o primeiro depósito.
  • Processamento sequencial sujeito a filas sob carga.

Validação de qualidade de áudio

Ilustração de onda sonora para: Validação de qualidade de áudio

Para agências de localização, a validação técnica é crítica antes da entrega final. Cada arquivo gerado pela API carrega uma marca d'água inaudível que identifica a origem como síntese artificial, garantindo conformidade em projetos de audiolivros e publicações editoriais.

Verificação de marca d'água sintética

O watermark é inserido automaticamente durante a síntese e não pode ser removido. Sua presença serve como evidência técnica de que o áudio é gerado por IA, diferenciando-o de gravações humanas em pipelines de verificação de conteúdo.

Testes de clareza e pronúncia

A clareza depende da seleção adequada da voz para o tom do texto. Para textos em latim não-inglês, defina o campo language explicitamente para evitar adivinhação incorreta, como a.defaults para inglês. Testes com frases curtas confirmam a precisão fonética antes do lote.

  • Use tts-1-hd para fidelidade (mesmo motor, preço superior).
  • Verifique sotaques em idiomas como japonês ou árabe com amostras curtas

Ajuste de velocidade para naturalidade

A velocidade padrão é 1.0. Ajuste o parâmetro speed entre 0.25 e 4.0 para sincronizar com vídeos ou adaptar ao ritmo de leitura. Textos técnicos podem exigir velocidade reduzida para clareza, enquanto promoções beneficiam de ritmo acelerado.

  • Reduza para 0.75 em conteúdos educacionais
  • Aumente para 1.25 em resumos rápidos

Gestão de idiomas e sotaques

Ilustração de onda sonora para: Gestão de idiomas e sotaques

O motor de síntese suporta 23 idiomas específicos, permitindo que agências de localização produzam áudio em arábico, chinês, dinamarquês, holandês, inglês, finlês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, swahili, sueco e turco. Cada voz pode falar qualquer um desses idiomas, garantindo consistência acústica em projetos multilíngues.

Suporte a 23 idiomas específicos

O sistema reconhece scripts latinos e asiáticos automaticamente, mas para textos em latinos não-ingleses, é recomendável definir o campo language no JSON. Isso evita a detecção padrão como inglês. O suporte cobre desde línguas europeias até asiáticas e africanas, cobrindo a maioria das necessidades de localização global.

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

Definição explícita de idioma quando necessário

A omissão do parâmetro language faz o sistema adivinhar o idioma com base no script. Para textos em espanhol ou português escritos em alfabeto latino, a configuração explícita é necessária para garantir a pronúncia correta. Sem essa definição, o áudio pode ser gerado com sotaque inglês.

NÃO suporte para vietnamita ou tailandês

Idiomas como vietnamita, indonésio, tailandês, ucraniano, romeno, checo, bengali e outros não listados não são suportados. Projetos que exigem esses idiomas devem ser excluídos deste pipeline ou processados separadamente. A falta de suporte não é temporária e não há previsão de expansão imediata.

Gestão de idiomas e sotaques

Pipeline de produção automatizada

Ilustração de onda sonora para: Pipeline de produção automatizada

Para agências de localização, a automação da geração de áudio elimina gargalos manuais na produção de múltiplos idiomas. O pipeline utiliza a API para processar arquivos de texto sequencialmente, garantindo consistência técnica entre os áudios gerados para dublagem ou narração.

Geração em lote de arquivos de áudio

O envio de textos segmentados permite processar múltiplos parágrafos em paralelo ou sequência, respeitando o limite de 4096 caracteres por requisição. A API retorna os arquivos de áudio individualmente, que podem ser concatenados programaticamente para formar o áudio final do projeto.

  • Envio de payloads JSON padronizados via POST
  • Processamento sequencial ou concorrente controlado
  • Concatenação automática via script

Integração com editores de vídeo

Os arquivos gerados (MP3, WAV, OPUS, FLAC) são compatíveis com a maioria dos softwares de edição não linear utilizados por publicadores. A integração técnica permite o mapeamento direto dos arquivos de áudio sintetizados para as trilhas de áudio, reduzindo o tempo de exportação.

  • Compatibilidade com formatos padrão da indústria
  • Exportação rápida para plataformas de vídeo
  • Sem necessidade de conversão manual

Fluxo de trabalho contínuo

Um pipeline robusto mantém o fluxo de produção contínuo mesmo sob demanda elevada. O monitoramento dos limites de taxa (60 requisições por minuto) permite ajustar a velocidade de geração para evitar filas, garantindo que a entrega dos áudios finalizados não atrasa a pós-produção.

  • Monitoramento de limites de taxa
  • Ajuste dinâmico de velocidade de geração
  • Integração contínua sem interrupções

Monitoramento de performance

Ilustração de onda sonora para: Monitoramento de performance

O monitoramento de performance é essencial para agências que dependem de previsibilidade em pipelines de produção. A API processa requisições sequencialmente, o que significa que o tempo de geração varia conforme a fila e o tamanho do texto.

Compreender esses gargalos permite ajustar os workflows de geração em massa, evitando atrasos não previstos na entrega final dos áudios para clientes.

Acompanhamento de tempo de geração

A velocidade média é de aproximadamente 25 caracteres gerados por segundo em textos longos. Para frases curtas, o processo pode levar alguns segundos adicionais devido à inicialização do motor.

Sob carga, as requisições entram em fila. Monitorar o tempo de resposta ajuda a dimensionar corretamente o paralelismo nas integrações.

  • Textos longos: geração próxima ao tempo real (1:1).

Verificação de limites de taxa

Cada chave de API aceita 60 requisições por minuto. Antes da primeira recarga, o limite é de 10 requisições por minuto.

Exceder esses limites resulta em erros que interrompem o fluxo de geração. Implementar lógica de retry com backoff é necessário para estabilidade.

Não há garantia de tempo de resposta ou SLA, portanto, o monitoramento ativo previne gargalos na produção.

  • Limite padrão: 60 req/min.

Logs de status de requisição

Metadados de tempo, caracteres e status são mantidos para faturamento. Use esses logs para auditoria e para identificar falhas específicas.

Requisições falhas são gratuitas, mas ainda contam para o limite de taxa. Verificar o status code da resposta HTTP é crucial para depuração rápida.

Casos de uso para publicadores

Ilustração de onda sonora para: Casos de uso para publicadores

Publicadores utilizam a API para converter manuscritos em áudio de forma escalável, eliminando gargalos de estúdio. O pipeline processa textos longos divididos em chunks de 4096 caracteres, garantindo continuidade sem cortes bruscos.

A geração sob demanda permite atualizar narrativas rapidamente sem regravar. Isso é crítico para edições revisadas ou conteúdo dinâmico, onde o tempo de entrega compete com a qualidade acústica.

Geração de audiolivros sob demanda

Editoras integram a API para narrar catálogos inteiros, escolhendo vozes como 'luna' para ficção ou 'atlas' para não-ficção. Cada capítulo é processado separadamente, permitindo controle granular de tom.

  • Suporte a 23 idiomas para lançamentos multilingues
  • Custo de $0,01 por mil caracteres
  • Formato WAV para masters de alta fidelidade

Conteúdo de áudio para blogs

Publicações digitais adicionam áudio nativo para aumentar o tempo de permanência. O formato MP3 otimiza o carregamento em mobile, enquanto a API gerencia a fila de requisições.

  • Integração via SDK OpenAI
  • Geração rápida para notícias atualizadas
  • Sem necessidade de infraestrutura de streaming

Acessibilidade em plataformas educacionais

Instituições oferecem versões auditivas de materiais didáticos, atendendo a diferentes estilos de aprendizagem. A voz 'nova' é frequentemente usada por seu tom claro e didático.

  • Conformidade com padrões de acessibilidade
  • Geração em lote para cursos completos
  • Idioma definido explicitamente para precisão

Manutenção e atualizações da API

Ilustração de onda sonora para: Manutenção e atualizações da API

O endpoint GET /v1/voices fornece o estado atual das vozes, idiomas e formatos suportados. Consultá-lo antes de cada lote garante que a configuração de síntese esteja alinhada com a infraestrutura ativa, evitando erros de requisição em produção.

Monitoramento de endpoints

Verifique periodicamente GET /v1/models para confirmar a disponibilidade dos modelos tts-1 e tts-1-hd. A consistência desses endpoints é essencial para pipelines de localização que dependem de respostas previsíveis.

  • GET /v1/voices retorna lista atualizada de vozes e idiomas.
  • GET /v1/models valida a disponibilidade dos motores de síntese.

Atualização de vozes disponíveis

Novas vozes ou ajustes nas existentes são refletidos imediatamente no endpoint de vozes. Não há atraso na propagação, permitindo que agências ajustem scripts de geração em tempo real.

  • Calls em GET /v1/voices retornam o catálogo vigente.

Comunicação de mudanças técnicas

Alterações no formato da resposta ou nos limites de caracteres são comunicadas via documentação oficial. Não há suporte telefônico para alertas; a verificação é feita pela equipe técnica via e-mail.

  • Alterações são documentadas na seção /docs/.
  • O saldo e as atualizações podem ser verificadas no painel /get-api-key/.

Suporte e resolução de problemas

Ilustração de onda sonora para: Suporte e resolução de problemas

A API oferece estabilidade, mas falhas pontuais ocorrem. A resolução exige verificação de limites de taxa e status de requisição. O suporte técnico atua exclusivamente por e-mail, sem chat ao vivo ou telefone.

Para agilizar a triagem, inclua o ID da requisição e o payload enviado. Isso permite que a equipe técnica identifique se o erro foi de formatação, autenticação ou limite de caracteres excedido.

Documentação de erros comuns

Erros 429 indicam que o limite de 60 requisições por minuto foi atingido. Aguarde ou ajuste a lógica de retry com backoff exponencial. Erros 400 geralmente resultam de texto acima de 4096 caracteres ou formato JSON inválido.

Verifique se o token de autenticação está ativo. Uma nova chave invalida a anterior imediatamente. Se o status for 500, o sistema tentará creditar o valor caso a síntese falhe.

  • 429: Limite de taxa excedido (60 req/min).
  • 400: Formato inválido ou texto longo.
  • 401: Token ausente ou inválido.
  • 500: Erro interno (crédito devolvido se falhar).

Contato via e-mail para suporte

Envie suas dúvidas ou relatos de bugs para o endereço de suporte da plataforma. Respostas são fornecidas por equipe técnica, sem atendimento telefônico ou chat ao vivo.

Inclua sempre o timestamp do evento, o código de erro retornado e, se possível, o fragmento de código utilizado. Isso acelera a análise e a resolução do problema.

Exemplos de código para depuração

Abaixo, um exemplo de tratamento de erro usando a biblioteca oficial OpenAI, ajustando a base URL. O código captura exceções comuns e loga o status para auditoria interna.

Certifique-se de registrar o tempo de resposta. Isso ajuda a identificar gargalos na fila de processamento, especialmente durante picos de demanda.

const response = await openai.audio.speech.create({ model: 'tts-1', voice: 'nova', input: 'Texto de teste', response_format: 'mp3' }); console.log(response.status);

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. A seleção deve considerar a natureza do texto original para assegurar que a síntese respeite as expectativas de tom e ritmo do projeto final.

Avatar da voz aria
ariafeminino
Avatar da voz nova
novafeminino
Avatar da voz luna
lunafeminino
Avatar da voz sage
sagefeminino
Avatar da voz felix
felixmasculino
Avatar da voz milo
milomasculino
Avatar da voz atlas
atlasmasculino
Avatar da voz orion
orionmasculino

23 idiomas

Qualquer voz fala qualquer um desses idiomas.

Fontes e leituras adicionais

  1. Wikipedia
  2. MDN: Web Speech API
  3. Creative Commons Attribution 4.0
  4. OpenAI API reference: create speech
  5. Node.js documentation
  6. IETF RFC 7845: Ogg Opus
  7. LibriVox public-domain audiobooks
  8. TRON developer hub: TRC-20
  9. FFmpeg documentation
  10. openai-node on GitHub
  11. W3C WAI: making audio and video accessible
  12. Python documentation

Mais neste site