Perguntas frequentes
O que é uma API de voz do narrador?
É uma API de texto para fala na nuvem. Você envia texto e recebe um arquivo de áudio. A endpoint é POST para /v1/audio/speech com corpo JSON. Funciona com SDKs oficiais da OpenAI alterando o base_url. Suporta 8 vozes predefinidas e múltiplos formatos de áudio.
Como a API se integra a um LMS?
Envie o texto do curso via POST para /v1/audio/speech. Use sua chave Bearer na autenticação. O sistema retorna o arquivo de áudio pronto para uso. Você pode automatizar a geração de trilhas sonoras para cursos e treinamentos corporativos diretamente na plataforma LMS.
Qual o limite de caracteres por requisição?
O limite é de 4096 caracteres por requisição. Espaços e pontuação contam como caracteres. Para textos maiores, divida o conteúdo em partes dentro desse limite. Cada parte gera um arquivo de áudio separado que deve ser concatenado posteriormente.
Posso gerar áudio de textos longos?
Sim, textos longos são suportados dividindo-os em partes de até 4096 caracteres. Os arquivos de áudio gerados são unidos para formar o áudio completo. A velocidade média é de aproximadamente 25 caracteres por segundo de geração.
Como funciona a divisão de texto?
O texto deve ser dividido em partes de até 4096 caracteres. Cada parte é enviada separadamente para a API. Os arquivos de áudio resultantes são então concatenados para criar o áudio final do texto longo.
As vozes suportam múltiplos idiomas?
Sim, as 8 vozes suportam 23 idiomas, incluindo português, inglês, espanhol e japonês. Qualquer voz pode falar qualquer idioma da lista. Se o idioma não for definido, ele é adivinhado pelo script do texto.
Posso controlar a velocidade da voz?
Sim, o parâmetro speed aceita valores entre 0.25 e 4.0. Isso permite ajustar a velocidade da fala conforme necessário para o conteúdo do curso, mantendo a clareza e a compreensão para os alunos.
Qual formato de áudio é recomendado?
Os formatos disponíveis são mp3, wav, opus, flac e pcm. O mp3 é amplamente suportado por LMS e players web. Escolha o formato que melhor se integra ao seu player de áudio existente e aos requisitos de largura de banda.
A API retorna o áudio em streaming?
Não. A API retorna o arquivo de áudio completo na resposta. Não há suporte para streaming, WebSocket ou áudio parcial em tempo real. O áudio é gerado e entregue após o processamento da requisição.
O que acontece se a API falhar?
Se a síntese falhar, o valor é devolvido integralmente. Você não paga pela requisição que não resultou em áudio. O status da falha é retornado na resposta para que você possa tentar novamente ou investigar o problema.
Quanto custa a geração por caractere?
O custo é de $10 por 1 milhão de caracteres, ou $0,01 por 1.000 caracteres. Espaços e pontuação contam como caracteres. O saldo não expira e não há custos mensais fixos para o uso da API.
Preciso pagar mensalidade?
Não. Não há planos mensais, assentamentos mínimos ou custos fixos. Você paga apenas pelo uso, recarregando seu saldo via USDT na rede TRON. O saldo permanece disponível até ser consumido, sem prazo de validade.
Como obtenho a chave de API?
Crie uma conta em /get-api-key/ usando Google ou e-mail. A chave é exibida na página junto com o saldo e o exemplo de curl. Uma chave ativa por conta; novas chaves podem ser emitidas a qualquer momento.
Posso usar SDK da OpenAI?
Sim, o formato de solicitação é o mesmo do endpoint de fala da OpenAI. Altere o base_url para https://api.abc1234.info/v1 e use sua chave. Os SDKs oficiais da OpenAI funcionam diretamente com essa configuração.
As vozes são clonadas de humanos?
Não. As vozes são predefinições baseadas em gravações licenciadas do LibriTTS-R e leituras do LibriVox. Não oferecemos clonagem de voz personalizada nem upload de vozes próprias. Cada arquivo gerado contém uma marca d'água inaudível que indica ser fala sintética, garantindo a identificação clara da origem do áudio produzido pela API.
O texto é usado para treinar modelos?
Não. O texto de entrada é usado apenas para produzir o áudio e não é utilizado para treinamento. O áudio gerado é retornado na resposta e não é armazenado. Apenas metadados de solicitação são mantidos para faturamento.
Há suporte técnico por telefone?
Não. O suporte é feito exclusivamente por e-mail. Não há número de telefone, chat ao vivo ou garantia de tempo de resposta. Para dúvidas sobre integração ou uso, entre em contato via e-mail.
Posso usar o áudio comercialmente?
Sim, o áudio gerado pode ser usado comercialmente. As vozes são baseadas em gravações licenciadas e leituras de domínio público. Não há restrições específicas de uso mencionadas, mas o áudio contém uma marca d'água que indica ser fala sintética.
Integração com LMS
Para integrar a API de síntese de fala ao seu LMS corporativo, utilize o endpoint dedicado à geração de áudio. Esta integração permite que plataformas de e-learning convertam conteúdo textual em trilhas sonoras automatizadas, eliminando a necessidade de estúdios externos para grandes volumes de material instrucional.
Endpoint de síntese
Envie requisições POST para https://api.abc1234.info/v1/audio/speech. O formato de entrada e saída é compatível com o padrão da API de speech, permitindo o uso de SDKs existentes mediante ajuste do base_url.
Payload JSON
A requisição deve conter o texto a ser sintetizado, o modelo (tts-1 ou tts-1-hd), a voz selecionada e o idioma. Todos os campos são enviados em formato JSON dentro do corpo da requisição.
Autenticação Bearer
Inclua o cabeçalho Authorization: Bearer tts-<sua-chave> em cada solicitação. A chave é específica por conta e garante a validação do saldo disponível para a geração dos arquivos de áudio.
Fluxo de geração
O fluxo de geração inicia com o envio do texto da aula via endpoint POST /v1/audio/speech. O sistema processa as requisições de forma sequencial, garantindo consistência na entrega dos arquivos de áudio para a plataforma LMS.
Envio do texto
O texto da narrativa é enviado como corpo JSON no endpoint de síntese. Cada requisição deve conter o modelo tts-1 ou tts-1-hd, a voz selecionada e o texto a ser convertido. O limite máximo é de 4.096 caracteres por chamada.
Processamento sequencial
As requisições são processadas em fila, uma após a outra. O tempo de geração é de aproximadamente 25 caracteres por segundo de áudio para textos longos. Em momentos de alta carga, pode haver espera na fila, mas a ordem de processamento é mantida.
Retorno do arquivo de áudio
O sistema retorna o arquivo de áudio no formato solicitado (mp3, wav, opus, flac ou pcm). O arquivo é entregue diretamente na resposta da API, pronto para ser integrado ao player de áudio do LMS corporativo.
Gestão de caracteres
Nem todo o texto de uma aula cabe em uma única chamada de API. O limite técnico de 4.096 caracteres por requisição exige que o LMS ou a ferramenta de autoria divida o roteiro original em blocos menores antes do envio.
Essa divisão é crucial para manter a estabilidade da geração. O sistema processa cada bloco sequencialmente, garantindo a integridade do áudio final.
Limite de 4096 caracteres
Cada requisição POST aceita no máximo 4.096 caracteres, incluindo espaços e pontuação. Textos longos, como roteiros completos de cursos, devem ser segmentados manualmente ou via script para respeitar essa restrição de payload.
Divisão de texto
A divisão deve respeitar a estrutura semântica para evitar cortes abruptos. Recomenda-se dividir por frases ou parágrafos curtos, mantendo a coerência narrativa entre os blocos gerados.
Juntar arquivos de áudio
Após a síntese de cada bloco, os arquivos de áudio resultantes devem ser concatenados pelo cliente para formar a trilha sonora final. O sistema não realiza o empacotamento final, deixando essa etapa a cargo da integração do LMS.
Seleção de vozes
A API oferece 8 vozes predefinidas, selecionadas a partir de gravações licenciadas, para atender diferentes perfis de cursos corporativos. Cada voz possui uma timbre e tom específicos, garantindo consistência na narração de trilhas sonoras.
A escolha depende do tom desejado para o conteúdo: narrativas mais suaves, vozes energéticas para promoções internas ou tons neutros para notícias e instruções técnicas.
8 presets disponíveis
O sistema disponibiliza oito vozes distintas, categorizadas por gênero e finalidade. As opções incluem vozes femininas como Aria, Nova, Luna e Sage, e masculinas como Felix, Milo, Atlas e Orion.
Essas vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox), garantindo qualidade auditiva sem a necessidade de estúdio.
- Aria: narradora clara e quente
- Nova: voz brilhante e animada
- Luna: tom suave para storytelling
- Sage: calma e instrucional
- Felix: energética, ideal para promoções
- Milo: amigável e conversacional
- Atlas: neutra, estilo noticiário
- Orion: grave, estilo documentário
Gênero e tom
Cada voz foi projetada para um contexto específico de comunicação. Use vozes como Sage ou Atlas para treinamentos técnicos e Atlas para notícias. Prefira Nova ou Felix para conteúdos mais dinâmicos.
O tom fixo da voz é consistente em todas as gerações, permitindo que equipes padronizem o áudio de seus LMS sem variações improváveis.
Idiomas suportados
O modelo suporta 23 idiomas, incluindo português, espanhol, inglês, alemão, francês, italiano, japonês, chinês, árabe, dinamarquês, holandês, finlandês, grego, hebraico, hindi, coreano, malaio, norueguês, polonês, russo, sueco e turco. Qualquer voz pode falar qualquer idioma suportado.
Se o campo language não for definido, o sistema tenta adivinhar o idioma baseado no script. Para textos em latim fora do inglês, defina o código ISO explicitamente para evitar erros.
Controle de velocidade
O parâmetro speed permite ajustar a velocidade da síntese entre 0,25 e 4,0 vezes. A velocidade padrão é 1.0.
Ajustes finos são úteis para adaptar o conteúdo à preferência dos usuários ou para compensar a latência em conexões lentas. Valores muito altos podem comprometer a clareza, enquanto valores baixos aumentam o tempo de geração.
Range 0.25 a 4.0
O intervalo suportado varia de 0,25 (lento) a 4,0 (rápido). Esse controle é aplicado diretamente no corpo da requisição JSON, permitindo personalização precisa por curso ou módulo.
Ajuste fino
Recomenda-se testar diferentes velocidades com amostras de texto típico de e-learning. Ajustes extremos podem afetar a compreensão auditiva, especialmente em conteúdos técnicos ou com terminologia específica.
Padrão real-time
A configuração padrão (1.0) busca aproximar-se do tempo real de fala, facilitando a sincronização com elementos visuais em plataformas LMS sem exigir processamento adicional de áudio.
Formatos de saída
O formato de áudio é definido no campo response_format da requisição. A escolha depende do balanceamento entre tamanho de arquivo, compatibilidade do player do LMS e qualidade sonora necessária para a audição dos colaboradores.
Todos os formatos são gerados pelo mesmo motor de síntese, garantindo consistência na qualidade da voz independente da escolha técnica.
MP3 para web
Formato compactado e amplamente suportado pela maioria dos players HTML5 e plataformas LMS. Ideal para distribuição em larga escala, minimizando o consumo de banda dos usuários finais.
Oferece um bom equilíbrio entre qualidade auditiva e tamanho reduzido do arquivo, facilitando o carregamento rápido mesmo em conexões móveis.
- Tamanho de arquivo reduzido
- Ideal para streaming básico
WAV para alta qualidade
Formato não compactado que preserva a fidelidade original da síntese. Recomendado para arquivos de áudio que serão editados ou arquivados com alta exigência de qualidade.
Gera arquivos maiores, o que pode impactar o tempo de download dependendo da velocidade de conexão do usuário final.
- Sem perda de qualidade
- Maior tamanho de arquivo
- Ideal para edição e arquivamento
Opus e FLAC
Opus oferece compressão eficiente com boa qualidade, sendo uma alternativa moderna ao MP3. FLAC é um formato de áudio sem perda, mantendo a qualidade original sem compactação lossy.
Ambos são válidos dependendo da infraestrutura de armazenamento e processamento do seu LMS específico.
- Opus: alta eficiência
- FLAC: sem perda
- Formatos alternativos
Tratamento de erros
A API retorna códigos HTTP padrão para indicar o estado da síntese. Erros de autenticação ou limite excedido impedem o processamento imediato, exigindo ajuste nas credenciais ou na taxa de requisições.
Para garantir a integridade do sistema, implemente lógica de retentativa com backoff exponencial. Isso evita picos de concorrência que podem enfileirar as requisições, mantendo o fluxo de geração estável.
Códigos de status
O endpoint retorna códigos HTTP claros. 200 indica sucesso com o arquivo de áudio no corpo da resposta. 401 ou 403 sinalizam problemas de chave Bearer. 429 indica que o limite de 60 requisições por minuto foi atingido.
- 200: Sucesso, áudio retornado.
- 400: Erro de formato no JSON.
- 401/403: Autenticação inválida.
- 429: Limite de taxa excedido.
- 500: Erro interno do serviço.
Retentativa
Em caso de erro 429, espere antes de reenviar. Implemente um algoritmo de backoff exponencial para distribuir as requisições ao longo do minuto.
Erros temporários (5xx) devem ser tratados com retentativas automáticas. Como as requisições são processadas sequencialmente, um delay inicial pode evitar congestionamento na fila de síntese.
- Use backoff exponencial para 429.
- Retente erros 5xx com intervalos crescentes.
Gratuidade em falha
Se a síntese falhar após o processamento iniciar, a cobrança é estornada integralmente. Você não paga por caracteres processados em requisições que não geram áudio final.
Isso garante que erros de sistema não impactem seu saldo. Verifique o status da resposta para confirmar se o crédito foi ou não debitado.

Monitoramento de uso
O acompanhamento do consumo é essencial para o planejamento de grandes operações de e-learning. A interface da conta exibe o saldo atual, o crédito de teste (se aplicável) e o volume de caracteres processados.
Como o custo é baseado em caracteres (incluindo espaços e pontuação), o monitoramento direto evita desperdícios. A taxa de 60 requisições por minuto é visível na dashboard, ajudando a ajustar o volume de processamento para manter a estabilidade durante a geração massiva de trilhas sonoras.
Contador de caracteres
O sistema registra cada caractere enviado para síntese. O custo é de $0,01 por 1.000 caracteres, então o contador reflete diretamente o valor a ser debitado da conta.
Requisições falhas são gratuitas e o valor é devolvido integralmente.
- Cálculo automático baseado no tamanho exato do input.
- Saldo atualizado após a confirmação do processamento.
Taxa de requisições
Cada chave API permite até 60 requisições por minuto. Antes do primeiro recarga, o limite é de 10 requisições por minuto.
Monitorar essa taxa evita erros de 'rate limit' durante o processamento de grandes volumes de conteúdo educacional.
- Limite padrão: 60 req/min.
- Limite inicial: 10 req/min.
Histórico na dashboard
A página de conta armazena o histórico de transações e status das requisições. Isso permite auditar quais textos foram convertidos e quando.
O histórico inclui tempo, caracteres processados e status, facilitando a reconciliação financeira e a identificação de gargalos no pipeline de geração de áudio.
Exemplo de uso
Este exemplo ilustra a geração de trilhas sonoras para cursos corporativos. O sistema envia textos curtos, respeita o limite de 4096 caracteres e retorna arquivos de áudio prontos para o LMS.
A automação permite que equipes de grandes operações produzam conteúdo em escala sem estúdios externos.
Caso de uso LMS
Para um módulo de treinamento de 10 minutos, o texto é dividido em segmentos. Cada segmento é enviado via POST para o endpoint de síntese.
O LMS recebe os arquivos de áudio e os associa aos módulos de vídeo ou texto, garantindo acessibilidade sem latência perceptível.
- Endpoint: POST /v1/audio/speech
- Modelo: tts-1 ou tts-1-hd
- Formato: MP3 ou WAV
Script de integração
Utilize o SDK oficial da OpenAI (com base_url alterada) ou HTTP simples. Defina a base_url para https://api.abc1234.info/v1 e insira a chave Bearer.
Exemplo de código Python mostra o envio do texto e o salvamento do arquivo de áudio retornado na resposta.
- Autenticação: Authorization: Bearer tts-...
- Body: {model, input, voice, response_format}
Exemplo de resposta
A resposta contém o arquivo de áudio binário.
O tempo de processamento é próximo do tempo real, facilitando a integração contínua.
- Status: 200 OK
- Content-Type: audio/mpeg
- Body: Audio file bytes
Limitações técnicas
A API opera de forma síncrona, retornando o arquivo completo apenas após a síntese terminar. Não há transmissão parcial do áudio em tempo real, o que exige que o LMS aguarde a conclusão do processo antes de exibir o reprodutor.
A estrutura de entrada é simplificada para texto puro e parâmetros básicos. Isso garante compatibilidade universal, mas limita a granularidade do controle sobre a entonação durante a geração.
Sem streaming
O endpoint retorna o arquivo audio finalizado. Não há suporte a WebSockets ou fluxo de dados contínuo para exibição imediata de trechos.
Sem SSML
Não é possível usar marcações de sintaxe de fala (SSML) para controlar pausas, ênfase ou pronúncia específica. O controle de velocidade é global para toda a requisição.
Sem customização de voz
As vozes são fixas nos 8 presets fornecidos. Não há opção de clonagem de voz personalizada ou upload de amostras proprietárias para ajustar o timbre do narrador.
Segurança de dados
O texto enviado à API é processado exclusivamente para a geração do arquivo de áudio correspondente. Não utilizamos seus dados de entrada para treinar nossos modelos nem para melhorar a qualidade do serviço ao longo do tempo.
Texto não treinado
Seus conteúdos de curso permanecem isolados do ciclo de treinamento. A única finalidade do texto é a síntese imediata da voz.
Sem armazenamento de áudio
O arquivo de áudio gerado é retornado na resposta da requisição e não é persistido em nossos servidores após a entrega.
Metadados para faturamento
Mantemos apenas os metadados da requisição (horário, número de caracteres e status) para garantir a precisão na cobrança e no histórico de uso.
Suporte técnico
O suporte técnico é realizado exclusivamente por email, sem atendimento telefônico ou chat ao vivo. Para questões técnicas ou sobre faturamento, utilize o formulário na página de contato ou envie diretamente para nosso endereço institucional.
Nossa documentação detalha o endpoint de síntese, autenticação e exemplos de integração. Recomendamos a leitura da seção de erros para resolver falhas comuns antes de solicitar ajuda.
Email para dúvidas
Envie suas perguntas para o endereço de suporte listado no rodapé da plataforma.
Indique sempre o ID da conta e o trecho do código que gera a dúvida para agilizar a análise.
- Canal exclusivo: email
- Sem chat ao vivo
- Sem número de telefone
Documentação completa
Acesse a seção /docs/ para o esquema de requisição JSON, lista de vozes e formatos de saída.
Todos os parâmetros obrigatórios, como model e voice, estão descritos com exemplos de payload validado.
Inclui também a explicação sobre limites de taxa e tratamento de caracteres excedentes.
Exemplos de código
Disponibilizamos snippets prontos em Python e cURL para a integração com o endpoint POST /v1/audio/speech.
Os exemplos demonstram a autenticação Bearer e o tratamento da resposta binária do áudio gerado.
Adapte os scripts para o seu ambiente de LMS, ajustando apenas a URL base e a chave de API.
- Exemplos em Python e cURL
- Autenticação Bearer incluída
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. É ideal para narrativas de cursos gerais, onde a dicção precisa e a clareza da articulação garantem que o conteúdo seja absorvido sem fadiga auditiva.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
