Texto para Voz: A API que Agências Usam para Criar Áudios

Por Equipe editorial VozSpot · Atualizado 2026-11-18

Esta página mostra como a API do VozSpot transforma textos em áudios profissionais, ideal para agências de publicidade e produtores de rádio. Aqui você encontra informações sobre vozes, idiomas, formatos e integração técnica.

Descubra como gerar vinhetas, spots e conteúdos para redes sociais com custos previsíveis e integração simples. Use nossa infraestrutura para focar na criação enquanto entregamos áudios de alta qualidade via API.

Texto para Voz: A API que Agências Usam para Criar Áudios

Perguntas frequentes

O que é texto para voz?

É uma API em nuvem que converte texto em arquivos de áudio. Você envia o texto e recebe o arquivo de áudio pronto para uso em suas produções, sem necessidade de estúdio ou locutores presenciais.

Como funciona a API de texto para voz?

Envie uma requisição POST para o endpoint /v1/audio/speech com o texto, voz e idioma desejados. Receba o arquivo de áudio em formatos como mp3, wav ou opus. A API processa a síntese e retorna o arquivo para uso imediato.

Quais idiomas são suportados?

Suportamos 23 idiomas, incluindo português, inglês, espanhol, francês, alemão, italiano, japonês, chinês, árabe, russo e hindi. Qualquer voz pode falar qualquer um desses idiomas. Idiomas como vietnamita e tailandês ainda não são suportados.

As vozes soam naturais?

As vozes são baseadas em gravações licenciadas do LibriTTS-R e do LibriVox. Oferecemos 8 presets com timbres distintos, como narrador, noticiário e documentário, garantindo clareza e qualidade profissional para seus spots e produções de rádio.

Posso usar o SDK da OpenAI?

Sim. A API segue o mesmo formato de requisição da OpenAI. Basta alterar o base_url para https://api.play33l.com/v1 e usar sua chave de API. O SDK oficial da OpenAI funciona com nossa infraestrutura ao alterar o base_url.

Qual o limite de caracteres por requisição?

Cada requisição suporta até 4096 caracteres. Para textos mais longos, você deve dividir o texto em partes menores e juntar os arquivos de áudio gerados. Espaços e pontuação contam como caracteres.

O áudio gerado tem 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 identificação da origem do áudio produzido pela nossa API.

Quanto custa a API por caractere?

O custo é de $0,01 por 1.000 caracteres, ou $10 por 1 milhão de caracteres. O valor é cobrado por caractere, incluindo espaços e pontuação. Requisições falhas não têm custo.

Posso pagar com cartão de crédito?

Não. Aceitamos apenas pagamento via USDT na rede TRON (TRC-20). O crédito é adicionado automaticamente após a transferência. Não oferecemos cartões, PayPal, assinaturas ou faturas com IVA.

Quanto tempo demora a geração do áudio?

A velocidade é de aproximadamente 25 caracteres por segundo de áudio gerado. Textos longos são gerados em velocidade próxima ao tempo real (cerca de 25 caracteres por segundo). Em momentos de alta demanda, as requisições podem aguardar na fila de processamento.

Os dados do texto são usados para treinamento?

Não. O texto enviado é usado apenas para produzir o áudio e não é utilizado para treinar nossos modelos. O áudio gerado é retornado na resposta e não é armazenado permanentemente.

Existe suporte por telefone?

Não. O suporte é realizado exclusivamente por e-mail. Não oferecemos número de telefone, chat ao vivo ou atendimento presencial. Para dúvidas técnicas ou comerciais, entre em contato via email.

Posso clonar minha própria voz?

Não. Oferecemos 8 vozes predefinidas (como Aria, Nova, Luna, Felix, Milo, Atlas, Orion e Sage). Não há clonagem de voz personalizada, nem upload de sua própria voz ou design de voz exclusivo.

Qual a velocidade média de geração?

A geração ocorre a uma taxa média de 25 caracteres de texto por segundo de áudio. Para textos curtos, o processo pode levar alguns segundos. O processamento é sequencial, podendo haver fila sob carga.

Primeira solicitação

curl

curl https://api.play33l.com/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.mp3

Por que escolher nossa API de texto para voz

Ilustração de onda sonora para: Por que escolher nossa API de texto para voz

Entregar áudios profissionais é crucial para agências de publicidade. Nossa API processa textos com velocidade próxima ao tempo real, gerando cerca de 25 caracteres por segundo. Para frases curtas, o processamento leva poucos segundos, mantendo o ritmo da produção criativa.

Você foca na criação do spot, enquanto nossa API cuida da geração de voz. Com endpoints compatíveis com o padrão OpenAI, a integração é direta e não desvia o foco da equipe.

Geração rápida para prazos apertados

Geração rápida para prazos apertados

A velocidade de geração é previsível: aproximadamente 25 caracteres por segundo de áudio gerado. Para textos longos, o sistema processa solicitações sequencialmente, garantindo que você receba o arquivo finalizado sem surpresas. Frases curtas são processadas em poucos segundos, ideal para ajustes rápidos de vinhetas.

Integração simples com seu fluxo de trabalho

Utilize a estrutura de requisição padrão POST /v1/audio/speech. Basta enviar o texto e o formato desejado; o SDK oficial da OpenAI funciona alterando apenas o base_url para https://api.play33l.com/v1. Isso elimina a necessidade de aprender uma nova sintaxe ou biblioteca específica, pois o formato é idêntico ao da API de speech da OpenAI.

  • Endpoint único para síntese de áudio
  • Compatível com SDKs oficiais da OpenAI
  • Autenticação via chave Bearer simples

Custos previsíveis por caractere

O preço é fixo: $10 por 1 milhão de caracteres ($0,01 por 1.000 caracteres). Espaços e pontuação contam como caracteres. Se a síntese falhar, o valor é devolvido integralmente, garantindo que você pague apenas pelo áudio entregue com sucesso.

Vozes disponíveis para seus projetos

Ilustração de onda sonora para: Vozes disponíveis para seus projetos

Escolher a voz certa define o tom da sua produção. Oferecemos oito vozes distintas, geradas a partir de gravações licenciadas, para que você tenha o controle criativo que seus projetos exigem.

Narradores quentes e claros

Aria é a escolha padrão para narradores quentes e claros. Sua dicção precisa e tom natural garantem que a mensagem chegue com clareza, seja em vinhetas ou locuções institucionais.

Vozes energéticas para promoções

Felix e Nova trazem a energia necessária para vender. Felix é energético, ideal para promoções e anúncios dinâmicos. Nova é brilhante e otimista, ideal para conteúdos leves e positivos.

Tom calmo para instruções

Para contextos mais serenos, Luna oferece um tom suave e narrativo, perfeito para storytelling. Sage é calma e instrucional, ideal para textos explicativos ou guias em rádio.

Atlas e Orion complementam com neutralidade e profundidade, enquanto Milo traz uma abordagem conversacional e próxima.

23 idiomas e formatos flexíveis

Ilustração de onda sonora para: 23 idiomas e formatos flexíveis

O VozSpot suporta 23 idiomas, incluindo português, inglês e espanhol, com reconhecimento automático de script (o padrão para texto latino é inglês). Para textos em latim fora do inglês, defina o campo language para evitar erros de interpretação.

Você pode exportar o áudio em MP3, WAV, OPUS, FLAC ou PCM. A velocidade de leitura é ajustável de 0.25x a 4.0x, permitindo sincronização precisa com vinhetas ou efeitos sonoros.

Suporte a português, inglês e espanhol

Qualquer uma das 8 vozes presélectionadas consegue falar todos os 23 idiomas suportados. O sistema detecta automaticamente o idioma pelo script, mas você pode forçar a configuração via parâmetro ISO.

  • Idiomas: português, inglês, espanhol, alemão, francês, japonês, coreano, árabe e outros (lista completa de 23 idiomas)
  • Detecção automática baseada no script do texto enviado

Exporte em MP3, WAV ou FLAC

Escolha o formato que melhor se adapta ao seu pipeline de produção. MP3 para web, WAV para edição não destrutiva ou FLAC para perda zero.

  • Formatos: mp3, wav, opus, flac, pcm

Controle de velocidade ajustável

Ajuste a velocidade entre 0.25 e 4.0 para adequar o ritmo à trilha sonora ou ao tempo de exibição do spot publicitário.

Como funciona a geração de áudio

Ilustração de onda sonora para: Como funciona a geração de áudio

Envie seu texto via endpoint POST para receber o arquivo de áudio. O processamento ocorre em nossos servidores, sem necessidade de streaming ou infraestrutura adicional. Cada requisição gera um arquivo pronto para uso imediato.

Envie o texto e receba o arquivo

A integração é simples: envie o texto e receba o arquivo. O processamento ocorre em nossos servidores, sem necessidade de streaming ou infraestrutura adicional. Cada requisição gera um arquivo pronto para uso imediato.

Limites de caracteres por requisição

Cada chamada suporta até 4.096 caracteres. Para textos longos, divida o conteúdo em partes menores e una os arquivos de áudio resultantes. Isso garante estabilidade e previsibilidade na entrega.

Formatos de resposta disponíveis

Escolha entre mp3, wav, opus, flac ou pcm para atender às necessidades técnicas do seu player ou plataforma de distribuição.

Precificação transparente

Ilustração de onda sonora para: Precificação transparente

Esqueça planos mensais ou taxas de manutenção. Aqui, você paga apenas pelo que gerar. Cada milhão de caracteres custa US$ 10, o que equivale a US$ 0,01 por mil caracteres. Espaços e pontuação contam como caracteres, garantindo total previsibilidade no orçamento.

Pedidos falhos não cobram nada; o crédito é devolvido integralmente. Não há faturas com VAT, nem assinaturas obrigatórias ou custos ocultos.

Cobrança por milhão de caracteres

O cálculo é direto: US$ 10 por 1 milhão de caracteres processados com sucesso. Se a síntese falhar, o valor não é descontado.

  • Preço fixo de US$ 0,01 por 1.000 caracteres
  • Contagem inclui espaços e pontuação
  • Cobrança apenas por requisições bem-sucedidas

Créditos de teste gratuitos

Registre-se com Google para receber US$ 0,50 de crédito válido por 7 dias (aprox. 50.000 caracteres). Contas criadas com email e senha iniciam sem crédito de teste.

Pagamento via criptomoedas

Adicione saldo via USDT na rede TRON (TRC-20). O mínimo é US$ 5, com crédito automático em minutos. Sem cartões, PayPal ou suporte telefônico.

  • Rede exclusiva: TRON (TRC-20)
  • Saldo não expira
  • Sem planos de assinatura
Precificação transparente

Casos de uso para agências

Ilustração de onda sonora para: Casos de uso para agências

Transforme scripts em spots prontos para o ar em minutos. Nossa API elimina a logística de estúdio, permitindo que agências produzam vinhetas e locuções com a qualidade de gravação profissional, sem precisar agendar salas ou técnicos.

O fluxo é direto: você envia o texto via API e recebe o arquivo de áudio pronto. Isso reduz custos fixos e acelera a entrega para clientes que precisam de variações rápidas de campanhas publicitárias.

Criação de vinhetas de rádio

Produza vinhetas de identidade sonora e jingles curtos com vozes como Felix (energética) ou Atlas (neutra). Ideal para estações que precisam de atualizações frequentes de branding sem os altos custos de gravação em estúdio.

Use a velocidade ajustável para sincronizar perfeitamente com a trilha musical, mantendo o ritmo da peça publicitária.

  • Geração rápida de identidade sonora
  • Controle de velocidade (0.25x a 4.0x)
  • Voizes versáteis para diferentes marcas

Spots publicitários curtos

Para campanhas de rádio ou TV, gere spots de 15 a 30 segundos com precisão. O limite de 4.096 caracteres por requisição cobre a maioria dos roteiros padrão, permitindo testes A/B de vozes e tons em horas.

  • Roteiros até 4.096 caracteres
  • Testes A/B rápidos de vozes
  • Custo previsível por caractere

Conteúdo para redes sociais

Automatize a criação de áudios para vídeos em formato vertical. Use vozes como Nova ou Luna para narrativas envolventes, gerando grandes volumes de conteúdo para Instagram, TikTok ou YouTube Shorts com consistência.

O formato MP3 ou WAV é diretamente compatível com a maioria dos editores de vídeo, facilitando a integração no fluxo de trabalho da equipe criativa.

  • Alta escala para redes sociais
  • Compatível com editores de vídeo
  • Vozes narrativas e storytelling

Qualidade e naturalidade

Ilustração de onda sonora para: Qualidade e naturalidade

A qualidade do áudio do VozSpot deriva de vozes baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0) e leituras de audiolivros de domínio público do LibriVox. Isso garante uma base sonora natural e consistente para seus spots de rádio e vinhetas.

Cada arquivo gerado carrega uma marca d'água inaudível que identifica o conteúdo como fala sintética. Essa marcação é automática e invisível ao ouvinte, mantendo a profissionalismo da entrega sem comprometer a experiência auditiva final.

Vozes baseadas em gravações licenciadas

As oito vozes predefinidas, como Aria e Felix, utilizam fontes sonoras licenciadas que asseguram clareza e naturalidade. Nossa infraestrutura processa o texto mantendo a entonação e o ritmo característicos das vozes predefinidas.

  • Vozes derivadas do LibriTTS-R (CC BY 4.0)

Marca d'água em áudio sintético

Toda geração de áudio inclui uma marca d'água inaudível que marca o arquivo como síntese artificial. Isso oferece transparência sobre a origem do conteúdo sem interferir na qualidade sonora ou na imersão do ouvinte final.

Consistência na entrega

Mantenha o padrão de qualidade em todos os seus projetos. Como as vozes são presets fixos, o resultado é previsível e uniforme, essencial para campanhas de rádio que exigem identidade sonora constante entre diferentes spots e vinhetas.

Integração técnica rápida

Ilustração de onda sonora para: Integração técnica rápida

Para agências que precisam de agilidade, a integração é imediata. Use o SDK oficial da OpenAI alterando apenas o base_url para https://api.play33l.com/v1 e mantendo sua chave de API. O formato de requisição é idêntico ao da API de speech, facilitando a migração de fluxos existentes.

Documentação técnica completa está disponível em /docs/, detalhando parâmetros como model, voice e response_format. A estrutura JSON é consistente com o padrão do mercado, permitindo que desenvolvedores integrem a geração de voz diretamente ao pipeline de produção sem aprendizados complexos.

SDKs compatíveis com OpenAI

Utilize as bibliotecas oficiais da OpenAI apenas apontando a URL base para https://api.play33l.com/v1. Isso permite usar a mesma lógica de chamada que você já conhece, garantindo compatibilidade imediata com seus scripts de automação.

  • Código pronto para copiar e colar
  • Compatibilidade com bibliotecas padrão da indústria

Documentação API completa

Acesse /docs/ para referência técnica detalhada. Todas as respostas de erro, limites de caracteres (4096 por request) e formatos suportados (mp3, wav, opus, flac, pcm) estão descritos com clareza. Ideal para integração programática via cURL ou SDKs.

  • Exemplos de cURL incluídos
  • Definição clara de erros e códigos de status

Suporte via e-mail

Para dúvidas técnicas ou sobre integração, nosso suporte é exclusivo por e-mail. Não oferecemos chat ao vivo ou telefone, mas garantimos atendimento focado em resolver sua demanda técnica com precisão e sem ruídos.

Comece agora mesmo

Ilustração de onda sonora para: Comece agora mesmo

Comece a integrar o VozSpot na sua operação de produção de áudio em minutos. Não há necessidade de contratos complexos ou configurações demoradas; o processo é direto e feito para equipes que precisam de agilidade.

Crie sua conta em minutos

O cadastro é rápido: escolha entre login com Google ou email e senha. Sua conta é criada instantaneamente e você já tem acesso ao painel de controle.

Obtenha sua chave de API

Após o registro, você recebe sua chave de API exclusiva. Use-a para autenticar suas requisições na endpoint da API e comece a enviar textos para geração de áudio imediatamente.

Teste com crédito gratuito

Novos usuários com login via Google recebem $0,50 de crédito, suficiente para gerar cerca de 50.000 caracteres. Teste as vozes e formatos sem compromisso antes de investir.

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Transforme o silêncio do ar em uma experiência sonora que conecta marcas e pessoas com emoção e criatividade.

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. IETF RFC 7845: Ogg Opus
  3. LibriTTS-R paper (arXiv 2305.18802)
  4. FFmpeg documentation
  5. Tether (USDT)
  6. OpenAI API reference: create speech
  7. TRON developer hub: TRC-20
  8. LibriVox public-domain audiobooks
  9. W3C WAI: making audio and video accessible
  10. curl documentation
  11. openai-node on GitHub
  12. Python documentation

Mais neste site