Perguntas frequentes
Qual a melhor voz para anúncios?
A escolha depende do objetivo. Felix é energética e ideal para promoções. Milo é amigável e conversacional, ótimo para marcas próximas. Aria é uma narradora clara e quente. Atlas é neutro, perfeito para notícias. A melhor voz é aquela que combina com o tom da sua campanha publicitária.
As vozes são naturais?
As vozes são baseadas em gravações licenciadas de audiobooks públicos. Cada arquivo gerado possui uma marca d'água invisível que o identifica como fala sintética. O resultado é claro e profissional, adequado para spots de rádio, mas a marca d'água confirma sua origem como texto para fala gerado por API.
Posso misturar vozes?
A API não suporta mistura de vozes em uma única chamada. Para criar um diálogo entre diferentes vozes, você deve enviar requisições separadas para cada parte do texto. Em seguida, use sua própria ferramenta de edição para unir os arquivos de áudio gerados em um único arquivo final.
Qual voz é mais jovem?
Nova é descrita como brilhante e animada, sugerindo uma energia mais jovem. Felix também é energético e voltado para promoções, o que pode transmitir uma sensação de juventude. A percepção exata depende do contexto do anúncio, mas essas vozes carregam essa energia vibrante e moderna.
Qual voz é mais madura?
Orion é profundo e ideal para documentários, transmitindo maturidade e seriedade. Sage é calma e instrucional, adequada para explicações mais maduras. Atlas é neutro e voltado para notícias, oferecendo uma presença confiável e estabelecida. Estas vozes são ideais para transmitir autoridade e experiência em suas produções.
As vozes mudam com o tempo?
As vozes são presets fixos baseados em gravações licenciadas. Elas não evoluem ou mudam automaticamente com o uso. A única alteração possível é a velocidade, ajustável entre 0.25 e 4.0. O timbre e as características vocais permanecem consistentes para garantir uniformidade em suas campanhas publicitárias.
Posso usar qualquer voz em qualquer idioma?
Sim. Todas as 8 vozes podem falar qualquer um dos 23 idiomas suportados, incluindo português. Se você não definir o idioma, o sistema tentará adivinhar, mas para textos em português com caracteres latinos, é recomendável definir o campo 'language' explicitamente para evitar erros de pronúncia.
A voz Felix é agressiva?
Felix é descrita como energética e voltada para promoções. Isso não significa necessariamente agressividade, mas sim um tom vibrante e alto, adequado para vender ou anunciar com entusiasmo. A intensidade é controlada pela velocidade e pelo contexto do texto, permitindo um tom enérgico sem ser hostil.
A voz Luna é triste?
Luna é descrita como suave e voltada para storytelling. Ela não é inerentemente triste, mas sim suave e narrativa. O tom emocional depende do texto inserido. Se o texto for melancólico, Luna o expressará com suavidade; se for alegre, ela manterá uma tonalidade suave e acolhedora.
A voz Atlas é robótica?
Atlas é neutro e voltado para notícias. Baseado em gravações licenciadas, ele não soa robótico, mas sim claro e direto. A neutralidade é intencional para transmitir informação factual. Ele não possui as entonações dramáticas de outras vozes, oferecendo uma entrega limpa e profissional para seus anúncios informativos.
A voz Orion é para documentários?
Sim, Orion é descrito como profundo e ideal para documentários. Sua voz grave e serena é perfeita para narrações que exigem gravidade e imersão. Ele transmite uma sensação de autoridade e profundidade, sendo uma escolha excelente para spots publicitários que buscam um tom mais cinematográfico ou histórico.
As vozes têm sotaque regional?
O sistema não oferece sotaques regionais distintos para as vozes. Cada voz é um preset fixo. O idioma é definido pelo campo 'language' ou adivinhado pelo script. Não há opção para selecionar sotaques específicos, como nordestino ou gaúcho, além da pronúncia padrão do idioma selecionado.
Posso alterar o tom da voz?
Você não pode alterar o tom fundamental ou a afinação da voz diretamente. O controle principal é a velocidade, ajustável de 0.25 a 4.0. Para mudar a emoção ou o tom, você deve variar o texto inserido ou usar ferramentas de edição de áudio externas após a geração.
Qual voz usa menos CPU?
O processamento é feito na nuvem e o tempo de geração depende da fila e do tamanho do texto, não da voz escolhida. Todas as vozes usam o mesmo motor de síntese (modelos tts-1 ou tts-1-hd). O processamento é feito na nuvem, e o tempo de geração depende da fila e do tamanho do texto, não da voz escolhida.
Vozes femininas para publicidade
A API TTS da VozSpot oferece três vozes femininas projetadas para atender às demandas variadas de agências de publicidade. Cada preset traz uma personalidade distinta, permitindo que você selecione a voz que melhor se alinha ao tom da campanha, seja ela mais institucional ou mais dinâmica.
O uso dessas vozes elimina a necessidade de locutores presenciais para cada variação, acelerando o fluxo de produção. Você envia o texto e recebe o áudio pronto, mantendo a consistência da marca sem complicar a logística.
Aria: narradora clara
Aria é ideal para narrações que precisam de clareza absoluta. Sua voz é quente e direta, perfeita para explicações de produtos ou apresentações institucionais onde a compreensão do público é prioritária.
Use-a quando o texto exige que cada palavra seja compreendida sem distrações. A qualidade da voz garante que a mensagem principal seja entregue com confiança.
- Tom: quente e claro
Nova: voz vibrante
- Tom: brilhante e animado
Luna: narrativa suave
Luna oferece uma voz suave, perfeita para storytelling e narrativas mais longas. Se a sua campanha requer uma abordagem mais emotiva ou delicada, Luna é a opção adequada.
Ela suaviza a apresentação de histórias, tornando o conteúdo mais envolvente. Ideal para marcas que buscam uma conexão mais íntima e menos agressiva com o público.
- Tom: suave e envolvente
Vozes masculinas para publicidade
As vozes masculinas do VozSpot oferecem três perfis distintos para spots publicitários. Felix traz energia imediata, ideal para promoções. Milo conecta-se com o ouvinte em tom de conversa. Atlas entrega neutralidade e clareza para notícias ou informações diretas.
Felix: energético
Felix é a escolha para chamadas de ação rápidas e vibrantes. Sua voz transmite entusiasmo instantâneo, perfeito para anúncios de curta duração que precisam capturar a atenção nos primeiros segundos.
Milo: conversacional
Milo tem um tom conversacional e amigável, ideal para narrações que buscam proximidade. Este perfil é ideal para narrações que buscam proximidade e confiança, sem soar artificial ou excessivamente polido.
Atlas: neutro
Atlas oferece uma tonalidade equilibrada e profissional. Sua neutralidade o torna adequado para narrativas informativas, boletins ou qualquer contexto onde a clareza da informação seja mais importante que a expressão emocional.
Vozes institucionais
Sage e Orion são vozes institucionais projetadas para transmitir confiança e clareza em narrativas de marca. Sage oferece uma calma instrucional ideal para tutoriais e comunicados, enquanto Orion traz um tom profundo e documental, ideal para narrativas mais longas que exigem presença e autoridade.
Sage: calma e instrucional
Sage é a escolha perfeita para conteúdos educativos ou explicativos. Sua voz suave e clara mantém o foco na mensagem sem distrações, ideal para vídeos de produto ou instruções de uso.
Orion: documental
Com um tom grave e narrativo, Orion tem um tom profundo e documental, ideal para narrativas mais longas que exigem presença e autoridade. É excelente para storytelling institucional, apresentações de histórico da empresa ou narrativas mais longas que exigem presença e autoridade.
Uso em narrativas longas
Ambas as vozes mantêm a consistência tonal mesmo em textos extensos. Como a API processa requisições sequencialmente, recomenda-se dividir textos muito longos em partes de até 4096 caracteres para garantir a fluidez da geração de áudio.
- Use Sage para tutoriais passo a passo
- Prefira Orion para histórias de marca
- Mantenha o tom consistente entre os episódios
Comparação de tons
Entender o tom da voz é tão crucial quanto escolher o texto. O VozSpot oferece 8 presets com personalidades distintas, permitindo que agências alinhem a entrega sonora à identidade da campanha sem necessidade de produção complexa.
Abaixo, comparamos as características fundamentais para ajudar você a selecionar a voz ideal para cada contexto publicitário.
Energia vs. Calma
A energia de Felix (masculino) e a vibração de Nova (feminino) são ideais para spots curtos e promoções dinâmicas. Elas captam a atenção imediatamente, enquanto vozes como Luna (suave) e Sage (calma) são mais indicadas para narrativas institucionais ou conteúdos que exigem tranquilidade.
Neutralidade vs. Expressão
Atlas oferece uma neutralidade profissional, perfeita para notícias ou informações objetivas. Já orion (documental) e milo (conversacional) trazem mais expressão e personalidade, criando uma conexão mais próxima com o ouvinte em narrativas que precisam de warmer.
Clareza vs. Emoção
Aria destaca-se pela clareza narrativa, garantindo que cada palavra seja compreendida em textos longos. Para emoção, as variações de velocidade entre 0.25 e 4.0 permitem ajustar o ritmo, mas a emoção vem principalmente da escolha da preset e do texto, não de tags adicionais.
Idiomas disponíveis
A API do VozSpot oferece suporte robusto para as linguagens mais críticas para o mercado publicitário, garantindo que suas campanhas atinjam o público correto com naturalidade. O sistema detecta automaticamente o idioma com base no script, mas permite override explícito para evitar erros de interpretação.
A flexibilidade multilíngue permite que uma mesma voz grave textos em diferentes idiomas, mantendo consistência de marca em campanhas internacionais ou regionais sem precisar contratar novas vozes.
O suporte técnico cobre 23 idiomas, incluindo línguas com scripts distintos e nuances fonéticas específicas, essenciais para a precisão em spots de rádio e narrativas longas.
Português e Inglês
Português e inglês são fundamentais para a maioria das campanhas no Brasil e para mercados anglo-saxões. A API detecta automaticamente o script latino e assume inglês se não especificado, mas é recomendável definir o campo language para textos em português para garantir a pronúncia correta de nomes próprios e termos técnicos.
A clareza da voz em português é otimizada para a entonação natural do mercado publicitário, evitando a leitura robótica comum em sistemas genéricos.
- Detecção automática de script latino
- Suporte explícito para PT-BR e EN-US
- Ideal para spots nacionais e internacionais
Espanhol e Francês
Para campanhas que se expandem para a América Latina ou Europa, o suporte a espanhol e francês permite manter a mesma base de vozes do VozSpot. Isso garante consistência auditiva entre mercados diferentes, reduzindo custos de produção e tempo de entrega.
As vozes adaptam sua entonação conforme o idioma selecionado, mantendo o tom emocional definido pelo anunciante, seja para um anúncio vibrante ou uma narrativa institucional.
- Suporte nativo para ES e FR
- Consistência de marca global
- Pronúncia precisa e natural
Multilíngue
Com 23 idiomas disponíveis, o VozSpot suporta desde línguas majoritárias até nichos específicos. Cada voz pode falar qualquer um dos idiomas suportados, permitindo criar campanhas multilíngues com a mesma identidade vocal.
A configuração de idioma é opcional no corpo da requisição; se omitida, o sistema tenta adivinhar pelo script. Para textos em latim fora do inglês, defina explicitamente o código ISO para evitar erros.
Línguas não suportadas incluem vietnamita, indonésio, tailandês, ucraniano, romeno, tcheco, bengali e outras. Verifique a lista completa em /docs/ para planejar sua estratégia de expansão.
- 23 idiomas suportados
- Qualquer voz pode falar qualquer idioma suportado
- Definição explícita de
languagerecomendada para textos não-ingleses
Como escolher a voz ideal
Escolher a voz certa para sua campanha depende de entender quem vai ouvir. O público-alvo define o tom necessário: vozes mais energéticas para jovens, mais calmas para públicos que buscam confiança.
Público-alvo
Identifique a demografia e o comportamento do seu público. Jovens podem responder melhor a vozes vibrantes como Nova, enquanto audiências mais maduras podem preferir a clareza de Aria ou a neutralidade de Atlas.
Tom da marca
O tom da voz deve refletir a identidade da marca. Marcas jovens e dinâmicas podem usar Felix ou Milo, enquanto marcas institucionais podem optar por Sage ou Orion para transmitir seriedade.
Tipo de conteúdo
O tipo de conteúdo também influencia a escolha. Spots curtos e diretos beneficiam-se de vozes rápidas e claras, enquanto narrativas mais longas e emocionais podem precisar de vozes mais suaves e expressivas.
Configurações de velocidade
O parâmetro speed permite ajustar a velocidade de fala entre 0,25 e 4,0. A configuração padrão mantém um ritmo natural, adequado para narrações institucionais ou leituras calmas onde a dicção clara é prioritária.
Velocidade padrão
Utilize o valor padrão (1.0) para garantir que a mensagem seja compreendida sem esforço. Esta configuração é ideal para spots de rádio onde a clareza da voz é tão importante quanto o conteúdo.
Aceleração para spots
Aumentar a velocidade (acima de 1.0) é útil para vinhetas curtas ou chamadas para ação urgentes. Teste valores como 1.2 ou 1.5 para manter o dinamismo sem perder a inteligibilidade, especialmente em anúncios de curta duração.
Desaceleração para clareza
Reduzir a velocidade (abaixo de 1.0) ajuda na compreensão de termos técnicos ou nomes próprios. Valores entre 0,8 e 0,9 podem ser usados para textos complexos, garantindo que cada sílaba seja ouvida claramente pelo ouvinte.

Exemplos de uso por voz
O VozSpot permite transformar textos em áudios profissionais via API, ideal para agências e produtores de rádio. Com 8 vozes prontas, você foca na criação enquanto nossa infraestrutura cuida da geração de voz.
Vinheta de rádio
Felix, com seu tom energético, é perfeito para spots promocionais curtos. Use o modelo tts-1-hd para garantir clareza mesmo em transmissões de baixa qualidade. A velocidade pode ser ajustada para manter o ritmo acelerado típico de rádios.
- Use Felix para promoções relâmpago
- Ajuste speed para 1.2-1.5 em vinhetas rápidas
- Gere arquivos mp3 ou wav para integração fácil
Spot de TV
Aria e Nova oferecem narrativas claras e vibrantes, ideais para comerciais que precisam de impacto visual e auditivo. O formato de saída pode ser escolhido para atender às especificações técnicas de emissoras. A geração é rápida para frases curtas, mas textos longos podem levar mais tempo devido ao processamento sequencial.
- Aria para narrativas institucionais
- Nova para lançamentos de produtos
- Suporte a múltiplos formatos de áudio
Áudio para podcast
Orion e Sage são excelentes para introduções e encerramentos de podcasts. Sua voz calma e documental cria uma atmosfera profissional sem distrair o conteúdo principal. A API requer que textos longos sejam divididos em partes de até 4096 caracteres pelo cliente, mantendo a consistência do áudio.
- Orion para documentários e narrativas longas
- Sage para instruções e tutoriais
- Suporte a idiomas como português e inglês
Qualidade de áudio
O VozSpot oferece cinco formatos de saída para atender às necessidades técnicas de cada plataforma de veiculação. Você pode escolher entre MP3, WAV, OPUS, FLAC e PCM diretamente na chamada da API, garantindo que o arquivo final seja compatível com seu player ou sistema de automação de rádio.
Essa flexibilidade permite otimizar o tamanho do arquivo sem sacrificar a integridade do áudio, seja para uso em web ou para masterização em estúdio.
Formatos de saída
Além dos formatos padrão, a escolha do codec depende do seu pipeline de distribuição. O MP3 é ideal para web e apps, enquanto o WAV e o FLAC preservam a qualidade sem perdas para edições posteriores.
- MP3: leve e universal
- WAV: alta fidelidade
- OPUS: eficiente para streaming
- FLAC: sem perdas
- PCM: bruto e raw
Qualidade HD
Para projetos que exigem o máximo de detalhe sonoro, o modelo tts-1-hd oferece uma qualidade superior, capturando nuances mais sutis na entonação. Isso é particularmente útil para spots de rádio premium ou narrações institucionais onde a clareza vocal é crítica.
O custo por caractere permanece o mesmo entre os modelos básicos e HD, permitindo que você eleve a qualidade sem aumentar o orçamento.
Compatibilidade
Todos os arquivos gerados são entregues prontos para uso, sem necessidade de conversões adicionais. A API retorna o áudio diretamente na resposta, facilitando a integração com sistemas de playback automatizado ou plataformas de anúncio digital.
Personalização via velocidade
O VozSpot permite ajustar a velocidade de 0.25 a 4.0 para adaptar a fala às necessidades específicas de cada peça publicitária. Esta configuração não muda o timbre da voz, mas altera a percepção de urgência ou calma, permitindo que a mesma voz grave sofra diferentes interpretações apenas pela variação de ritmo.
A velocidade é uma ferramenta de direção criativa. Ao acelerar, você cria energia para ofertas relâmpago; ao desacelerar, garante clareza em explicações técnicas. Não há tags de emoção nem SSML, apenas controle preciso sobre o tempo de geração para alinhar o áudio ao visual ou à trilha sonora.
Variação de tom
Alterar a velocidade modifica a percepção de tom sem mudar a voz base. Uma voz mais rápida soa mais entusiasta e urgente, ideal para chamadas de ação. Já uma voz mais lenta transmite seriedade e confiança, adequada para narrativas institucionais ou educacionais.
- Ajuste fino para diferentes estilos de marca
- Mudança de percepção sem trocar de voz
Ritmo da fala
O ritmo deve acompanhar o formato do anúncio. Spots curtos de rádio beneficiam-se de velocidades mais altas (acima de 1.0) para manter a atenção. Conteúdos mais longos ou instrucionais requerem velocidades mais baixas (abaixo de 1.0) para garantir que cada palavra seja compreendida.
- Otimização para spots curtos e longos
- Alinhamento com o tempo de trilha sonora
Ênfase por velocidade
Use a velocidade para destacar palavras-chave. Reduzir a velocidade em frases importantes cria uma pausa natural, funcionando como uma ênfase vocal. Aumente a velocidade nas partes de preenchimento para manter o dinamismo sem perder a clareza da mensagem principal.
- Destaque natural sem edição complexa
- Controle total sobre o fluxo da narrativa
Licenciamento das vozes
As vozes do VozSpot não são sintéticas do zero; elas são baseadas em gravações licenciadas do conjunto de dados LibriTTS-R, que por sua vez provém de audiobooks de domínio público lidos pelo LibriVox.
Isso garante uma origem clara e verificável para cada tom vocal, sem a necessidade de contratos complexos de cessão de imagem ou voz para cada anúncio.
Origem das gravações
Cada voz (Aria, Nova, Luna, Felix, Milo, Atlas, Orion e Sage) é derivada de gravações reais. A fonte principal é o conjunto de dados LibriTTS-R, que agrega leituras de audiobooks em domínio público disponibilizadas pelo projeto LibriVox.
Essa origem garante que os timbres sejam naturais e consistentes, mantendo a qualidade auditiva esperada em produções publicitárias profissionais sem os riscos de clonagem não autorizada.
Licença CC BY 4.0
O conjunto de dados base é licenciado sob Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Isso permite o uso, modificação e distribuição do material, desde que a atribuição adequada seja feita.
O VozSpot integra essas vozes em sua infraestrutura proprietária, simplificando a gestão de direitos para agências que não desejam rastrear múltiplas fontes de áudio.
- Baseada em dados públicos verificáveis.
- Padrão internacional de atribuição.
- Transparência na origem do som.
Uso comercial
Você pode utilizar os áudios gerados para campanhas publicitárias, spots de rádio, narrativas de podcast e conteúdos institucionais sem pagar royalties adicionais por uso.
Não há restrição de meio ou território. O único cuidado é garantir que a atribuição, se exigida pelo contexto específico de distribuição, seja feita conforme a licença CC BY 4.0.
Dicas de implementação
Implementar a API TTS exige um fluxo de trabalho ágil. Teste as vozes com textos reais da campanha para validar a pronúncia antes da produção em massa.
Ajuste a velocidade para cada spot, garantindo que o ritmo respeite o tempo de execução e a clareza da mensagem.
Use feedback direto dos clientes para refinar a escolha da voz e a entonação, iterando rapidamente entre as opções disponíveis.
Testes A/B
Compare versões com vozes diferentes ou velocidades distintas para identificar qual ressoa melhor com o público-alvo.
Use os dados de engajamento para validar a escolha da voz em campanhas piloto.
- Varie apenas a voz ou a velocidade para isolar o impacto.
- Meça a retenção de áudio em testes de grupo focal.
Feedback do cliente
Compartilhe amostras rápidas para validar o tom da marca antes da produção final.
Incorpore ajustes de pronúncia ou ritmo com base nas revisões do cliente.
Iteração rápida
A API permite gerar múltiplas versões em minutos, facilitando ajustes ágeis.
Gere novos áudios com variações de velocidade ou voz para atender a prazos apertados de produção.
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.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
