Como Criar Vinhetas com Texto para Voz Rápido?

Por Equipe editorial VozSpot · Atualizado 2026-11-18

Neste guia, você aprende a gerar vinhetas de rádio e spots publicitários com texto para voz, usando a API do VozSpot. Ideal para agências que precisam de áudios profissionais sem contratar locutores adicionais.

Descubra como escolher vozes, ajustar velocidade e otimizar custos. Receba arquivos de áudio prontos para sua DDA via endpoints simples, focando na criação enquanto nossa infraestrutura cuida da síntese.

Como Criar Vinhetas com Texto para Voz Rápido?

Perguntas frequentes

O que é texto para voz?

É uma API que converte texto em arquivo de áudio. Você envia o texto e recebe o arquivo pronto. Ideal para vinhetas de rádio e spots publicitários, permitindo criar áudios profissionais sem estúdio.

Como funciona a API?

Envie um POST para /v1/audio/speech com o texto, voz e idioma. Receba o áudio em formatos como mp3 ou wav. Use SDKs OpenAI ou HTTP direto. Autentique com seu token Bearer.

Quais vozes usar para vinhetas?

Use Felix para promoções energéticas ou Milo para conversas amigáveis. Atlas é neutro para notícias, enquanto Orion traz profundidade para documentários. Aria e Luna são ótimas para narrações claras e suaves.

Qual formato de áudio escolher?

Escolha mp3 para web, wav para alta qualidade ou opus para eficiência. FLAC e PCM também estão disponíveis. O formato não altera o preço, apenas o tamanho do arquivo final.

Quanto tempo leva para gerar?

Textos longos geram áudio em tempo real (25 caracteres por segundo). Frases curtas levam alguns segundos. Sob carga, pode haver fila. O processamento é sequencial, garantindo consistência.

Posso ajustar a velocidade?

Sim, ajuste a velocidade entre 0.25 e 4.0. Isso permite acelerar vinhetas rápidas ou desacelerar para ênfase. A configuração é feita diretamente no corpo da requisição da API.

O texto precisa ter pontuação?

A pontuação ajuda na entonação natural. O sistema detecta o idioma pelo script, mas defina o idioma explicitamente para textos em português para evitar erros de pronúncia.

As vozes têm sotaque?

As vozes são baseadas em gravações licenciadas e falam os idiomas de forma neutra. Defina o idioma 'pt' para garantir a pronúncia correta.

Posso usar em rádio?

Sim, o áudio é profissional e pronto para broadcast. As vozes são licenciadas e adequadas para spots. O áudio gerado é sintético, mas soa natural e claro.

O áudio tem marca d'água?

Sim, cada arquivo gerado carrega uma marca d'água inaudível que identifica o áudio como fala sintética. Isso garante a origem do conteúdo gerado pela nossa infraestrutura.

Qual o custo de uma vinheta?

O custo é $0.01 por 1.000 caracteres. Vinhetas curtas custam centavos. O preço é fixo por caractere, incluindo espaços e pontuação. Falhas na síntese são gratuitas.

Preciso de software específico?

Não. Use HTTP direto ou SDKs OpenAI. Basta alterar o base_url para nossa API. Funciona em qualquer ambiente que suporte requisições JSON e autenticação Bearer.

Posso usar em vídeos?

Sim, os formatos mp3 e wav são compatíveis com editores de vídeo. Gere o áudio via API e importe para sua edição. Ideal para redes sociais e YouTube.

Existe limite de uso?

Sim, 60 requisições por minuto por chave. Textos longos devem ser divididos em partes de 4096 caracteres. O limite é por chave ativa, não por conta.

O que é texto para voz para vinhetas

Ilustração de onda sonora para: O que é texto para voz para vinhetas

O VozSpot é uma API de conversão de texto em fala que transforma roteiros em arquivos de áudio prontos para uso. Você envia o texto e recebe o arquivo final, sem necessidade de estúdios complexos.

Para agências, isso significa gerar vinhetas e spots de rádio com agilidade, mantendo o foco criativo enquanto a infraestrutura cuida da síntese de voz.

Definição técnica

A API recebe texto via JSON e retorna áudio em formatos como MP3 ou WAV. O processo é assíncrono: você envia a requisição e baixa o arquivo gerado.

Não há streaming em tempo real nem suporte a SSML. O sistema utiliza uma API de texto para fala para converter texto em áudio.

  • Endpoint RESTful simples
  • Retorno em formatos padrão (mp3, wav, opus)
  • Sem necessidade de hardware dedicado

Uso em publicidades

Vinhetas de abertura, encerramento e spots promocionais ganham consistência tonal. Ideal para campanhas que exigem múltiplas variações de texto sem contratar novos locutores.

Agências podem testar rapidamente diferentes mensagens para o mesmo produto, otimizando a produção de conteúdo para rádio e web.

Vantagens sobre atores

Elimina custos de reserva de estúdio e locutores para projetos pontuais. A velocidade de geração permite iterar roteiros em minutos, não dias.

Permite escalabilidade imediata: gere dez vinhetas diferentes com a mesma voz consistente, sem variações de performance humana.

  • Sem custos de hora extra de estúdio
  • Geração instantânea
  • Consistência de voz garantida

Escolhendo a voz certa

Ilustração de onda sonora para: Escolhendo a voz certa

A escolha da voz define a identidade sonora da sua vinheta. O catálogo oferece oito opções distintas, divididas entre vozes femininas e masculinas, cada uma calibrada para diferentes contextos de comunicação.

Vozes masculinas e femininas

Para narrativas mais calmas e institucionais, a Luna (feminino) e o Atlas (masculino) oferecem neutralidade e clareza. Já para spots dinâmicos, a Nova e o Felix trazem a energia necessária para prender a atenção do ouvinte rapidamente.

  • Aria: narradora clara e quente
  • Felix: energético e promocional
  • Luna: suave para storytelling
  • Atlas: neutro para notícias

Tom institucional

O Sage e o Milo são ideais para mensagens que exigem confiança sem agressividade. O Sage traz uma postura instrucional, enquanto o Milo mantém uma conversa próxima, ideal para marcas que desejam humanizar sua comunicação institucional.

Energia para promoções

O Orion, com sua voz grave, e o Felix são perfeitos para promoções que precisam de impacto imediato. Use a velocidade ajustável (0,25–4,0) para acelerar o ritmo da mensagem comercial, garantindo que o call-to-action seja claro e urgente.

Ajustando velocidade e tom

Ilustração de onda sonora para: Ajustando velocidade e tom

A velocidade é um parâmetro crítico na produção de vinhetas, pois o ritmo dita o impacto emocional do spot. Nossa API permite ajustar a velocidade entre 0.25x e 4.0x, dando controle preciso sobre a fluidez da fala. Isso é essencial para sincronizar a voz com imagens ou trilhas sonoras em publicidades rápidas.

Não existe uma velocidade universal, mas vozes como Felix ou Nova funcionam melhor em ritmos mais acelerados para promoções, enquanto Atlas ou Orion mantêm a clareza em velocidades padrão. O ajuste fino evita que a vinheta soe robótica ou apressada demais.

Velocidade ideal para vinhetas

Textos institucionais podem permanecer em 1.0x, enquanto chamadas de ação urgentes beneficiam-se de 1.3x a 1.5x.

  • Use 1.0x-1.2x para narrativas padrão.
  • Ajuste para 1.3x-1.5x em promoções de tempo limitado.
  • Limite superior recomendado: 2.0x para manter clareza.

Ajuste de parâmetros

O parâmetro speed na requisição JSON aceita valores decimais com duas casas (ex: 1.25). A API processa essas solicitações sequencialmente, garantindo consistência no render.

Não há controle de tom ou pitch separado; o tom é inerente à voz escolhida. O controle de velocidade altera a duração, mas não a entonação base da voz selecionada.

  • Formato decimal: 0.25 a 4.0.
  • Sem controle de pitch independente.
  • Aplicação imediata na geração.

Teste de ritmo

Isso permite verificar se a articulação está clara na velocidade escolhida.

Compare a versão original com a ajustada para identificar perda de palavras-chave. A velocidade afeta diretamente a percepção de urgência ou calma do spot.

  • Teste trechos de 5 segundos.
  • Verifique articulação em alta velocidade.
  • Ajuste baseado na clareza, não apenas na duração.

image":

Formatos de arquivo

Ilustração de onda sonora para: Formatos de arquivo

Escolher o formato certo é crucial para o fluxo de trabalho de vinhetas. O MP3 oferece compactação eficiente, ideal para entrega rápida e armazenamento leve, enquanto o WAV preserva a integridade áudio-crítica para edições finais em DAWs.

Por que usar MP3

O MP3 é o padrão para distribuição e testes rápidos. Com compressão perceptual, reduz o tamanho do arquivo mantendo uma qualidade auditiva muito boa para vinhetas curtas. É a escolha ideal quando você precisa enviar o arquivo para aprovação ou integrá-lo em plataformas que exigem carregamento rápido.

  • Compatível com quase todos os players e editores
  • Tamanho reduzido facilita o envio por email ou nuvem
  • Ideal para versões de aprovação e uso em web

Qualidade WAV

O WAV é o formato não comprimido, preferido para a masterização final. Ao importar para sua DAW, ele garante que nenhuma informação de frequência seja descartada, permitindo ajustes precisos de equalização e compressão sem gerar artefatos. É essencial para vinhetas que passarão por processamento pesado.

  • Formato lossless (sem perda de qualidade)
  • Padrão indústria para edição profissional
  • Mantém toda a dinâmica da voz sintetizada

Tamanho do arquivo

Vinhetas são geralmente curtas, mas o formato impacta o peso final. Para arquivos de até 4096 caracteres, o tempo de geração é rápido, mas o formato escolhido define o tamanho final do asset entregue.

  • MP3: ideal para agilidade e espaço
  • WAV: maior peso, máxima fidelidade
  • Opção FLAC para perda zero com compressão leve

Processo de criação

Ilustração de onda sonora para: Processo de criação

O processo de criação de vinhetas no VozSpot é direto: você escreve o texto, envia para nossa API e recebe o arquivo de áudio pronto. Sem burocracia, apenas o resultado final para sua produção.

Escrever o roteiro

Defina o texto com precisão, respeitando o limite de 4.096 caracteres por solicitação. Use pontuação clara para controlar pausas naturais, pois a API não suporta SSML.

  • Mantenha frases curtas para melhor clareza
  • Evite caracteres especiais não padrão

Enviar para API

Utilize o endpoint POST https://api.play33l.com/v1/audio/speech com sua chave de API. Selecione o modelo tts-1 ou tts-1-hd, a voz adequada e o idioma 'pt-BR' para garantir a pronúncia correta.

Receber o áudio

A resposta da API contém o arquivo de áudio no formato escolhido (mp3, wav, etc.). O tempo de geração é de aproximadamente tempo real para textos longos (cerca de 25 caracteres por segundo), mas frases curtas levam alguns segundos.

Tratamento de texto

Ilustração de onda sonora para: Tratamento de texto

O tratamento preciso do texto é o que separa uma vinhetas profissional de uma leitura robótica. Como o VozSpot não utiliza SSML, a pontuação e a estrutura do texto escrito ditam diretamente as pausas, o ritmo e a entonação da voz sintetizada. Pequenos ajustes no roteiro fazem toda a diferença na naturalidade final.

Pontuação correta

Use vírgulas para pausas curtas e pontos finais para interrupções mais longas. A API interpreta esses sinais como instruções de prosódia. Evite excessos: muitas vírgulas podem tornar a leitura truncada, enquanto a ausência de pontos finais pode fazer a voz continuar sem respiração, soando artificial.

  • Vírgula: pausa breve, para listar itens ou fazer respiração rápida
  • Ponto final: pausa longa, para encerrar uma ideia ou frase completa
  • Dois pontos: pausas moderadas, úteis para introduzir explicações ou citações

Quebras de linha

Pressionar Enter no meio de um texto não garante uma pausa maior que a de uma vírgula. Para criar uma quebra de ritmo mais significativa entre frases ou parágrafos, use dois pontos finais seguidos ou uma reticência. Isso sinaliza à API que há uma mudança de tom ou ideia.

  • Uma quebra de linha física não altera significativamente a síntese
  • Use reticências (...) para pausas dramáticas ou reflexivas
  • Pontuação repetida (?! ou !!) pode ajustar a intensidade

Caracteres especiais

Símbolos como %, @, # ou / podem ser lidos literalmente de forma estranha pela API. Para garantir a pronúncia correta em vinhetas publicitárias, escreva os valores por extenso (por exemplo, 'trinta por cento' em vez de '30%'). Isso evita que a voz tente ler o símbolo como uma palavra.

  • Escreva números e símbolos por extenso para clareza
  • Evite caracteres não alfabéticos quando possível
  • Teste abreviações comuns antes da produção final

Idiomas e sotaques

Ilustração de onda sonora para: Idiomas e sotaques

O VozSpot suporta 23 idiomas, incluindo português, espanhol e inglês. Cada voz pode articular qualquer idioma da lista, garantindo versatilidade para campanhas internacionais sem necessidade de múltiplas contratações.

Português brasileiro

O português é uma das línguas nativas suportadas. As vozes como Luna e Nova entregam clareza e naturalidade adequadas para vinhetas publicitárias locais.

Sotaques neutros

Para evitar regionalismos indesejados, utilize vozes como Atlas ou Sage. Elas oferecem um tom mais uniforme e profissional, ideal para marcas que buscam consistência em todo o território nacional.

Definição de idioma

Embora o sistema tente adivinhar o idioma pelo script, é recomendável definir o parâmetro language explicitamente. Isso evita erros de pronúncia em textos em latim que não sejam inglês, pois o padrão é o inglês.

  • Idiomas suportados: 23 opções
  • Texto em latim padrão para inglês se não especificado
  • Suporte para árabe, chinês, japonês e outros
Idiomas e sotaques

Exemplos de vinhetas

Ilustração de onda sonora para: Exemplos de vinhetas

A API converte roteiros curtos em áudio em segundos, ideal para vinhetas de rádio e spots digitais. O limite de 4096 caracteres permite roteiros completos em uma única requisição.

Exemplos práticos demonstram como diferentes vozes e velocidades adaptam o tom da mensagem para diferentes formatos de veiculação.

Vinheta de abertura

Use a voz Aria para narrativas claras ou Felix para energia promocional. A velocidade padrão (1.0) mantém a clareza, enquanto vinhetas rápidas podem usar 1.5x.

Exemplo: 'Você está no ar, VozSpot. Conectando você ao melhor conteúdo.'

  • Tom: profissional e convidativo
  • Duração: 5-10 segundos

Spots de promoção

Vozes como Nova ou Felix transmitem urgência e entusiasmo. Ajuste a velocidade para 1.2x-1.5x para spots dinâmicos de 15 a 30 segundos.

Exemplo: 'Aproveite 20% de desconto hoje! Oferta válida até meia-noite.'

  • Tom: entusiasmado e direto
  • Velocidade: 1.2x a 1.5x

Avisos institucionais

Atlas ou Sage oferecem neutralidade e clareza para avisos de sistema ou informações corporativas. Mantenha a velocidade em 1.0x para máxima compreensão.

Exemplo: 'Seu áudio será processado em breve. Aguarde por favor.'

  • Tom: neutro e informativo
  • Clareza: prioridade sobre velocidade

Integração no fluxo de trabalho

Ilustração de onda sonora para: Integração no fluxo de trabalho

Para agências que produzem vinhetas em volume, a integração via API elimina o gargalo de estúdio. Você pode gerar áudios de vinhetas diretamente do seu sistema de gestão ou planilha de roteiro, sem precisar abrir um software de áudio para cada texto.

Automação de geração

Utilize um script simples (Python, Node.js) para ler um arquivo CSV com seus roteiros e disparar as chamadas para POST /v1/audio/speech. Cada vinhetas é processada em fila, permitindo gerar centenas de variações de tom e velocidade em minutos.

  • Leitura de CSV ou JSON com os textos das vinhetas
  • Loop automatizado enviando cada texto para a API
  • Recebimento dos arquivos de áudio prontos para download

API em scripts

O endpoint aceita JSON padrão, compatível com SDKs existentes. Você define o voice (ex: nova para promos, sage para institucional) e o speed (até 4.0x) diretamente no código. Isso garante consistência absoluta entre todas as vinhetas geradas.

  • Configuração de base_url para https://api.play33l.com/v1
  • Definição de parâmetros de velocidade e formato via código
  • Autenticação via Bearer token da sua conta

Integração com DAW

Os arquivos gerados (MP3, WAV, FLAC) são entregues prontos para importação no seu software de edição (Pro Tools, Audition, Reaper). Como não há SSML ou marcação complexa, a integração é puramente de arquivo: você importa o áudio final e aplica seus efeitos de mixagem.

  • Exportação direta para MP3, WAV, OPUS, FLAC ou PCM
  • Compatibilidade nativa com qualquer DAW moderna
  • Sem necessidade de plugins proprietários ou SDKs específicos

Controle de qualidade

Ilustração de onda sonora para: Controle de qualidade

O controle de qualidade é essencial para vinhetas, já que a síntese é síncrona e erros de pronúncia são irreversíveis no áudio final. Como não há SSML, a precisão depende da estrutura textual enviada.

Este processo garante que a voz soe natural e que o ritmo corresponda à expectativa criativa antes do envio para a DAW ou plataforma de rádio.

Verificação de pronúncia

Revise abreviações e números. Use pontos finais para pausas curtas e vírgulas para variações de entonação. A voz não entende convenções complexas sem marcação explícita.

Teste combinações de sílabas ambíguas. Ajuste a velocidade entre 1.0 e 1.5 para vinhetas rápidas, mas verifique se a clareza se mantém.

  • Evite abreviações sem contexto (ex: "Sr." pode ser lido como "senhor" ou "serra").
  • Use "etc." com ponto para garantir a pausa correta no final da lista.
  • Teste números decimais e datas ("12.05" vs "12 de maio").

Testes de audição

Gere o áudio completo e ouça em fones de ouvido profissionais. Verifique se as transições entre frases são suaves e sem cortes bruscos.

Compare o texto original com o áudio gerado. Certifique-se de que o tom emocional (alegre, sério, urgente) está alinhado com o roteiro.

Verifique a velocidade: vinhetas de rádio geralmente exigem ritmo acelerado, mas sem perder a dicção.

  • Ouça em diferentes dispositivos (celular, computador, carro).
  • Verifique se há ruídos de respiração ou pausas indesejadas.
  • Confirme se a entonação final não cai abruptamente.

Aprovação final

Após os testes, o arquivo está pronto para integração no fluxo de trabalho. Salve o MP3 ou WAV no formato exigido pela plataforma de distribuição.

Registre o custo por vinheta para controle de gastos. Lembre-se que falhas na geração são gratuitas, mas sucessos cobram por caractere.

O áudio gerado é sintético e contém uma marca d'água inaudível, identificando-o como produzido pela API.

  • Exporte em MP3 para web ou WAV para alta fidelidade.
  • Arquive o texto original e a voz usada para referência futura.
  • Não há garantia de uptime.

Custo por vinheta

Ilustração de onda sonora para: Custo por vinheta

O custo do VozSpot é simples: US$ 10 por milhão de caracteres, o que equivale a US$ 0,01 por mil caracteres. Espaços e pontuação contam como caracteres, então o tamanho do seu roteiro define o preço final.

Cálculo de caracteres

Cada solicitação aceita até 4096 caracteres. Textos longos são divididos e unidos automaticamente. O cálculo é linear e transparente: você paga exatamente pelo volume de texto enviado.

  • Preço fixo: $0.01 por 1.000 caracteres

Previsão de gastos

Antes de enviar, conte seus caracteres. Créditos iniciais de $0,50 (via Google) cobrem cerca de 50.000 caracteres. Recargas via USDT (TRC-20) são automáticas e não expiram.

Otimização de texto

Pontuação eficiente reduz caracteres desnecessários. Remova espaços extras e mantenha o texto conciso para manter o ritmo da vinheta sem aumentar a conta.

  • Remova espaços duplos

Direitos e licenciamento

Ilustração de onda sonora para: Direitos e licenciamento

O VozSpot permite uso comercial ilimitado dos áudios gerados. Não há taxas de licença adicionais por reprodução ou veiculo, seja para rádio AM/FM, podcasts ou digital. A infraestrutura é projetada para agências que precisam de volume constante sem burocracia jurídica.

A clareza nos direitos garante que você possa focar na criatividade da campanha sem preocupações com auditorias de uso.

Uso comercial

Todos os arquivos gerados podem ser utilizados em campanhas publicitárias, vinhetas de rádio e conteúdos digitais. Não há restrição de meio ou plataforma. O cliente final da agência usa o áudio livremente.

Licença das vozes

As vozes são baseadas em gravações licenciadas (LibriTTS-R, CC BY 4.0) e leituras de domínio público (LibriVox). Isso assegura que a base vocal não impõe restrições extras ao uso comercial do áudio final gerado pela API.

Marca d'água

Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso é transparente para o ouvinte final e não afeta a qualidade sonora nem a aceitação em veículos de rádio tradicionais.

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. LibriTTS-R paper (arXiv 2305.18802)
  3. openai-python on GitHub
  4. MDN: Web Speech API
  5. TRON developer hub: TRC-20
  6. Tether (USDT)
  7. LibriVox public-domain audiobooks
  8. OpenAI API reference: create speech
  9. curl documentation
  10. ISO 639 language codes
  11. LibriTTS-R corpus (OpenSLR 141)
  12. Creative Commons Attribution 4.0

Mais neste site