Perguntas frequentes
O que é uma API de texto para fala (TTS)?
É um serviço em nuvem onde você envia texto e recebe um arquivo de áudio. Utilizamos o endpoint POST para síntese, seguindo o formato JSON padrão. Isso permite integração direta no seu pipeline de produção de áudio, garantindo escalabilidade para agências de turismo e museus sem necessidade de infraestrutura própria.
Quais idiomas são suportados para narração?
Suportamos 23 idiomas: Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Swahili, Sueco e Turco. Qualquer voz pode falar qualquer um desses idiomas, garantindo consistência linguística para seus projetos narrativos.
A voz soa como um humano real?
As vozes são baseadas em gravações licenciadas de audiobooks públicos (LibriVox). Cada arquivo gerado carrega uma marca d'água inaudível que o identifica como fala sintética. A qualidade é clara e natural, mas a marcação indica explicitamente a origem gerada por inteligência artificial, diferentemente de gravações humanas.
Quanto custa gerar 1.000 caracteres?
O custo é de US$ 0,01 por 1.000 caracteres. O preço base é de US$ 10 por 1 milhão de caracteres, onde espaços e pontuação contam como caracteres. Pedidos falhos são gratuitos, com o valor devolvido integralmente, garantindo que você pague apenas pelo áudio gerado com sucesso.
Posso usar a API para audioguias de museus?
Sim. Nossa API foi projetada para integrar-se diretamente ao pipeline de produção de áudio de agências. Com suporte a múltiplos idiomas e formatos de áudio, garantimos consistência linguística e escalabilidade para audioguias, permitindo que você processe grandes volumes de texto narrativo para exposições e visitas turísticas.
As vozes têm sotaque regional específico?
Não oferecemos sotaques regionais específicos ou personalização de emoções. As 8 vozes predefinidas (como Aria, Nova, Luna, Felix, Milo, Atlas, Orion e Sage) têm timbres distintos, mas não são configuradas para dialectos específicos. O idioma é detectado automaticamente ou definido pelo campo 'language' na requisição.
O texto é usado para treinar o modelo?
Não. O texto de entrada é utilizado exclusivamente para produzir o áudio solicitado e não é usado para treinar nossos modelos. O áudio gerado é retornado na resposta e não é armazenado. Apenas os metadados da solicitação (tempo, caracteres, status) são mantidos para fins de faturamento.
Quantos caracteres posso enviar por pedido?
Cada requisição pode conter até 4.096 caracteres. Para textos mais longos, você deve dividi-los em partes dentro desse limite e juntar os arquivos de áudio resultantes. Isso garante processamento eficiente. Recomendamos o uso de SDKs ou scripts para gerenciar essa divisão e a concatenação dos arquivos.
O que acontece se a geração falhar?
Se a síntese falhar, não há cobrança. O valor é devolvido integralmente ao seu saldo. Isso garante que você pague apenas pelos áudios gerados com sucesso. Recomendamos implementar lógica de retry em sua aplicação para lidar com falhas temporárias ou limites de taxa sem perder crédito.
Como faço o pagamento da API?
O pagamento é feito via top-up em USDT na rede TRON (TRC-20). O valor mínimo é de US$ 5, e o crédito é creditado automaticamente em minutos. Não aceitamos cartões, PayPal ou assinaturas mensais. O saldo não expira, permitindo uso contínuo sem necessidade de renovação periódica.
Existe limite de velocidade de fala?
Sim, a velocidade pode ser ajustada entre 0,25x e 4,0x. A velocidade padrão gera áudio em tempo real aproximado (cerca de 25 caracteres por segundo). Para textos longos, isso otimiza o tempo de produção. Ajustes fora desse intervalo não são suportados pela API atual.
Posso baixar o arquivo de áudio em MP3?
Sim. Você pode solicitar os formatos mp3, wav, opus, flac ou pcm. Basta definir o campo 'response_format' na requisição JSON. O MP3 é ideal para distribuição web e aplicativos móveis devido ao seu tamanho reduzido, enquanto WAV e FLAC oferecem qualidade sem perda.
Há suporte técnico via telefone?
Não. Não oferecemos número de telefone nem chat ao vivo. O suporte é realizado exclusivamente por e-mail. Para questões técnicas ou de faturamento, entre em contato através do formulário de contato ou e-mail listado em nossa página de suporte.
Primeira solicitação
curl
curl https://api.okidr.top/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.mp3Como funciona a geração de áudio
Envie texto para nosso endpoint JSON padrão e receba arquivos de áudio prontos para audioguias e museus. A API aceita requisições POST com campos como model, input, voice e response_format, seguindo o mesmo formato da API de speech da OpenAI.
Endpoint JSON padrão
Utilize POST https://api.okidr.top/v1/audio/speech com autenticação Bearer. O corpo da requisição contém o texto a ser sintetizado, o modelo escolhido (tts-1 ou tts-1-hd), a voz desejada e o idioma opcional. Para textos longos, divida o conteúdo em partes de até 4.096 caracteres e junte os arquivos resultantes.
Formatos de saída
Selecione o formato de áudio adequado para sua infraestrutura de distribuição. Oferecemos suporte para mp3, wav, opus, flac e pcm. Cada formato é gerado diretamente na resposta da API, sem necessidade de conversão adicional.
- mp3, wav, opus, flac, pcm
Latência e velocidade
O processamento é sequencial e gera áudio em tempo real aproximado (cerca de 25 caracteres por segundo). Frases curtas podem levar alguns segundos. Sob carga, as requisições podem aguardar na fila, garantindo processamento consistente sem perdas.
Vozes disponíveis para turismo
O catálogo de VozViaja oferece oito vozes pré-definidas, projetadas para garantir clareza e consistência em produções de áudio para museus e turismo. Cada voz é baseada em gravações licenciadas (LibriTTS-R CC BY 4.0 e LibriVox), assegurando qualidade técnica sem necessidade de design customizado.
Essas vozes são otimizadas para diferentes tons narrativos, permitindo que agências escolham a voz mais adequada ao contexto do audioguia ou vídeo institucional, mantendo a neutralidade ou adicionando personalidade conforme necessário.
Narrador neutro e informativo
Atlas oferece uma voz neutra, ideal para notícias e informações diretas em audioguias. Sage traz um tom calmo e instrucional, perfeito para explicações técnicas em museus.
- Atlas: neutralidade para informações factuais
Vozes com tom documental
Orion possui uma voz profunda, adequada para documentários e narrativas históricas. Milo e Felix trazem energias distintas, mas mantêm a clareza necessária para o turismo.
- Orion: tom documental e imersivo
Personalidade e clareza
Aria, Nova e Luna oferecem tons mais quentes e envolventes. São úteis para vídeos institucionais que buscam conexão emocional, sem perder a inteligibilidade.
- Aria: narradora clara e quente
- Nova: tom vibrante e leve
Cobertura linguística
A API VozViaja suporta 23 idiomas, incluindo português, espanhol, inglês, francês, alemão, japonês e árabe. Cada voz pode emitir qualquer um desses idiomas, garantindo consistência fonética em audioguias multilíngues.
O campo language é opcional; se omitido, o sistema detecta o idioma pelo script (texto latino assume inglês por padrão). Para textos em línguas não nativas do script, defina o código ISO explicitamente.
Idiomas nativos suportados
Suporte completo para 23 idiomas, cobrindo as principais regiões turísticas e museus globais.
Arábico, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, sueco, suáili e turco.
- Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish
Detecção automática de idioma
Se o parâmetro language não for enviado, o modelo infere o idioma baseado nos caracteres do texto de entrada.
Textos em script latino são tratados como inglês por padrão. Para evitar erros de pronúncia em outras línguas latinas (ex: português ou espanhol), especifique o código ISO.
Limitações de idiomas
Nem todos os idiomas do mundo estão disponíveis. O sistema não suporta vietnamita, indonésio, tailandês, ucraniano, romeno, checo, bengali e outras línguas não listadas.
Certifique-se de que o idioma do seu conteúdo está na lista de suporte antes de integrar ao pipeline de produção.
- Não suportado: Vietnamese, Indonesian, Thai, Ukrainian, Romanian, Czech, Bengali, e outros não listados.
Estrutura de preços
O custo é de $10 por 1 milhão de caracteres, equivalente a $0,01 por 1.000 caracteres. Espaços e pontuação contam como caracteres. Requisições falhas são gratuitas, com estorno total.
Custo por caractere
O cálculo é direto por volume de texto. Não há planos mensais, assentos ou gasto mínimo. O saldo não expira.
Modelos tts-1 e tts-1-hd
Os modelos tts-1 e tts-1-hd utilizam o mesmo motor de síntese e possuem o mesmo preço. A escolha não impacta o custo final por caractere.
Pagamento via USDT
O pagamento é feito exclusivamente com USDT na rede TRON (TRC-20). O valor mínimo para recarga é de $5. O crédito é adicionado automaticamente em poucos minutos após a transferência.
- Não aceitam cartões, PayPal ou faturas com IVA.
Casos de uso: Museus e Turismo
Transforme coleções estáticas em experiências auditivas escaláveis. Nossa API permite gerar audioguias completos para museus, integrando diretamente ao pipeline de produção de áudio das agências, garantindo consistência linguística entre as diferentes alas e exposições.
Audioguias autônomos
Gere narrativas para pontos de interesse específicos com latência previsível. O formato de saída direto permite a distribuição automática para aplicativos móveis ou players de áudio in-site, sem necessidade de estúdios de gravação físicos para cada nova atualização de conteúdo.
- Integração direta no pipeline de produção
- Consistência de tom em múltiplos pontos
Vídeos institucionais
Produza trilhas sonoras narradas para vídeos promocionais de destinos turísticos. A velocidade de geração próxima ao tempo real permite atualizações rápidas de campanhas, utilizando vozes como atlas para tom neutro ou orion para documentários.
- Geração rápida para campanhas sazonais
- Vozes com tom documental e informativo
Conteúdo multilíngue
Suporte nativo para 23 idiomas permite atender turistas internacionais sem contratar múltiplos locutores. A detecção automática de script reduz erros, enquanto a opção de definir o idioma ISO garante precisão para textos em latim que não sejam inglês.
- 23 idiomas suportados
- Detecção automática de script

Integração técnica
A integração utiliza o endpoint padrão JSON, permitindo que agentes de turismo integrem a geração de áudio diretamente ao seu pipeline de produção. O serviço é acessível via HTTP, sem necessidade de bibliotecas proprietárias ou plugins específicos.
O sistema aceita requisições síncronas, retornando arquivos de áudio processados. Essa arquitetura garante consistência técnica e escalabilidade para grandes volumes de conteúdo narrativo.
SDK OpenAI compatível
O endpoint POST https://api.okidr.top/v1/audio/speech segue a mesma estrutura de corpo de requisição do OpenAI. Isso permite o uso das SDKs oficiais do OpenAI, basta ajustar o base_url para https://api.okidr.top/v1 e substituir a chave de API.
Essa compatibilidade facilita a migração ou o uso conjunto com ferramentas existentes, mantendo a lógica de chamada padrão para conversão de texto em fala.
Autenticação via Bearer
A comunicação é protegida pelo cabeçalho Authorization: Bearer <sua-chave>. Cada conta possui uma chave ativa por site, que pode ser renovada a qualquer momento através do painel.
O uso de tokens Bearer garante que apenas integrações autorizadas consumam os recursos da API, mantendo o controle de acesso simples e padrão para desenvolvedores.
Limites de requisição
O limite atual é de 60 requisições por minuto por chave. Antes da primeira recarga, o limite é de 10 requisições por minuto.
Textos longos devem ser divididos em partes de até 4096 caracteres e unidos posteriormente. Sob carga, as requisições podem aguardar na fila de processamento.
Qualidade e Licenças
Nossas vozes são construídas a partir de gravações licenciadas (LibriTTS-R, CC BY 4.0) e leituras de domínio público do LibriVox. Isso garante uma base acústica estável e legalmente clara para a produção em escala de audioguias e conteúdo narrado.
Baseado em gravações licenciadas
A síntese não utiliza clonagem personalizada de vozes humanas reais. Cada voz (como Aria, Felix ou Atlas) é um preset baseado em dados de domínio público ou licenciados, garantindo consistência técnica sem direitos de imagem de celebridades.
Marca d'água sintética
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso facilita a distinção entre gravações humanas e geradas por API em grandes acervos de museus.
Uso de dados para treinamento
O texto enviado para síntese não é utilizado para treinar nossos modelos de IA. Os dados de entrada são processados para gerar o áudio e não entram no ciclo de aprendizado do modelo.
Suporte e Conta
A criação da chave de API ocorre na página /get-api-key/, com opções de login via Google ou email. Cada conta mantém apenas uma chave ativa; a emissão de uma nova invalida a anterior instantaneamente, garantindo controle preciso sobre o acesso à infraestrutura de síntese.
Criação de chave API
O painel exibe a chave atual, saldo, crédito de teste e o histórico de uso. Para auditoria, os metadados das requisições (tempo, caracteres, status) são conservados, mas o texto original não é armazenado após a geração do áudio.
Suporte por e-mail
Diferente de grandes provedores, não oferecemos chat ao vivo, telefone ou SLA de disponibilidade. O suporte é exclusivamente por e-mail, ideal para equipes de engenharia que preferem registrar solicitações técnicas de forma assíncrona.
Saldo sem expiração
O saldo acumulado via top-up em USDT (TRC-20) não possui validade. Isso permite que agências gerenciem o orçamento de produção de audioguias sem a pressão de planos mensais ou renovações automáticas.
Comece agora
A API está pronta para integrar áudio narrado ao seu pipeline de produção. Crie sua conta em /get-api-key/ para gerar a chave de acesso e começar a enviar requisições imediatamente.
Crédito inicial gratuito
Registre-se com o Google para receber $0,50 de crédito, válido por 7 dias. Isso equivale a cerca de 50.000 caracteres para testes iniciais de audioguias ou amostras de conteúdo.
Top-up mínimo
O saldo não expira. Recarregue enviando USDT na rede TRON (TRC-20), com mínimo de $5. O crédito é creditado automaticamente em minutos, permitindo escalabilidade sem planos mensais.
Exemplo de curl
Use o endpoint padrão para gerar áudio. Substitua YOUR_KEY pela sua chave e selecione a voz adequada ao tom do museu.
curl -X POST https://api.okidr.top/v1/audio/speech \ -H "Authorization: Bearer YOUR_KEY" \ -H "Content-Type: application/json" \ -d '{"model": "tts-1", "input": "Bem-vindo ao museu", "voice": "atlas", "response_format": "mp3"}'
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Em museus históricos, a fidelidade e a clareza são prioritárias.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
Fontes e leituras adicionais
- Wikipedia
- openai-python on GitHub
- LibriTTS-R paper (arXiv 2305.18802)
- curl documentation
- Creative Commons Attribution 4.0
- FFmpeg documentation
- LibriVox public-domain audiobooks
- TRON developer hub: TRC-20
- LibriTTS-R corpus (OpenSLR 141)
- Python documentation
- W3C WAI: making audio and video accessible
- ISO 639 language codes
