Entenda como funciona a API de Narração por Texto da VozViaja

Por Equipe editorial VozViaja · Atualizado 2026-11-19

Esta página detalha a infraestrutura técnica e a transparência da API VozViaja, desenvolvida especificamente para agências que produzem conteúdo narrado para museus e turismo. Aqui você entenderá como integramos nossa tecnologia ao seu pipeline de produção de áudio, garantindo consistência linguística e escalabilidade para guias de áudio e documentos narrados.

Exploramos a origem das vozes, a política de dados e as limitações técnicas reais da plataforma. Nosso foco é fornecer clareza sobre licenças, armazenamento de metadados e o funcionamento do endpoint padrão OpenAI, sem promessas excessivas. Leia para verificar se nossa arquitetura atende aos requisitos técnicos do seu projeto de turismo.

Entenda como funciona a API de Narração por Texto da VozViaja

Perguntas frequentes

A VozViaja é afiliada à OpenAI?

Não. A VozViaja é uma API independente. Utilizamos o mesmo formato de requisição e SDK da OpenAI apenas para conveniência, alterando apenas o base_url. Não somos afiliados à OpenAI, nem a Google, Amazon ou Microsoft. A infraestrutura e o processamento de áudio são totalmente gerenciados por nós.

Quem cria as vozes da API?

As vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0) e leituras de audiolivros de domínio público do LibriVox. Não oferecemos clonagem de voz personalizada nem design de vozes. As oito presenças vocais disponíveis são geradas a partir desses registros licenciados existentes.

O texto que envio é armazenado?

Não. O texto de entrada é utilizado exclusivamente para produzir o arquivo de áudio e não é armazenado para outros fins. O áudio gerado é retornado na resposta e também não é mantido em nossos servidores. Apenas os metadados da solicitação (tempo, caracteres, status) são guardados para faturamento.

Como entro em contato com o suporte?

O suporte é realizado exclusivamente por e-mail. Não possuímos número de telefone ou chat ao vivo. Para agências que precisam de assistência técnica ou comercial, envie sua mensagem diretamente para nosso endereço de e-mail. Não oferecemos SLA ou garantia de tempo de resposta.

A API tem garantia de uptime?

Não. Não oferecemos garantia de uptime (SLA) nem contrato empresarial. A API é processada em fila única, o que pode causar latência durante picos de carga. Não há garantia de disponibilidade contínua, mas garantimos que solicitações com falha terão o crédito devolvido integralmente.

Posso usar as vozes em comerciais?

Sim. As vozes são baseadas em licenciamento CC BY 4.0 e domínio público, permitindo uso comercial. Cada arquivo gerado possui uma marca d'água inaudível que identifica o áudio como síntese artificial. Não há restrição de uso para museus, turismo ou publicidade, desde que respeitados os termos da API.

Há certificado de segurança (SOC 2)?

Não. Não possuímos certificações como SOC 2, HIPAA ou GDPR. A infraestrutura é padrão para APIs de nuvem, mas não realizamos auditorias externas específicas para esses selos. O texto enviado é processado e descartado, sem uso para treinamento, mas não há garantia de conformidade regulatória específica.

A API é usada para treinar modelos?

Não. O texto de entrada enviado para a API é utilizado apenas para gerar o áudio correspondente à solicitação. Esse texto não é armazenado nem utilizado para treinar ou aprimorar nossos modelos de síntese de voz. Os dados são processados e descartados após a entrega do arquivo de áudio.

Quem somos

Ilustração de onda sonora para: Quem somos

A VozViaja é uma infraestrutura técnica de síntese de fala projetada para integrar-se diretamente ao pipeline de produção de áudio de agências especializadas em turismo e museus. Não somos uma marca de consumo final, mas uma API independente que fornece consistência linguística e escalabilidade para narrativas em áudio.

Equipe editorial

Equipe editorial

Nosso núcleo é composto por engenheiros e especialistas em áudio focados na estabilidade da API e na qualidade das vozes sintetizadas. Não possuímos departamento comercial tradicional; nosso produto é definido pelas especificações técnicas e pela performance do endpoint.

  • Foco em engenharia de áudio e APIs
  • Sem equipe de vendas dedicada

Foco em agências de turismo

Foco em agências de turismo

Desenvolvemos nossa solução para atender a demanda por guias de áudio e narrativas museológicas em múltiplos idiomas. A API permite que agências gerem centenas de horas de conteúdo sem depender de estúdios de gravação físicos, mantendo o controle total sobre o texto e o custo por caractere.

Independência de marcas

Independência de marcas

A VozViaja opera de forma independente, não afiliada a grandes provedores de nuvem ou concorrentes diretos. Utilizamos uma estrutura de endpoint compatível com o padrão OpenAI, mas nossa infraestrutura, preços e limites de taxa são geridos exclusivamente por nós, garantindo transparência total na cobrança e no uso dos dados.

Licenças das Vozes

Ilustração de onda sonora para: Licenças das Vozes

A qualidade sonora da VozViaja deriva diretamente de fontes audiolivro reconhecidas, garantindo uma base de voz natural e profissional. Entender a origem das vozes é essencial para agências que produzem conteúdo narrado para museus e turismo, onde a consistência e a clareza da narração são críticas.

Fonte LibriTTS-R

Fonte LibriTTS-R

Utilizamos o conjunto de dados LibriTTS-R, que serve como a base técnica para nossas oito vozes predefinidas. Essa escolha garante que o motor de síntese opere com dados de alta fidelidade, mantendo a naturalidade vocal necessária para guias de áudio e narrações turísticas.

Licença CC BY 4.0

O conjunto de dados LibriTTS-R é licenciado sob a Creative Commons Atribuição 4.0 Internacional. Isso permite o uso comercial de forma transparente, com a devida atribuição quando aplicável às diretrizes do conjunto de dados.

Gravações do LibriVox

As vozes são baseadas em gravações reais do projeto LibriVox, focado em audiobooks de domínio público. Cada voz (como Aria, Nova, Luna, Felix, Milo, Atlas, Orion e Sage) é derivada dessas gravações licenciadas, assegurando que o conteúdo seja original e livre de restrições adicionais.

  • Vozes baseadas em gravações de domínio público

Política de Dados

Ilustração de onda sonora para: Política de Dados

O texto enviado para síntese é processado exclusivamente para gerar o arquivo de áudio solicitado. Não mantemos cópias do conteúdo original após a entrega do resultado, garantindo que a entrada seja efêmera e restrita à tarefa de conversão.

Uso do texto apenas para geração

Seu conteúdo narrativo é utilizado estritamente para alimentar o motor de TTS e produzir a faixa de áudio. Uma vez entregue o arquivo final, o texto original não permanece armazenado nos nossos servidores.

Não usamos texto para treinamento

Diferente de outros modelos de linguagem, o texto que você envia não entra no nosso conjunto de dados de treinamento. Suas vozes e roteiros permanecem proprietários e não são utilizados para melhorar os nossos modelos base.

Armazenamento de metadados

Retemos apenas os metadados da requisição: data, horário, volume em caracteres e status (sucesso ou falha). Essa informação é essencial exclusivamente para a correta faturação e conferência de créditos na sua conta.

Infraestrutura Técnica

Ilustração de onda sonora para: Infraestrutura Técnica

A API utiliza o endpoint POST https://api.okidr.top/v1/audio/speech com corpo JSON, compatível com o formato de solicitação do OpenAI. SDKs oficiais da OpenAI funcionam alterando o base_url para https://api.okidr.top/v1 e usando a chave da API. Endpoints adicionais incluem GET /v1/voices e GET /v1/models para listar vozes, formatos e preços.

Endpoint padrão OpenAI

A integração é direta: envie texto e receba o arquivo de áudio. O campo input aceita até 4096 caracteres. Para textos longos, divida em partes e junte os arquivos de áudio resultantes. A autenticação usa o cabeçalho Authorization: Bearer tts-....

  • Modelos: tts-1 e tts-1-hd
  • Formatos: mp3, wav, opus, flac, pcm
  • Velocidade: 0.25–4.0

Processamento em nuvem

O processamento ocorre em nuvem, sequencialmente. O tempo médio é de cerca de 25 caracteres por segundo de áudio gerado. Em picos de carga, as solicitações podem aguardar na fila. Frases curtas levam alguns segundos para síntese.

Limites de taxa

Cada chave está sujeita a 60 solicitações por minuto. Antes do primeiro depósito, o limite é de 10 solicitações por minuto. O controle de taxa é aplicado por chave, garantindo previsibilidade para o pipeline de produção.

Infraestrutura Técnica

Suporte e Contato

Ilustração de onda sonora para: Suporte e Contato

Nosso suporte é exclusivamente por e-mail, focado em resolver questões técnicas e de faturamento para agências que integram nossa API em seus pipelines de produção. Não utilizamos chat ao vivo nem telefone para agilizar o fluxo de tickets e garantir que cada solicitação tenha registro detalhado.

Ao contatar-nos, inclua o ID da requisição e o modelo utilizado. Nossa equipe técnica analisa logs de geração e status de pagamento para fornecer soluções precisas, sem a necessidade de ligações ou expectativas de resposta instantânea via interface de chat.

Suporte por e-mail

Envie suas dúvidas ou reportes de falhas para o endereço de suporte indicado no painel. Priorizamos tickets que incluem detalhes do endpoint e código de erro, facilitando a reprodução do problema por nossa equipe de engenharia.

Sem chat ao vivo

Optamos por não oferecer chat ao vivo para manter o foco na qualidade da análise técnica. Isso evita a fragmentação de informações e garante que todas as dúvidas fiquem registradas no histórico do ticket, facilitando auditorias futuras.

Horário de resposta

Respondemos aos e-mails em horário comercial. Não garantimos tempo de resposta imediato, pois cada ticket é tratado com a devida análise técnica. Para urgências em produção, verifique a documentação de status codes para autoatendimento rápido.

Limitações Conhecidas

Ilustração de onda sonora para: Limitações Conhecidas

A VozViaja foi projetada para integração em pipelines de produção assíncronos, não para interatividade em tempo real. Entenda exatamente onde a tecnologia atual tem limites para evitar expectativas incompatíveis com o fluxo de trabalho de áudios-guias e conteúdo museológico.

Sem streaming em tempo real

A API retorna o arquivo de áudio completo após o processamento. Não há transmissão parcial ou WebSocket. Para textos longos, o tempo de espera inclui o processamento sequencial dos blocos de até 4096 caracteres, que podem levar alguns segundos dependendo da carga.

Sem SSML

Não há suporte para marcações de fala sintética (SSML) para controle fino de pausas ou entonação. A entonação é determinada automaticamente pelo modelo neural baseado no texto fornecido. Para nuances específicas, ajuste a redação do texto ou altere a velocidade via parâmetro speed.

Sem clonagem de voz

Oferecemos 8 vozes predefinidas baseadas em gravações licenciadas, mas não permitimos o upload de amostras para criar vozes personalizadas (cloning). Não há design de voz nem imitação de celebridades. Utilize as presets disponíveis para manter a consistência e os direitos autorais claros.

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.

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. Node.js documentation
  3. OpenAI API reference: create speech
  4. TRON developer hub: TRC-20
  5. curl documentation
  6. openai-python on GitHub
  7. openai-node on GitHub
  8. LibriTTS-R paper (arXiv 2305.18802)
  9. Python documentation
  10. FFmpeg documentation
  11. ISO 639 language codes
  12. IETF RFC 7845: Ogg Opus

Mais neste site