Perguntas frequentes
O que é uma API de texto para voz?
É uma API em nuvem onde você envia texto e recebe um arquivo de áudio. Basta enviar uma requisição POST para o endpoint /v1/audio/speech com o texto e as configurações desejadas, como modelo e voz, para obter o arquivo de áudio sintetizado.
Como converter texto em voz grátis para minha aplicação?
Crie uma conta em /get-api-key/ usando o Google para receber US$ 0,50 de crédito gratuito válido por 7 dias. Use essa chave de API para fazer requisições à API. O crédito permite gerar aproximadamente 50.000 caracteres sem custo adicional imprevisto.
Quais idiomas são suportados pela API?
A API suporta 23 idiomas: Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Suaíli, Sueco e Turco. Qualquer voz pode falar qualquer um desses idiomas.
As vozes são baseadas em pessoas reais?
Sim, as vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0), que provêm de leituras de audiolivros de domínio público do LibriVox. Cada arquivo gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética.
Qual o custo por caractere na API?
O custo é de US$ 10 por 1 milhão de caracteres, ou US$ 0,01 por 1.000 caracteres. Espaços e pontuação contam como caracteres. Solicitações falhas são gratuitas e o valor é devolvido integralmente se a síntese não for concluída com sucesso.
Posso usar o SDK da OpenAI com esta API?
Sim, o formato da requisição é idêntico ao endpoint de fala da OpenAI. Você pode usar os SDKs oficiais da OpenAI alterando apenas o base_url para https://api.552x.info/v1 e utilizando sua chave de API específica deste serviço.
O texto enviado é usado para treinar o modelo?
Não. O texto de entrada é usado exclusivamente para produzir o áudio solicitado e não é utilizado para treinar o modelo. O áudio gerado é retornado na resposta e não é armazenado, mantendo-se apenas metadados de solicitação para faturamento.
Quais formatos de áudio posso receber?
Você pode receber o áudio nos formatos mp3, wav, opus, flac ou pcm. Basta especificar o response_format desejado na requisição JSON enviada para o endpoint de fala. Todos os formatos são processados com a mesma velocidade e qualidade.
Qual a velocidade média de geração de áudio?
A velocidade é aproximadamente em tempo real, gerando cerca de 25 caracteres de texto por segundo de áudio. Para textos longos, isso equivale à velocidade de reprodução. Frases curtas podem levar alguns segundos devido ao processamento sequencial.
Como funciona o limite de requisições?
O limite é de 60 requisições por minuto por chave de API. Antes do primeiro recarga, o limite é de 10 requisições por minuto. As requisições são processadas em fila, podendo haver espera sob carga intensa, mas sem custo adicional.
Posso clonar vozes personalizadas?
Não. A API oferece apenas 8 vozes predefinidas (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Não há recurso de clonagem de voz personalizada, nem envio de arquivos de áudio para criação de novas vozes ou design de voz.
Existe suporte por telefone?
Não. O suporte é realizado exclusivamente por e-mail. Não há número de telefone, chat ao vivo ou suporte presencial disponível para dúvidas técnicas ou sobre faturamento. A comunicação é feita diretamente via endereço de e-mail fornecido na plataforma.
Quais são os modelos de voz disponíveis?
Os modelos são: tts-1 e tts-1-hd, que usam o mesmo motor e preço. Você pode escolher entre 8 vozes predefinidas (femininas e masculinas) e ajustar a velocidade entre 0.25 e 4.0, além de definir o idioma explicitamente se necessário.
O que acontece se uma solicitação falhar?
Se a síntese falhar, a cobrança é devolvida integralmente. Você não paga pelo caractere processado se o áudio não for gerado com sucesso. O status da solicitação indicará o erro, permitindo que você reenvie ou ajuste os parâmetros.
Primeira solicitação
curl
curl https://api.552x.info/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 conversão de texto em voz
Transforme textos em áudio com uma única chamada POST para o endpoint /v1/audio/speech. Envie o texto em formato JSON, defina o modelo (tts-1 ou tts-1-hd), a voz e o idioma. O sistema processa o pedido e retorna o arquivo de áudio gerado, pronto para uso em suas plataformas de mídia.
O processo é direto e eficiente. Você não precisa gerenciar servidores ou codecs complexos. Basta configurar sua chave de API e enviar os dados. Receba o áudio, mantendo o controle sobre o formato e a velocidade da fala para cada notícia ou boletim.
Envio de texto via JSON
Utilize o método POST com corpo JSON contendo os campos model, input, voice, response_format e speed. O texto de entrada pode ter até 4096 caracteres por solicitação. Para textos longos, divida o conteúdo e una os arquivos de áudio resultantes.
Autentique sua solicitação com o cabeçalho Authorization: Bearer sua-chave-aqui. A API aceita os formatos mp3, wav, opus, flac e pcm, garantindo compatibilidade com qualquer player de áudio moderno.
- Campo
input: texto a ser convertido (máx. 4096 caracteres). - Campo
voice: escolha entre 8 presets (ex: aria, atlas). - Cabeçalho de autenticação:
Bearer tts-....
Recebimento de áudio instantâneo
Os arquivos de áudio são retornados diretamente na resposta da API. Para textos curtos, o tempo de geração é de alguns segundos. Para textos longos, a velocidade é aproximadamente de tempo real (25 caracteres por segundo).
Se a síntese falhar, não há cobrança. O saldo é devolvido integralmente, garantindo que você pague apenas pelo áudio gerado com sucesso. Use a velocidade ajustável (0.25 a 4.0) para otimizar o tempo de processamento.
Integração com SDKs existentes
A estrutura de requisição é idêntica à da API de speech da OpenAI. Isso permite que equipes de produto usem os SDKs oficiais da OpenAI, alterando apenas o base_url para https://api.552x.info/v1.
Essa compatibilidade facilita a migração e o uso em aplicativos já existentes. Não é necessário aprender uma nova biblioteca; utilize o código que já domina para integrar voz à sua aplicação de notícias.
- SDKs da OpenAI funcionam com ajuste de
base_url. - Endpoint compatível:
/v1/audio/speech. - Formato de resposta padrão JSON.
Vozes naturais para conteúdo de mídia
As API VozNoticia oferece oito vozes licenciadas de audiolivros, ideais para equipes de produto de mídia que buscam qualidade auditiva imediata. Cada voz tem um timbre distinto, permitindo que você adapte o tom do conteúdo gerado diretamente via JSON.
Narradores quentes e claros
Aria apresenta uma voz de narradora clara e quente, perfeita para leitura de notícias ou boletins informativos. Luna oferece um tom suave e adequado para storytelling, enquanto Sage traz calma e clareza instrucional.
Vozes energéticas para promoções
Felix traz energia e dinamismo, ideal para anúncios promocionais ou chamadas para ação. Nova mantém um tom luminoso e animado, excelente para manter a atenção do ouvinte em conteúdos curtos.
Tom neutro para notícias
Atlas oferece neutralidade jornalística, sendo a escolha padrão para reportagens e atualizações de informação. Milo traz uma conversa amigável, enquanto Orion adiciona profundidade documental. Todas as vozes suportam os 23 idiomas disponíveis.
Idiomas disponíveis para audiobooks
A API suporta 23 idiomas, incluindo português, inglês, espanhol, francês, alemão, japonês, chinês e árabe. Cada voz pode falar qualquer um dos idiomas listados, o que simplifica a produção de conteúdo multilíngue sem precisar gerenciar múltiplos motores de síntese.
Suporte a 23 idiomas
O sistema reconhece e processa texto em arábico, dinamarquês, finês, grego, hebraico, hindi, malaio, norueguês, polonês, russo, sueco e turco, além das línguas mais comuns. Essa cobertura permite que equipes de mídia atendam audiências globais com uma única integração técnica.
Detecção automática de língua
Se o campo language não for definido, o sistema tenta adivinhar o idioma com base no script. Texto em alfabeto latino é padrão como inglês, o que pode gerar erros se você estiver enviando conteúdo em português ou espanhol.
Controle via código ISO
Para garantir a pronúncia correta, especifique o código ISO do idioma na solicitação. Isso elimina ambiguidades, especialmente para textos em latim que não são em inglês, garantindo que a voz sintetize o sotaque e a entonação adequados ao contexto jornalístico.
Modelos de voz disponíveis
Os modelos de voz são presets fixos que determinam o timbre e o estilo da narração. Cada um é otimizado para um contexto específico de mídia, desde a clareza narrativa até o tom neuto jornalístico.
Aria: narradora clara
Aria oferece uma voz feminina quente e clara, ideal para narrativas contínuas e boletins informativos. Sua entonação natural mantém a atenção do ouvinte em conteúdos longos, respeitando o limite de 4096 caracteres por requisição.
Felix: energia promocional
Felix traz um tom masculino energético e vibrante, perfeito para promos e avisos urgentes. Sua voz transmite dinamismo, sendo a escolha padrão para conteúdos que exigem impacto imediato sem perder a clareza da articulação.
Atlas: neutralidade jornalística
Atlas entrega uma voz neutra, desenhada para a leitura de notícias. Sua característica principal é a imparcialidade sonora, garantindo que a informação seja transmitida com precisão e sem viés emocional excessivo.
Por que equipes de produto escolhem nossa API
Equipes de produto de mídia valorizam a simplicidade técnica. Nossa API segue o formato JSON padrão, permitindo integração direta com SDKs existentes sem necessidade de bibliotecas proprietárias ou camadas complexas de adaptação.
Baixa complexidade de integração
Você envia texto via JSON e recebe o arquivo de áudio. A estrutura é idêntica à do padrão aberto, facilitando a conexão com seus sistemas atuais sem dependência de SDKs exclusivos.
Custo previsível por caractere
O preço é fixo em $0,01 por mil caracteres. Não há planos mensais, assinaturas ou custos ocultos. Você paga apenas pelo que processa, com falhas sendo totalmente gratuitas.
Dados não usados para treinamento
O texto enviado é usado exclusivamente para gerar o áudio solicitado. Seus inputs não entram nos modelos de treinamento, garantindo privacidade para conteúdos editoriais sensíveis.

Formatos de áudio aceitos
A API retorna áudio em formatos ampamente utilizados, garantindo compatibilidade imediata com seus players e pipelines de mídia. Escolha entre MP3 ou WAV para equilibrar tamanho de arquivo e qualidade padrão em suas entregas de conteúdo.
Para projetos que exigem fidelidade sonora máxima, o FLAC oferece compressão sem perdas, ideal para arquivamento ou produção jornalística detalhada. O OPUS proporciona eficiência superior, mantendo a qualidade com menor uso de largura de banda.
Suporte a MP3 e WAV
O formato MP3 é amplamente suportado por todos os players modernos, facilitando a distribuição de notícias e boletins em qualquer dispositivo. O WAV oferece áudio não compactado, garantindo a máxima integridade dos dados de áudio para edições posteriores ou transmissão em estúdio.
Utilize esses formatos para garantir que suas equipes de produto não enfrentem problemas de reprodução em diferentes plataformas.
- MP3: leve e universalmente compatível
- WAV: áudio não compactado para máxima fidelidade
Opções de alta qualidade FLAC
O FLAC (Free Lossless Audio Codec) comprime o áudio sem perder nenhum dado, resultando em arquivos menores que o WAV, mas com qualidade idêntica. É a escolha ideal para arquivos mestre ou quando o armazenamento de alta fidelidade é prioritário.
Este formato é especialmente útil para equipes que precisam manter cópias de backup perfeitas de seus conteúdos de áudio gerados via API.
- Qualidade sem perdas
- Arquivos menores que WAV
Formatos eficientes como OPUS
O OPUS é um formato altamente eficiente, projetado para transmissão eficiente. Ele oferece excelente qualidade de áudio com taxas de bits mais baixas, reduzindo significativamente o consumo de banda e os custos de transferência.
Utilize o OPUS quando a velocidade de entrega e a eficiência de rede forem críticas para a experiência do usuário final.
- Alta eficiência de banda
Limites de velocidade e processamento
O processamento de áudio ocorre sequencialmente, o que significa que, em períodos de alta demanda, sua solicitação pode aguardar na fila antes de começar a síntese. Isso garante estabilidade, mas exige planejamento para picos de geração de conteúdo.
Processamento em fila sob carga
Como as requisições são processadas uma após a outra, a latência aumenta se houver muitas solicitações simultâneas. Para evitar gargalos, integre seu sistema com lógica de retry ou distribua a carga ao longo do tempo.
Velocidade próxima do tempo real
A geração de áudio opera em uma taxa média de 25 caracteres de texto por segundo de áudio gerado. Para textos longos, isso equivale a uma velocidade próxima do tempo real, permitindo atualizações de notícias em tempo hábil.
Gestão de caracteres longos
Cada requisição aceita até 4.096 caracteres. Para textos maiores, o sistema deve dividir o conteúdo em partes menores e unir os arquivos de áudio resultantes. Isso garante que a síntese não falhe por limite de tamanho na entrada.
Licenciamento das vozes
Cada voz da API deriva de gravações licenciadas de audiolivros, garantindo qualidade auditiva para seus boletins e narrativas de produto.
Essa base sólida permite que equipes de mídia entreguem conteúdo áudio com credibilidade editorial.
Baseado em gravações licenciadas
As vozes são construídas sobre gravações de fontes licenciadas, especificamente do conjunto de dados LibriTTS-R, garantindo uma base técnica confiável para a síntese de fala.
Conteúdo de domínio público
Muitas das gravações originais provêm de leituras de audiolivros em domínio público do LibriVox, o que simplifica a cadeia de direitos e permite o uso comercial direto sem royalties complexos.
Você pode focar na produção do conteúdo, sabendo que a base de voz já está legalmente estruturada para uso via API.
Marca d'água sintética invisível
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso adiciona transparência para seus ouvintes e auxilia na gestão de direitos.
A marca não altera a qualidade do áudio e é imperceptível ao usuário final, mantendo a imersão da experiência auditiva.
Comece agora mesmo
Experimente a API sem compromisso. Ao criar sua conta, você recebe US$ 0,50 de crédito válido por 7 dias, suficiente para gerar aproximadamente 50.000 caracteres.
Essa abordagem elimina o risco inicial, permitindo que equipes de produto validem a qualidade das vozes e a integração técnica antes de qualquer investimento.
Teste grátis com crédito inicial
O crédito gratuito é ativado automaticamente ao fazer login com o Google. Se preferir usar e-mail e senha, a conta é criada sem o bônus, mas o acesso à API permanece imediato.
Chave de API em segundos
Após o cadastro, sua chave única é exibida na página /get-api-key/. Ela funciona imediatamente com SDKs existentes, bastando ajustar a base URL para https://api.552x.info/v1.
- Autenticação via header Authorization: Bearer tts-...
- Uma chave ativa por conta, com substituição instantânea se necessário.
Documentação técnica completa
Acesse /docs/ para exemplos de código, definição de parâmetros e limites de taxa. A estrutura JSON segue o padrão da API de speech do OpenAI, facilitando a migração.
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Sua voz transmite autoridade e objetividade, mantendo o foco no conteúdo informativo sem distrações emocionais excessivas.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
Fontes e leituras adicionais
- Wikipedia
- TRON developer hub: TRC-20
- W3C WAI: making audio and video accessible
- openai-python on GitHub
- curl documentation
- ISO 639 language codes
- Creative Commons Attribution 4.0
- IETF RFC 7845: Ogg Opus
- MDN: Web Speech API
- OpenAI API reference: create speech
- LibriTTS-R corpus (OpenSLR 141)
- FFmpeg documentation
