Como funciona a API de texto para voz para equipes de produto?

Por Equ editorial VozNoticia · Atualizado 2026-11-19

Nesta página, equipes de produto de mídia entendem como integrar a API VozNoticia para converter texto em áudio de forma programática. Você verá o fluxo técnico completo, desde a autenticação via Bearer Token até o recebimento do arquivo de áudio, com exemplos concretos de integração usando o SDK OpenAI.

Descubra como gerenciar limites de caracteres, escolher entre 8 vozes licenciadas e 23 idiomas, e otimizar custos com base em caracteres consumidos. Ideal para quem deseja automatizar notícias, boletins e conteúdos de áudio, sem depender de integrações complexas ou formatos proprietários.

Como funciona a API de texto para voz para equipes de produto?

Perguntas frequentes

O que significa API de texto para voz?

É um serviço em nuvem onde você envia texto e recebe um arquivo de áudio. A API aceita requisições POST JSON no endpoint /v1/audio/speech, seguindo o mesmo formato do endpoint de fala da OpenAI. Isso permite que equipes de produto integrem facilmente a geração de áudio em seus fluxos de trabalho existentes usando SDKs padrão.

Como a API processa textos longos?

O limite é de 4096 caracteres por requisição. Para textos maiores, o sistema divide o conteúdo em partes dentro desse limite e, em seguida, une os arquivos de áudio gerados individualmente. Isso garante que cada parte seja processada corretamente sem ultrapassar os limites de entrada da API.

A API suporta streaming de áudio?

Não. A API retorna o arquivo de áudio completo na resposta após o processamento. Não há suporte para streaming via WebSocket ou áudio parcial em tempo real. Os clientes devem aguardar a conclusão da síntese para receber o arquivo final, o que pode levar alguns segundos para frases curtas.

Quais vozes são melhores para notícias?

Para notícias, recomendamos Atlas (neutral, news) para leitura padrão e Orion (deep, documentary) para formatos mais imersivos. Atlas oferece uma voz neutra ideal para boletins informativos, enquanto Orion traz profundidade para documentários ou análises mais detalhadas. Ambas são vozes masculinas disponíveis no catálogo de presets da API.

Como funciona a detecção de idioma?

Se o campo language não for definido, o sistema tenta adivinhar o idioma com base no script do texto. Textos em latim são padronizados como inglês. Para textos em latim que não são inglês, é recomendável definir explicitamente o código ISO para garantir a pronúncia correta e evitar erros de síntese.

O que é um token Bearer na API?

É o método de autenticação usado para acessar a API. Você deve incluir o cabeçalho Authorization: Bearer tts-... em suas requisições. Cada conta possui uma chave ativa por site, e você pode emitir uma nova chave a qualquer momento, invalidando imediatamente a chave anterior para maior segurança.

A API funciona com JavaScript?

Sim. Como a forma da requisição JSON é idêntica ao endpoint de fala da OpenAI, você pode usar os SDKs oficiais da OpenAI. Basta alterar o base_url para https://api.552x.info/v1 e usar sua chave de API. Isso facilita a integração direta em aplicações web e servidores Node.js.

Posso usar a API em aplicativos móveis?

Sim, você pode usar a API em aplicativos móveis via HTTP, pois não há dependência de um SDK nativo específico. No entanto, a API não oferece um SDK móvel dedicado. Você deve fazer as chamadas HTTP diretamente do seu aplicativo, gerenciando a autenticação e o processamento das respostas de áudio.

Qual a latência média da API?

A velocidade típica é de aproximadamente 25 caracteres por segundo de áudio gerado. Para frases curtas, o processamento pode levar alguns segundos. Como as requisições são processadas em fila, sob carga, uma solicitação pode esperar antes de ser gerada, afetando a latência percebida em picos de uso simultâneo.

Como funciona o limite de 60 requisições?

O limite padrão é de 60 requisições por minuto por chave. Antes do primeiro recarga, o limite é de 10 requisições por minuto. Se você exceder o limite, as requisições serão rejeitadas até que o tempo de renovação do contador passe.

O áudio gerado fica armazenado?

Não. O áudio gerado é retornado na resposta da API e não é armazenado pelo serviço. O texto de entrada é usado apenas para produzir o áudio e não é utilizado para treinamento. Apenas os metadados da requisição (tempo, caracteres, status) são mantidos para fins de faturamento e registro.

Posso controlar a velocidade da voz?

Sim. Você pode ajustar o parâmetro speed na requisição, com valores aceitos entre 0.25 e 4.0. Isso permite acelerar ou desacelerar a fala sintetizada conforme necessário para o conteúdo. A velocidade padrão é aplicada se o campo não for especificado, permitindo ajustes finos no ritmo da narração.

O que acontece se eu exceder o limite?

Se você exceder o limite de 60 requisições por minuto, as requisições adicionais serão rejeitadas até que o período de contagem expire. Isso garante que o serviço não fique sobrecarregado. Você pode monitorar seu uso e limite na página de conta, ajustando a frequência de suas chamadas conforme necessário.

Como funcionam os formatos de áudio?

Você pode escolher entre mp3, wav, opus, flac e pcm no campo response_format. Cada formato tem suas características de compressão e qualidade. O formato padrão é mp3, mas você pode especificar outros para atender a requisitos específicos de armazenamento ou processamento posterior, como lossless para edições profissionais.

O conceito de API de Síntese de Fala

Ilustração de onda sonora para: O conceito de API de Síntese de Fala

A API de texto para voz da VozNoticia converte string de texto em arquivos de áudio via endpoint POST https://api.552x.info/v1/audio/speech. Equipes de produto enviam o texto bruto e recebem o arquivo sintetizado pronto para uso, sem necessidade de infraestrutura de renderização própria.

Definição de TTS

Trata-se de um serviço de síntese de fala baseado em nuvem. O motor utiliza vozes licenciadas de audiolivros.

Envio de texto e recebimento de áudio

A interação é direta: o cliente envia uma requisição JSON contendo o texto (até 4096 caracteres) e os parâmetros de geração. O servidor processa a solicitação e retorna o arquivo de áudio no formato solicitado.

Arquitetura cliente-servidor

A solução segue um modelo padrão cliente-servidor. O código da aplicação (cliente) faz chamadas HTTP para nossa infraestrutura (servidor), que executa a síntese e retorna o binário. Isso permite integração ágil com os fluxos de trabalho existentes de equipes de produto.

Fluxo de integração técnica

Ilustração de onda sonora para: Fluxo de integração técnica

A integração técnica começa com a autenticação via token Bearer. Cada conta possui uma única chave ativa enviada no cabeçalho Authorization: Bearer tts-.... Se você emitir uma nova chave, a antiga é invalidada imediatamente, garantindo controle preciso sobre o acesso à API.

A estrutura da solicitação segue o padrão JSON da OpenAI, facilitando a adoção por equipes que já utilizam esses SDKs. Basta alterar o base_url para https://api.552x.info/v1 e enviar o método POST para /v1/audio/speech, mantendo a compatibilidade com as bibliotecas existentes.

Autenticação via Bearer Token

Utilize o cabeçalho Authorization: Bearer <sua-chave> em todas as requisições. A gestão é simples: uma chave por conta, com invalidação instantânea ao gerar uma nova.

  • Cabeçalho: Authorization: Bearer tts-...
  • Uma chave ativa por conta
  • Invalidação imediata ao renovar

Estrutura JSON da solicitação

O corpo da requisição aceita model (tts-1 ou tts-1-hd), input (texto), voice (preset), response_format e speed. Campos opcionais incluem language para controle preciso sobre a detecção.

Essa padronização permite que equipes de produto reutilizem a lógica de chamada de áudio já conhecida, minimizando o tempo de onboarding técnico.

  • Método: POST /v1/audio/speech
  • Campos: model, input, voice, format, speed
  • Compatível com SDKs OpenAI

Processamento síncrono

As requisições são processadas em série. O serviço retorna o arquivo de áudio diretamente na resposta HTTP após a síntese concluir.

Para textos longos, recomenda-se dividir o input em partes de até 4096 caracteres e juntar os arquivos resultantes para evitar timeouts ou limites de tamanho.

Gestão de caracteres e limites

Ilustração de onda sonora para: Gestão de caracteres e limites

A API impõe um limite rígido de 4096 caracteres por chamada, contando espaços e pontuação. Para textos maiores, é necessário dividir o conteúdo em partes menores e unir os arquivos de áudio gerados.

O custo é fixo em $10 por milhão de caracteres. Equipes de mídia devem calcular o volume total de notícias diárias para prever gastos, lembrando que falhas na síntese resultam em reembolso integral.

Limite de 4096 caracteres por chamada

Cada requisição POST aceita no máximo 4096 caracteres na chave input. Exceder esse limite gera erro, exigindo que o cliente faça a segmentação do texto antes do envio.

  • Espaços e pontuação contam como caracteres.
  • O limite é por requisição, não por sessão.

Estratégia de divisão de texto longo

Para notícias extensas, divida o texto em blocos de até 4096 caracteres. Envie cada bloco separadamente e junte os arquivos de áudio resultantes no lado do cliente para criar o arquivo final contínuo.

Cálculo de custos por volume

O preço é de $0,01 por mil caracteres. Para boletins diários, multiplique a média de caracteres por dia pelo custo unitário. Use o painel da conta para monitorar o consumo e evitar surpresas.

Seleção de vozes e idiomas

Ilustração de onda sonora para: Seleção de vozes e idiomas

Oferecemos 8 vozes pré-configuradas, derivadas de gravações licenciadas do LibriTTS-R, para atender diferentes tons de comunicação. Desde narradoras quentes até vozes neutras para notícias, cada preset foi selecionado para clareza e consistência em produções de mídia.

Escolha entre 8 presets de voz

As opções incluem vozes femininas como Aria, Nova, Luna e Sage, e masculinas como Felix, Milo, Atlas e Orion. Cada uma possui uma característica distinta, permitindo que equipes de produto ajustem a personalidade do conteúdo sonoro sem necessidade de customização extra.

  • Aria: narradora clara e quente
  • Nova: voz brilhante e animada
  • Luna: suave, ideal para storytelling
  • Sage: calma e instrucional
  • Felix: energética e promocional
  • Milo: conversacional e amigável
  • Atlas: neutra, perfeita para notícias
  • Orion: profunda, estilo documentário

Suporte a 23 idiomas distintos

O motor de síntese suporta 23 idiomas, incluindo português, espanhol, inglês, francês, alemão e japonês. Qualquer voz pode falar qualquer um dos idiomas suportados, facilitando a expansão de conteúdo para mercados internacionais sem adicionar novas vozes.

Detecção automática vs configuração manual

Se o campo language não for definido, o sistema tenta adivinhar o idioma pelo script do texto (texto em latino assume inglês). Para textos em latinos não ingleses, é recomendável definir o código ISO manualmente para garantir a pronúncia correta.

Velocidade e tempo de resposta

Ilustração de onda sonora para: Velocidade e tempo de resposta

A API opera com geração de áudio próxima do tempo real, processando aproximadamente 25 caracteres de texto por segundo de áudio gerado em textos longos. Isso permite que equipes de produto integrem síntese em fluxos de trabalho assíncronos.

Para frases curtas, a geração pode levar alguns segundos devido à sobrecarga inicial do motor. O tempo total depende do volume de texto enviado e da complexidade da sequência de caracteres.

Geração próxima do tempo real

O motor de síntese converte texto em áudio a uma taxa média de 25 caracteres por segundo de áudio final. Essa velocidade natural facilita a integração em pipelines de produção de conteúdo, onde o áudio é gerado sob demanda sem necessidade de streaming.

O formato de resposta é um arquivo de áudio completo (mp3, wav, opus, flac ou pcm), entregue via POST. Não há fluxo de áudio parcial, o que simplifica o consumo para aplicações que requerem arquivos estáticos.

Influência da fila de processamento

Como as requisições são processadas sequencialmente, picos de uso podem introduzir latência adicional. Cada chave de API suporta até 60 requisições por minuto, garantindo estabilidade, mas sob carga intensa, as solicitações podem aguardar na fila.

Essa arquitetura de processamento único evita sobreposições de recursos, mas significa que o tempo de resposta pode variar dependendo do tráfego simultâneo na API.

Para mitigar atrasos em alto volume, considere distribuir as requisições ao longo do tempo ou utilizar múltiplas chaves se o limite de 60 rpm for insuficiente para sua taxa de geração.

  • Limite padrão: 60 requisições por minuto por chave.
  • Processamento sequencial pode causar espera sob carga alta.
  • Latência mínima para textos curtos: alguns segundos.

Diferença entre textos curtos e longos

Textos curtos (inferiores a 4096 caracteres) são processados rapidamente, mas o overhead inicial do motor resulta em tempos de resposta fixos de alguns segundos, independentemente da duração do áudio.

Em textos longos, a velocidade se aproxima da taxa de geração real (25 caracteres/segundo). Para frases muito longas, recomenda-se dividir o texto em partes menores para evitar timeouts e facilitar o gerenciamento de erros.

A consistência da velocidade é mantida em todos os formatos de áudio (mp3, wav, opus, flac, pcm), pois o processamento ocorre no nível de síntese, não de compressão.

Formatos de saída e compatibilidade

Ilustração de onda sonora para: Formatos de saída e compatibilidade

A API permite escolher entre cinco formatos de áudio, garantindo que o binário gerado atenda exatamente às necessidades técnicas da sua aplicação. A escolha do formato impacta diretamente o tamanho do arquivo e a compatibilidade com players existentes.

MP3 para web, WAV para edição

O MP3 é a escolha padrão para entrega na web, oferecendo excelente equilíbrio entre qualidade e tamanho reduzido. Já o WAV é ideal para etapas de pós-produção, mantendo os dados de áudio brutos sem compressão lossy.

  • MP3: leve, universal, ideal para players web.
  • WAV: sem compressão, perfeito para edição profissional.

Opus para eficiência de banda

O formato Opus oferece alta compressão com qualidade sonora preservada, reduzindo significativamente o uso de banda. É a opção mais econômica para aplicações móveis ou ambientes com conectividade limitada.

  • Opus: alta compressão, ideal para dados móveis.

FLAC para qualidade máxima

O FLAC (Free Lossless Audio Codec) entrega áudio sem perdas, mantendo a fidelidade original da síntese. Utilize este formato quando a integridade do sinal de áudio for prioritária sobre o tamanho do arquivo.

  • FLAC: qualidade sem perdas, fiel ao original.

Casos de uso em mídias digitais

Ilustração de onda sonora para: Casos de uso em mídias digitais

Equipes de produto em mídia podem integrar a API VozNoticia diretamente em seus fluxos de publicação. Ao enviar o texto da matéria via endpoint POST, o sistema gera áudio, permitindo a distribuição de conteúdo sem necessidade de estúdios de gravação tradicionais.

Leitura automática de notícias

Utilize vozes como aria ou atlas para ler manchetes e reportagens. Como o limite é de 4096 caracteres por requisição, textos longos devem ser divididos em partes. O áudio gerado é retornado na resposta e não fica armazenado, garantindo que o conteúdo seja consumido em tempo real pelos usuários.

  • Texto até 4096 caracteres por chamada
  • Vozes atlas (notícias) e aria (narrador)
  • Formato MP3 para entrega web rápida

Boletins sonoros diários

Crie áudios de resumo para newsletters ou apps. Com custos de US$ 0,01 por mil caracteres, é viável gerar conteúdo diário em escala. A velocidade de geração é próxima do tempo real, permitindo que o boletinho seja disponível minutos após a publicação do texto original.

  • Custo fixo por caractere processado
  • Geração rápida para atualização em tempo quase real
  • Ideal para formatos de áudio curtos

Acessibilidade em aplicativos

Ofereça leitura de conteúdo para usuários com deficiência visual. Como não há streaming ou SSML, a integração é feita via SDK OpenAI ou HTTP direto. Basta configurar a linguagem correta para garantir a pronúncia adequada em português ou em outros dos 23 idiomas suportados.

  • Suporte a 23 idiomas distintos
  • Sem necessidade de infraestrutura de streaming
  • Integração via SDKs padrão
Casos de uso em mídias digitais

Monitoramento de uso e custos

Ilustração de onda sonora para: Monitoramento de uso e custos

A API não oferece um painel gráfico nativo com gráficos de tendência, mas o controle financeiro é direto e transparente. Ao acessar /get-api-key/, você visualiza o saldo atual, o crédito de teste e o histórico básico de consumo. Cada solicitação bem-sucedida deduz automaticamente o custo proporcional aos caracteres processados, sem taxas ocultas.

O custo é fixo em $0,01 por 1.000 caracteres, incluindo espaços. Como não há planos mensais ou limites de taxa além dos 60 pedidos por minuto, o monitoramento foca na contagem precisa de caracteres para prever gastos em larga escala, garantindo que equipes de produto antecipem o orçamento necessário para gerar boletins diários.

Dashboard de caracteres consumidos

A página da chave da API exibe o saldo atual e os caracteres restantes. Não há gráficos complexos, apenas dados essenciais para auditoria imediata.

Cada caractere conta, incluindo pontuação. O cálculo é linear e imediato, refletindo o volume exato processado pelo motor de síntese.

  • Saldo atual em tempo real
  • Crédito de teste visível (se aplicável)
  • Contagem precisa de caracteres processados

Histórico de solicitações

Os metadados de cada requisição (timestamp, status, tamanho) são mantidos para faturamento. Isso permite reconstruir o uso exato se necessário.

Falhas na síntese não consomem crédito, facilitando a análise de custo-benefício entre tentativas bem-sucedidas e erros de formato.

  • Registros de status HTTP
  • Timestamps de geração
  • Diferenciação entre sucesso e falha

Previsão de gastos futuros

Como o preço é por caractere, a previsão é matemática: multiplique o volume estimado de texto diário por $0,01 / 1.000.

Não há surpresas com aumentos de volume ou taxas de infraestrutura variáveis. O custo é diretamente proporcional ao texto enviado.

  • Cálculo linear por 1.000 caracteres
  • Sem taxas de infraestrutura variáveis
  • Previsão baseada em volume de texto

Tratamento de erros e falhas

Ilustração de onda sonora para: Tratamento de erros e falhas

A API retorna códigos HTTP padrão para indicar o estado de cada solicitação. Erros comuns, como autenticação inválida ou limite excedido, são sinalizados imediatamente para que equipes de produto ajustem o fluxo de integração sem ambiguidade.

O sistema garante transparência financeira: se a síntese falhar, o valor correspondente é devolvido integralmente. Isso elimina riscos de custos fantasmas em integrações automatizadas de alto volume.

Códigos de status HTTP

Utilizamos a semântica HTTP padrão (200, 400, 401, 429, 500) para comunicar o resultado. Cada resposta inclui detalhes claros sobre a falha, facilitando o debug rápido em ambientes de produção.

Isso permite que scripts de monitoramento detectem problemas específicos, como limites de taxa (429) ou erros de modelo, sem necessidade de análise adicional complexa.

  • 200: Sucesso; áudio gerado.
  • 400: Erro de formato no JSON.
  • 429: Limite de 60 requisições/minuto excedido.

Reembolso automático em falhas

Se a síntese falhar por erro do servidor ou problema técnico, a cobrança é revertida automaticamente. O saldo da conta é restaurado sem necessidade de ticket de suporte.

Essa política protege o orçamento da equipe, garantindo que apenas caracteres processados com sucesso sejam faturados.

Retentativas de solicitação

Para erros transitórios (ex: 500 ou 503), recomendamos implementar retentativas exponenciais simples no cliente. Como as requisições são processadas em fila, um breve atraso pode resolver o problema.

Evite retentativas agressivas para não sobrecarregar a fila de processamento, especialmente durante picos de demanda.

Privacidade e uso de dados

Ilustração de onda sonora para: Privacidade e uso de dados

Quando você envia texto para a API, ele é processado exclusivamente para gerar o arquivo de áudio solicitado. Não utilizamos seu conteúdo para treinar modelos de linguagem ou aprimorar a qualidade das vozes, garantindo que suas notícias e boletins permaneçam proprietários.

O áudio gerado é retornado na resposta imediata e não fica armazenado em nossos servidores após o envio. Isso elimina riscos de retenção de dados sensíveis ou de propriedade intelectual, mantendo o ciclo de vida do conteúdo sob seu controle total.

Texto não usado para treinamento

O texto enviado é consumido apenas uma vez para síntese. Não há registro de longo prazo do conteúdo linguístico para fins de melhoria algorítmica, preservando a exclusividade do seu material jornalístico.

Audio não armazenado após envio

Assim que o arquivo de áudio é entregue à sua aplicação, ele não é persistido em nosso armazenamento. Isso garante que você não tenha custos ocultos de retenção e que seus áudios gerados não fiquem acessíveis em nossos discos.

Metadados mantidos para faturamento

Mantemos apenas metadados essenciais (timestamp, número de caracteres e status) para registrar o consumo e garantir a precisão na cobrança. Esses dados são estritamente necessários para a contabilidade de caracteres e não incluem o conteúdo do texto ou do áudio.

Configuração inicial recomendada

Ilustração de onda sonora para: Configuração inicial recomendada

Para integrar a VozNoticia rapidamente, utilize o SDK do OpenAI ajustando apenas o base_url para https://api.552x.info/v1. Essa abordagem permite reaproveitar toda a lógica de codificação JSON e autenticação já conhecida pelas equipes de produto, garantindo uma transição técnica suave sem necessidade de reescrever camadas de comunicação HTTP.

Uso do SDK OpenAI como base

Mantenha a estrutura de chamada padrão, passando a chave API no cabeçalho Authorization: Bearer tts-.... Como o formato da solicitação é idêntico ao endpoint de fala do OpenAI, a maioria das integrações existentes funciona imediatamente após a alteração da URL base.

  • Ajuste apenas o base_url do SDK.
  • Use a mesma estrutura de payload JSON.

Teste com texto curto

Inicie a validação com frases curtas para confirmar a latência e a qualidade da voz selecionada. Lembre-se que textos longos podem exigir estratégia de divisão em partes de até 4096 caracteres para garantir a continuidade do áudio gerado.

  • Verifique latência com entradas pequenas.
  • Valide a escolha da voz (ex: 'aria' ou 'atlas').

Validação de formato de áudio

Confirme que o arquivo recebido corresponde ao response_format solicitado (mp3, wav, opus, flac ou pcm). Teste a reprodução em diferentes ambientes para assegurar a compatibilidade com seus players de áudio e pipelines de distribuição.

Migração de soluções existentes

Ilustração de onda sonora para: Migração de soluções existentes

A migração para a VozNoticia elimina a dependência de provedores legados, oferecendo uma API direta que substitui pipelines complexos. Equipes de produto de mídia podem substituir soluções antigas sem reescrever a lógica de geração de conteúdo, mantendo a integridade dos fluxos de trabalho existentes.

O ajuste é simples: altere o base_url no SDK OpenAI para https://api.552x.info/v1. A estrutura JSON permanece idêntica, permitindo que vozes licenciadas de audiolivros sejam integradas rapidamente sem mudanças profundas no código.

Substituição de provedores legados

Substitua sistemas antigos por uma API que processa textos em áudio. A arquitetura cliente-servidor simplifica a manutenção, removendo a necessidade de servidores dedicados para síntese.

Foque na entrega de notícias e boletins sem a sobrecarga de infraestrutura legada.

  • API RESTful padrão
  • Sem infraestrutura dedicada

Ajuste de base_url no SDK

Utilize o SDK do OpenAI, alterando apenas a URL base para https://api.552x.info/v1. A compatibilidade com o endpoint /v1/audio/speech garante que as chamadas funcionem imediatamente.

Autentique-se com o token Bearer fornecido na criação da conta.

  • SDK OpenAI compatível
  • URL base única

Preservação de lógica de negócio

A estrutura de entrada e saída não exige mudanças na lógica de divisão de texto ou controle de velocidade. Seu código existente continua válido, apenas consumindo um novo provedor de voz.

Mantenha o controle sobre formatação e timing sem reescrever regras de negócio.

  • Compatibilidade JSON
  • Controle de velocidade

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.

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

Mais neste site