Integração de Texto para Voz para seus Call Centers

Por Equipe editorial FalanteVoz · Atualizado 2026-11-19

A FalanteVoz é uma API de texto para fala construída para equipes de produto que integram síntese de voz em IVRs e centrais de atendimento. Entregue áudio via JSON, com controle total de velocidade e formato, sem depender de provedores genéricos.

Nesta página, você encontra detalhes técnicos sobre nossas 8 vozes, 23 idiomas e a integração simples via SDK OpenAI. Descubra como escalar suas chamadas automáticas com custos previsíveis e privacidade garantida, sem SLA ou contratos complexos.

Integração de Texto para Voz para seus Call Centers

Perguntas frequentes

A FalanteVoz suporta integração com sistemas legados de call center?

Sim. A API segue o formato de requisição do endpoint de speech da OpenAI, permitindo integração via HTTP POST padrão. Você pode usar SDKs oficiais da OpenAI alterando apenas o base_url, ou enviar requisições JSON simples, facilitando a conexão com sistemas legados sem necessidade de bibliotecas proprietárias adicionais.

Quais formatos de áudio são suportados para IVR?

O sistema suporta os formatos mp3, wav, opus, flac e pcm. Você define o formato desejado no campo response_format da requisição JSON. Isso permite escolher entre compressão leve (mp3) ou qualidade sem perda (flac/wav), adaptando-se à infraestrutura de transmissão de áudio do seu call center.

A velocidade do áudio pode ser ajustada para atender diferentes públicos?

Sim. O parâmetro speed permite ajustar a velocidade entre 0.25 e 4.0 vezes. Isso é útil para adaptar a clareza da fala para idosos ou acelerar mensagens operacionais. A velocidade afeta diretamente o tempo de geração, mantendo a naturalidade da voz selecionada durante a síntese.

O texto enviado é armazenado para treinamento de modelos?

Não. O texto de entrada é utilizado exclusivamente para produzir o áudio solicitado e não é usado para treinar os modelos de IA. O áudio gerado é retornado na resposta e não é armazenado, garantindo privacidade para seus dados de clientes e mensagens institucionais.

Quantos caracteres posso enviar por requisição?

Cada requisição aceita até 4096 caracteres. Para textos mais longos, você deve dividi-los em partes menores e juntar os arquivos de áudio resultantes. Espaços e pontuação contam como caracteres, então planeje o tamanho do payload considerando essa limitação técnica para garantir a entrega completa da mensagem.

As vozes soam naturais para mensagens de espera?

As vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox), oferecendo qualidade audível. Cada arquivo gerado possui uma marca d'água inaudível que identifica o áudio como sintético. A qualidade é consistente, adequada para IVRs, mas não imita perfeitamente a fala humana espontânea.

Existe limite de requisições por minuto?

Sim, o limite é de 60 requisições por minuto por chave de API. Antes do primeiro recarga, o limite é de 10 requisições por minuto. Se houver alta demanda, as requisições podem ficar em fila, processadas uma após a outra, o que pode aumentar o tempo de resposta.

Posso usar a mesma chave de API para múltiplos projetos?

Sim, cada conta possui uma única chave ativa que pode ser usada em múltiplos projetos ou integrações. Se necessário, você pode emitir uma nova chave a qualquer momento; a chave antiga será invalidada imediatamente. Isso facilita a gestão de acesso entre diferentes equipes ou ambientes de desenvolvimento.

O que acontece se a geração de áudio falhar?

Se a síntese falhar, o valor é devolvido integralmente na sua conta. Você não paga pelo caractere processado em caso de erro. Isso garante que você só pague pelo áudio gerado com sucesso, protegendo seu orçamento em caso de instabilidade temporária ou erros de requisição.

As vozes são baseadas em atores profissionais?

As vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0) e leituras de domínio público do LibriVox. Não são clones de celebridades ou atores específicos. São presets técnicos (como Aria, Nova, Felix) derivados de fontes abertas, garantindo direitos de uso claros para aplicações comerciais.

Posso escolher o idioma da voz independentemente do texto?

Sim. Você pode definir o idioma opcionalmente pelo código ISO. Se não especificado, o sistema tenta adivinhar pelo script (texto em latino assume inglês). Para textos em latinos não ingleses, é recomendável definir o idioma explicitamente para garantir a pronúncia correta e evitar erros de síntese.

Como funciona o sistema de cobrança por caracteres?

A cobrança é de US$ 10 por 1 milhão de caracteres (US$ 0,01 por mil). Aceitamos apenas USDT na rede TRON (TRC-20) para recargas. Não há planos mensais, assinaturas ou taxas de cartão. O saldo não expira, e você paga apenas pelo que utilizar, sem custo mínimo.

O áudio gerado contém marca d'água?

Sim, cada arquivo de áudio gerado carrega uma marca d'água inaudível que marca o conteúdo como fala sintética. Isso ajuda na identificação de origem do áudio, mas não interfere na qualidade auditiva durante a reprodução no IVR ou em outros sistemas de atendimento ao cliente.

Há suporte para idiomas como espanhol ou francês?

Sim, suportamos 23 idiomas, incluindo espanhol e francês. Qualquer voz pode falar qualquer um desses idiomas. Basta definir o código ISO do idioma na requisição para garantir a pronúncia correta, especialmente se o texto estiver em um script latino que não seja inglês, evitando ambiguidades.

Primeira solicitação

curl

curl https://api.3kauto.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.mp3

O que é a FalanteVoz

Ilustração de onda sonora para: O que é a FalanteVoz

A FalanteVoz é uma API de texto para fala projetada especificamente para equipes de produto que integram síntese de voz em IVRs e centrais de atendimento. Entregamos áudio realista via JSON, eliminando a dependência de provedores genéricos e permitindo controle total sobre a experiência do usuário final.

Com endpoints RESTful padrão e compatibilidade com SDKs OpenAI, a integração é direta. Sua equipe recebe arquivos de áudio prontos para uso, mantendo a infraestrutura simples e previsível para escalas operacionais de call centers.

Integração simples para IVR

Integração simples para IVR

Envie texto e receba áudio em segundos. A API aceita requisições JSON padronizadas, facilitando a conexão com sistemas legados ou modernos de telefonia sem necessidade de camadas complexas de middleware.

O fluxo é linear: você envia o script, a API processa e retorna o arquivo. Isso reduz pontos de falha na cadeia de atendimento automatizado.

Áudio em formato JSON

A resposta da API contém o arquivo de áudio, estruturado em JSON para fácil parsing em qualquer linguagem de programação. Não há necessidade de gerenciar arquivos temporários no servidor.

Escolha entre mp3, wav, opus, flac ou pcm, garantindo compatibilidade com qualquer plataforma de voice over IP (VoIP) ou aplicativo móvel.

Este formato estruturado permite que scripts automáticos leiam o status e os metadados da geração imediatamente após a conclusão.

  • Formatos: mp3, wav, opus, flac, pcm
  • Resposta estruturada em JSON
  • Compatível com SDKs OpenAI

Controle de velocidade e formato

Ajuste a velocidade de fala entre 0.25x e 4.0x para adaptar a mensagem ao contexto: mais lenta para instruções complexas, mais rápida para avisos rápidos. Isso otimiza o tempo médio de chamada (TAC).

Você define o modelo (tts-1 ou tts-1-hd) e o idioma explicitamente, garantindo consistência na pronúncia mesmo em textos longos divididos automaticamente.

Escolha entre 8 vozes distintas, cada uma com tom adequado para diferentes tipos de comunicação, desde narrativas até anúncios dinâmicos.

  • Velocidade: 0.25–4.0x
  • Modelos: tts-1 e tts-1-hd
  • 8 vozes predefinidas

Por que usar uma API dedicada

Ilustração de onda sonora para: Por que usar uma API dedicada

A API da FalanteVoz processa requisições sequencialmente, com limite de 60 requisições por minuto por chave. Para IVRs, o limite padrão de 60 requisições por minuto por chave é suficiente para a maioria dos cenários, com escalabilidade linear mediante a emissão de novas chaves ou aumento do volume via top-up.

Com custo fixo de US$ 0,01 por mil caracteres, você paga exatamente pelo que gera. Requisições falhas são totalmente gratuitas, eliminando o risco de custos fantasmas em picos de tráfego. Sem planos mensais ou taxas de infraestrutura ocultas, o custo por chamada é previsível e auditável.

Escalabilidade para grandes volumes

O sistema é projetado para processamento em nuvem robusto. Embora as requisições sejam processadas uma após a outra, garantindo consistência de fila, a arquitetura permite escalar horizontalmente simplesmente adicionando chaves de API. Não há limite rígido de concurrency que impeça o crescimento do seu call center.

  • Processamento sequencial garante ordem e consistência na entrega de áudio
  • Escalabilidade via múltiplas chaves API sem necessidade de upgrades de plano
  • Capacidade de 60 requisições por minuto por chave, ajustável conforme necessidade

Previsibilidade de custos

A cobrança é baseada estritamente no volume de caracteres processados. Com preços transparentes e sem taxas de infraestrutura, você pode calcular exatamente o custo de cada mensagem do IVR antes mesmo da implementação. Saldo não expira, permitindo planejamento de longo prazo sem surpresas financeiras.

  • US$ 0,01 por 1.000 caracteres (espaços e pontuação incluídos)
  • Requisições falhas são totalmente gratuitas
  • Sem planos mensais ou custos fixos obrigatórios

Sem dependência de terceiros

Ao utilizar uma API dedicada, você evita as variações de disponibilidade e priorização de provedores genéricos. A FalanteVoz opera como infraestrutura independente, garantindo que suas mensagens críticas de call center não sejam tratadas como tráfego secundário em uma plataforma multi-inquilino. O controle total sobre velocidade e formato reside na sua integração direta.

Vozes e Idiomas

Ilustração de onda sonora para: Vozes e Idiomas

A API FalanteVoz oferece 8 vozes predefinidas, desde narradoras quentes até locutores neutros, projetadas para clareza em ambientes ruidosos. Cada voz tem uma personalidade distinta, permitindo que você ajuste o tom da comunicação do seu call center sem precisar de gravações customizadas para cada mensagem.

8 vozes com tons distintos

Escolha entre vozes femininas e masculinas para variar o atendimento. Opções como Aria (narradora clara) ou Felix (energético) garantem que a voz se adequa ao contexto, seja para avisos automáticos ou conversas mais conversacionais.

  • Aria: narradora clara e quente
  • Felix: energético e promocional
  • Atlas: neutro e jornalístico

23 idiomas suportados

Suportamos 23 idiomas, incluindo português, espanhol, inglês e japonês. O sistema detecta o idioma automaticamente pelo script, mas você pode forçar a configuração via parâmetro 'language' para garantir precisão em textos em línguas não nativas do sistema.

  • Português, Inglês, Espanhol, Francês
  • Alemão, Italiano, Japonês, Coreano
  • Árabe, Chinês, Russo, Hindi

Sua voz para cada necessidade

Todas as 8 vozes podem falar qualquer um dos 23 idiomas suportados. Isso elimina a necessidade de contratar múltiplos locutores, mas não permite criar vozes novas para cada nova língua ou região.

Casos de Uso

Ilustração de onda sonora para: Casos de Uso

A API FalanteVoz oferece controle preciso sobre a síntese de voz para fluxos de trabalho de call center, transformando textos estáticos em áudio natural via JSON.

Com suporte a 23 idiomas e ajuste de velocidade de 0.25x a 4.0x, a solução elimina a dependência de provedores genéricos, garantindo consistência em cada interação.

Mensagens de espera em call center

Substitua músicas de espera monótonas por anúncios dinâmicos que informam o tempo estimado ou novidades do serviço. Com 8 vozes distintas, como a "nova" para um tom vibrante ou a "sage" para instruções claras, você personaliza a experiência conforme a necessidade.

O processamento em nuvem garante que o áudio seja entregue rapidamente via JSON, integrando-se ao seu fluxo de IVR existente sem latência excessiva.

  • Mensagens dinâmicas de tempo de espera
  • Tom de voz ajustável por campanha
  • Entrega via JSON padrão

Avisos automáticos de IVR

Para menus de atendimento, a API permite a atualização imediata de opções sem necessidade de gravação de estúdio. Basta enviar o texto via endpoint POST e receber o arquivo de áudio pronto para uso.

O suporte a idiomas como português, inglês e espanhol, além de outros 20, permite atender públicos diversificados com a mesma infraestrutura técnica e custo previsível.

  • Atualização instantânea de menus
  • Custo fixo por caractere
  • Sem custos de estúdio

Notificações via WhatsApp

Envie confirmações de agendamento ou alertas de status em formato de áudio, aumentando a taxa de leitura em comparação com mensagens de texto.

Como a API não oferece streaming em tempo real, o áudio é gerado sob demanda, garantindo qualidade e integridade do arquivo entregue via integração via API.

O limite de 4096 caracteres por requisição permite criar mensagens concisas, ideais para notificações rápidas e objetivas.

  • Áudio para notificações móveis
  • Limite de 4096 caracteres
  • Integração simples via API

Tecnologia

Ilustração de onda sonora para: Tecnologia

A FalanteVoz combina infraestrutura técnica robusta com qualidade de áudio profissional, projetada especificamente para integrar síntese de voz em fluxos de trabalho de call centers e IVR sem complexidades desnecessárias.

Baseada em gravações licenciadas

Nossas vozes são construídas a partir de gravações licenciadas do LibriTTS-R (CC BY 4.0) e de leituras de audiolivros em domínio público do LibriVox. Isso garante uma base acústica natural e consistente para cada um dos 8 presets disponíveis.

Marca d'água invisível

Cada arquivo de áudio gerado carrega uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso facilita a verificação da origem do áudio em auditorias ou na identificação de chamadas automatizadas.

Processamento em nuvem

Tudo ocorre em nossa infraestrutura de nuvem. Você envia o texto via JSON e recebe o arquivo de áudio pronto, sem necessidade de gerenciar servidores ou hardware especializado para a síntese.

Tecnologia

Integração Técnica

Ilustração de onda sonora para: Integração Técnica

Integre a FalanteVoz rapidamente utilizando o SDK da OpenAI, apenas ajustando o base_url para https://api.3kauto.top/v1. Isso permite reutilizar a lógica de clientes já existentes, facilitando a adoção em ambientes de IVR sem necessidade de bibliotecas proprietárias adicionais.

SDK OpenAI compatível

O SDK mantém a mesma forma de requisição JSON do endpoint original. Basta trocar a URL base e utilizar sua chave tts-... no cabeçalho de autorização. Isso garante compatibilidade imediata com ferramentas e frameworks já consolidados no mercado.

Endpoints RESTful

O endpoint principal é POST https://api.3kauto.top/v1/audio/speech. Ele aceita parâmetros como model, input, voice e response_format. Para gerenciar recursos, utilize GET /v1/voices para listar vozes e GET /v1/models para ver os modelos disponíveis.

Exemplos de código

Abaixo, um exemplo básico usando Python com o SDK OpenAI modificado. Isso ilustra a simplicidade da integração para gerar áudio MP3 ou WAV a partir de texto.

  • import openai
  • client = openai.OpenAI(api_key="tts-sua-chave", base_url="https://api.3kauto.top/v1")
  • audio = client.audio.speech.create(
  • model="tts-1",
  • voice="nova",
  • input="Olá, sua ligação será atendida em breve."
  • )

Segurança e Privacidade

Ilustração de onda sonora para: Segurança e Privacidade

A FalanteVoz trata seus dados com transparência: o texto enviado é processado exclusivamente para gerar o arquivo de áudio e não é utilizado para treinar nossos modelos. O áudio gerado é retornado na resposta imediata e não fica armazenado em nossos servidores após a entrega.

Texto não é usado para treinamento

Ao contrário de muitos provedores genéricos, mantemos uma linha clara entre o uso em produção e o desenvolvimento do produto. Seus textos não alimentam nosso banco de dados de treinamento, garantindo que suas mensagens de IVR ou call center permaneçam proprietárias.

Metadados de cobrança

Mantemos apenas os metadados necessários para a emissão da sua conta: timestamp da requisição, quantidade de caracteres processados e status da síntese. Esses dados servem exclusivamente para auditoria de faturamento e não contêm o conteúdo textual da sua voz.

Nenhum registro do áudio gerado é persistido para análise futura de qualidade ou uso comercial.

Chaves de API únicas

Cada conta possui uma única chave ativa (tts-...). Se você precisar revogar o acesso ou suspeitar de qualquer uso não autorizado, pode emitir uma nova chave a qualquer momento. A chave anterior é invalidada instantaneamente.

Não há necessidade de renovação manual ou expiração de chave, simplificando a gestão de segurança em equipes de produto.

Performance

Ilustração de onda sonora para: Performance

A velocidade de geração aproxima-se do tempo real, processando cerca de 25 caracteres de texto por segundo de áudio. Frases curtas podem levar alguns segundos para serem compiladas, garantindo qualidade sem atrasos excessivos para respostas rápidas.

Para textos longos, o sistema divide a entrada em partes de até 4.096 caracteres e une os arquivos de áudio resultantes. Isso permite criar mensagens de espera ou avisos extensos sem limites rígidos de tamanho de payload.

Velocidade de geração

O motor processa texto a uma taxa próxima da fala natural, com aproximadamente 25 caracteres por segundo de áudio gerado. Isso significa que para uma mensagem de 5 segundos, o tempo de resposta é próximo do tempo real, ideal para interações em tempo real.

Textos curtos podem levar alguns segundos adicionais para finalização completa, mas o tempo médio mantém a fluidez das conversas em call centers.

Limites de requisição

Cada chave API está limitada a 60 requisições por minuto. Antes da primeira recarga, o limite é de 10 requisições por minuto, suficiente para testes iniciais.

Esses limites garantem a estabilidade do serviço mesmo sob picos de tráfego, evitando sobrecarga no motor de síntese.

Fila de processamento

As requisições são processadas sequencialmente. Em momentos de alta demanda, uma solicitação pode aguardar na fila até que as anteriores sejam concluídas.

Essa estrutura garante que a prioridade seja dada à conclusão correta de cada arquivo de áudio, mantendo a consistência do serviço.

Comece Agora

Ilustração de onda sonora para: Comece Agora

Configure sua conta em poucos cliques e integre a síntese de voz diretamente ao seu fluxo de IVR. O acesso é imediato, permitindo que equipes de produto provisionem vozes para múltiplos cenários de atendimento sem burocracia.

Com a chave API ativa, você controla totalmente a velocidade, o formato e a voz utilizada em cada chamada. A integração utiliza o padrão OpenAI, facilitando a implementação técnica no seu sistema existente.

Crie sua conta

Acesse a página de cadastro e registre-se utilizando o Google ou um e-mail e senha. O processo é simples e cria uma conta específica para este site, pronta para uso imediato.

Não há planos mensais ou contratos de longo prazo. Você pode emitir uma nova chave a qualquer momento, invalidando a anterior instantaneamente para manter a segurança.

  • Registro via Google ou e-mail/senha
  • Conta independente por site
  • Sem contratos obrigatórios

Obtenha sua chave API

Após o cadastro, você terá acesso direto à sua chave Bearer e ao painel de controle. A interface exibe o saldo, o consumo de caracteres e um exemplo de curl pronto para uso.

Utilize essa chave no cabeçalho de autorização para enviar requisições POST ao endpoint de síntese. Cada conta mantém uma chave ativa por vez, garantindo controle centralizado.

Se necessário, gere uma nova chave a qualquer momento; a anterior deixa de funcionar imediatamente.

  • Acesso ao painel com métricas de uso
  • Chave Bearer única por conta
  • Invalidação instantânea ao renovar

Teste com crédito grátis

Ao se registrar com o Google, você recebe automaticamente US$ 0,50 de crédito. Esse valor equivale a aproximadamente 50.000 caracteres, válido por 7 dias para validar a qualidade do áudio.

Contas criadas com e-mail e senha começam sem crédito de teste. Para continuar após o uso do saldo, realize um topo de via USDT na rede TRON (TRC-20).

Cada requisição falha é gratuita, permitindo que você ajuste parâmetros de velocidade e formato sem custo adicional durante os testes.

  • US$ 0,50 para contas Google
  • Válido por 7 dias
  • Requisições falhas são gratuitas

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Não oferecemos suporte por telefone, chat ao vivo ou número de contato direto.

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. LibriVox public-domain audiobooks
  3. LibriTTS-R corpus (OpenSLR 141)
  4. W3C WAI: making audio and video accessible
  5. OpenAI API reference: create speech
  6. curl documentation
  7. Creative Commons Attribution 4.0
  8. Tether (USDT)
  9. MDN: Web Speech API
  10. ISO 639 language codes
  11. Node.js documentation
  12. FFmpeg documentation

Mais neste site