Perguntas frequentes
Qual a diferença entre Aria e Nova?
Aria é uma voz feminina descrita como clara e ideal para narração, enquanto Nova é apresentada como brilhante e animada. Ambas são vozes femininas disponíveis na API, mas oferecem timbres distintos para diferentes contextos de áudio, sem variações de emoção ou estilo além dessas características base.
Posso usar a voz Atlas para notícias?
Sim. Atlas é uma voz masculina classificada como neutra e adequada para notícias. Você pode selecioná-la no parâmetro voice da API para gerar áudio com tom jornalístico, combinando-a com os formatos de áudio disponíveis, como mp3 ou wav, via endpoint de síntese.
Como forçar o idioma espanhol em texto latino?
Envie o parâmetro language com o código ISO "es" na sua requisição. Como o texto latino é padronizado para inglês por padrão, definir explicitamente o idioma garante a pronúncia correta do espanhol, evitando que o sistema tente adivinhar o idioma incorretamente.
O idioma chinês é suportado?
Sim, o chinês está na lista de 23 idiomas suportados. Você pode enviar texto em chinês e definir o parâmetro language adequadamente para garantir a síntese correta, utilizando qualquer uma das oito vozes disponíveis para gerar o arquivo de áudio desejado.
A voz Luna é adequada para crianças?
Luna é descrita como suave e voltada para storytelling. Embora possa ser usada para narrar histórias infantis, não há especificação técnica de que sua pitch seja infantil. O tom é suave, mas a classificação baseia-se na qualidade vocal, não na idade do locutor.
Posso misturar vozes em uma única resposta?
Não. Cada requisição à API aceita apenas uma voz especificada no parâmetro voice. Para usar múltiplas vozes, você deve realizar requisições separadas para cada trecho e, em seguida, unir os arquivos de áudio gerados manualmente ou via script.
O que é o modelo tts-1-hd?
É um dos dois modelos disponíveis, ao lado do tts-1. Ambos utilizam o mesmo motor de síntese e têm o mesmo preço. A escolha entre eles não altera o custo nem as capacidades básicas, pois utilizam o mesmo motor.
As vozes mudam com o tempo?
As vozes são baseadas em gravações licenciadas do LibriTTS-R e do LibriVox. Elas são presets fixos (Aria, Nova, Luna, etc.) e não sofrem alterações dinâmicas ou evoluções de estilo após a geração do áudio, mantendo consistência nos resultados entregues via API.
Há vozes mais rápidas que outras?
Não. Todas as oito vozes utilizam o mesmo motor de síntese. A velocidade é controlada globalmente pelo parâmetro speed (entre 0.25 e 4.0) na requisição, afetando todas as vozes igualmente, sem variações de velocidade natural inerentes a cada preset específico.
Posso usar a voz Felix para promoções?
Sim. Felix é classificada como uma voz masculina energética, ideal para promoções. Você pode selecioná-la no campo voice da API para gerar áudios de marketing com o tom vibrante adequado, ajustando a velocidade conforme necessário para o contexto comercial.
A voz Milo soa mais jovem que a Milo?
Milo é uma única voz predefinida, descrita como amigável e conversacional. Não existem variações de idade ou versões diferentes da mesma voz; o tom é consistente. Qualquer mudança de percepção depende apenas do ajuste de velocidade ou do contexto do texto enviado.
Qual a melhor voz para idosos?
Nenhuma voz é especificamente otimizada para idosos. Sage, com tom calmo e instrucional, oferece boa clareza, mas a escolha depende da preferência. Todas as oito vozes suportam os idiomas disponíveis. A inteligibilidade para ouvintes mais velhos depende mais da qualidade do texto, da velocidade de fala e do formato de áudio selecionado do que do preset vocal em si.
O idioma turco é suportado?
Sim, o turco está entre os 23 idiomas suportados pela API. Você pode enviar texto em turco e definir o parâmetro language para "tr", garantindo a síntese correta. Qualquer uma das oito vozes pode falar turco, mantendo a qualidade padrão do serviço.
Como testar a pronúncia de nomes próprios?
Envie o texto contendo o nome próprio via API com o idioma definido corretamente. A API não oferece dicionário de pronúncia personalizado nem SSML. Você deve verificar o áudio gerado manualmente; se a pronúncia estiver incorreta, ajuste o texto foneticamente e refaça a solicitação.
Visão Geral da API
A API FalanteVoz é projetada para integração direta em centrais de atendimento e IVRs. O endpoint principal aceita requisições JSON padrão, permitindo que equipes de produto gerem áudio de forma programática sem dependência de provedores genéricos.
Endpoint e formato JSON
Envie texto para POST https://api.3kauto.top/v1/audio/speech e receba o arquivo de áudio. O formato da requisição é compatível com o padrão OpenAI, permitindo o uso das SDKs oficiais apenas com a alteração do base_url.
Autenticação com chave Bearer
Cada conta possui uma chave ativa iniciada por tts-.... A autenticação é feita via cabeçalho Authorization: Bearer. Uma nova chave invalida a anterior instantaneamente, garantindo controle de acesso simples.
Limites de taxa e fila
O limite padrão é de 60 requisições por minuto. Antes do primeiro recarga, o limite é de 10 por minuto. As requisições são processadas em fila, o que pode introduzir latência sob carga.
Vozes Femininas
O catálogo de vozes femininas da API FalanteVoz oferece quatro presets distintos, projetados para atender às diferentes necessidades de central de atendimento e IVR. Cada voz é baseada em gravações licenciadas do LibriTTS-R e garante consistência acústica para seus sistemas de atendimento.
Aria: Narradora clara
Aria apresenta um tom quente e claro, ideal para narrativas contínuas ou leitura de textos longos. Sua articulação precisa garante que o ouvinte compreenda as informações sem esforço auditivo excessivo.
Nova: Voz animada
Com uma energia mais elevada e um tom vibrante, Nova é indicada para mensagens promocionais ou avisos que requerem atenção imediata. A voz transmite dinamismo, mantendo o usuário engajado durante os menus interativos.
Luna: Narração suave
Luna traz uma sonoridade suave e envolvente, perfeita para narração de histórias ou mensagens de boas-vindas. A suavidade natural reduz a fadiga auditiva em chamadas prolongadas.
Sage: Instrucional calma
Sage oferece uma voz calma e instrucional, adequada para guias passo a passo ou instruções técnicas. Sua dicção clara facilita a execução correta das tarefas pelo usuário final.
Vozes Masculinas
As vozes masculinas da FalanteVoz oferecem versatilidade para diferentes contextos de atendimento e comunicação automatizada. Cada preset foi calibrado para entregar clareza e tom adequado, garantindo que a síntese de voz se integre naturalmente aos fluxos de trabalho das equipes de produto.
A seleção inclui registros que variam do energético ao neutro, permitindo que você ajuste a experiência do usuário final sem depender de provedores genéricos. Todos os prespets são baseados em gravações licenciadas e podem ser utilizados em qualquer um dos 23 idiomas suportados.
Felix: Promocional
Felix apresenta um tom energético, ideal para mensagens publicitárias ou avisos que exigem atenção imediata.
Sua voz é projetada para destacar chamadas de ação em contextos de marketing ou informações urgentes no IVR.
- Tom energético e dinâmico
- Ideal para avisos e promoções
Milo: Conversacional
Milo entrega uma voz amigável e natural, perfeita para interações conversacionais.
É a escolha recomendada para menus de atendimento onde a clareza e a proximidade com o usuário são prioritárias.
- Voz amigável e natural
- Ideal para interações conversacionais
Atlas: Noticiário
Atlas entrega um tom neutro, ideal para notícias.
Sua neutralidade garante que a informação seja transmitida sem viés emocional, mantendo a profissionalidade esperada em sistemas de informação.
- Tom neutro e direto
- Ideal para transmissão de informações
Orion: Documentário
Orion traz um registro vocal mais profundo, ideal para documentários.
A profundidade da voz adiciona uma camada de seriedade e autoridade, adequada para narrativas mais longas ou informativas.
- Registro vocal profundo
- Ideal para narrativas autorais
Idiomas Suportados
A API FalanteVoz suporta 23 idiomas, permitindo que sistemas de atendimento e IVR atendam públicos globais com precisão. A flexibilidade de voz e idioma é fundamental para a experiência do usuário final.
Os modelos processam tanto texto em scripts latinos quanto em scripts não-latinos, garantindo cobertura ampla para operações de call center internacionais sem necessidade de múltiplos provedores.
Lista de 23 idiomas
O catálogo inclui Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Suaíli, Sueco e Turco. Qualquer voz pode pronunciar qualquer um desses idiomas nativamente.
Esta diversidade permite a criação de fluxos de IVR multilíngues simples, onde a mesma chave de API serve para diferentes regiões geográficas.
Detecção automática
Se o campo language não for definido, a API tenta adivinhar o idioma com base no script do texto fornecido. Textos em caracteres latinos são padronizados como Inglês por padrão, otimizando a latência para o mercado principal.
Definição manual
Para textos em outros idiomas que usam o alfabeto latino, é recomendável definir explicitamente o código ISO no campo language. Isso evita erros de pronúncia e garante a entonação correta para o público-alvo.
A especificação manual é crucial para evitar que vozes anglófonas apliquem sotaque inglês a textos em português ou espanhol, mantendo a naturalidade da interação no call center.
Idiomas Não Suportados
A API FalanteVoz oferece suporte nativo para 23 idiomas, mas não cobre todos os dialetos do mercado. É importante verificar a lista de línguas não suportadas antes de integrar a síntese em fluxos multilíngues complexos, especialmente para mercados emergentes específicos.
Vietnamita e Indonésio
Os idiomas vietnamita e indonésio não estão incluídos na lista de suporte atual. Se o seu fluxo de trabalho exige síntese para esses públicos, a API retornará erro ou não processará a entrada corretamente sem tratamento adicional.
Tailandês e Ucraniano
Da mesma forma, o tailandês e o ucraniano são excluídos do conjunto de vozes disponível. Para sistemas de atendimento que atendem essas regiões, é necessário validar se o idioma padrão (inglês) ou a detecção automática são suficientes para o caso de uso.
Romeno, Tcheco e Bengali
O romeno, o tcheco e o bengali também não possuem suporte nativo. Ao enviar texto nestes idiomas sem especificar uma voz compatível, a síntese pode falhar ou resultar em pronúncia incorreta, já que a detecção automática assume inglês para scripts latinos.
Modelos e Formatos
A API oferece dois modelos de síntese, tts-1 e tts-1-hd, que utilizam o mesmo motor de processamento e possuem o mesmo preço. A escolha entre eles não altera a velocidade de geração ou a qualidade percebida, mas permite flexibilidade na configuração da requisição JSON enviada ao endpoint /v1/audio/speech.
tts-1 e tts-1-hd
Ambos os modelos processam textos de até 4.096 caracteres por solicitação. Como compartilham a mesma base tecnológica, a latência e o custo por caractere são idênticos. Para sistemas de IVR, onde a consistência de custo é crítica, a distinção principal reside apenas na estrutura do campo model no corpo da requisição.
MP3, WAV, Opus, FLAC
O formato de saída é definido pelo parâmetro response_format. MP3 é ideal para transmissão web eficiente, enquanto WAV oferece áudio sem perda de qualidade para integração direta em softphones. Opus e FLAC são opções para balanceamento entre tamanho de arquivo e fidelidade, adequados a diferentes infraestruturas de armazenamento.
- MP3: Compacto, amplamente compatível com players web.
- WAV: Áudio PCM não comprimido, amplamente compatível.
PCM e compressão
O formato PCM fornece dados brutos de áudio, sem compressão adicional, garantindo a máxima fidelidade para processamento imediato. Embora não utilize compressão como MP3 ou Opus, o arquivo resultante é significativamente maior. Escolha PCM quando a latência de decodificação for menos crítica do que o processamento exato dos dados de sinal.
Velocidade e Ritmo
A API permite ajustar a velocidade de síntese entre 0.25x e 4.0x, oferecendo controle preciso sobre o ritmo da fala. Esse parâmetro é útil para adaptar o conteúdo áudio às necessidades específicas de IVRs ou central de atendimento, garantindo que a voz soe natural ou mais dinâmica conforme o contexto.
O ajuste é feito via campo speed no corpo da requisição JSON. Valores próximos de 1.0 representam a velocidade padrão; acima disso, a fala acelera, enquanto valores menores a desaceleram. A API processa as solicitações de forma sequencial, o que significa que, sob carga, o tempo de geração pode variar.
Range de 0.25 a 4.0
O intervalo de 0.25 a 4.0 cobre desde narrações lentas e pausadas até discursos rápidos e energéticos. Essa amplitude permite que equipes de produto configurem vozes distintas para diferentes tipos de interação, mantendo a consistência auditiva em todo o fluxo de atendimento.
Ajuste fino de velocidade
Cada requisição aceita um valor numérico específico para o parâmetro speed. Isso elimina a necessidade de pós-produção de áudio para ajustes simples de ritmo. A geração é aproximadamente em tempo real (cerca de 25 caracteres por segundo), mas o tempo de resposta depende da fila de solicitações no momento da requisição.
Impacto na clareza
Velocidades extremas podem afetar a inteligibilidade, especialmente em chamadas de voz. Recomenda-se testar valores próximos ao limite antes de implementar em produção. Para textos longos, a geração ocorre a uma taxa média de 25 caracteres por segundo em velocidade normal.
- Valores abaixo de 0.5 podem soar artificiais
- Valores acima de 3.0 podem reduzir a compreensão
- Recomenda-se testar com o público-alvo

Licenciamento e Água
O motor de síntese utiliza gravações licenciadas de atores profissionais, garantindo uma base acústica de alta qualidade para a geração de áudio.
Essa origem transparente permite que equipes de produto integrem a voz em seus sistemas IVR com confiança quanto à procedência dos sinais.
O processo é simples e direto, sem camadas complexas de licenciamento que dificultem a implementação técnica ou o escalonamento do serviço.
LibriTTS-R e LibriVox
As vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0), originárias de leituras de audiolivros de domínio público do LibriVox.
Essa fonte garante que as vozes são gravações reais de pessoas, não sínteses geradas a partir de zero, mantendo a naturalidade das entonações.
- Fonte: LibriTTS-R (CC BY 4.0)
- Origem: Leituras de audiolivros públicos
- Qualidade: Gravações humanas reais
Marca d'água sintética
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética.
Essa marca é inserida automaticamente durante a síntese e não altera a experiência auditiva do ouvinte final, servindo apenas para identificação técnica.
Direitos de uso
Como o texto é usado apenas para produzir o áudio e não para treinamento, você mantém o controle total sobre o conteúdo final.
O áudio gerado pode ser utilizado em suas chamadas IVR, menus de atendimento ou gravações telefônicas sem restrições adicionais de licenciamento.
A marca d'água não impede o uso comercial, permitindo que sua equipe integre a voz em produtos de forma transparente e eficiente.
Preços e Pagamento
O modelo de precificação é linear e transparente: $10 por cada milhão de caracteres processados, o que equivale a $0,01 por mil caracteres. Espaços e pontuação contam como caracteres. Solicitações falhas são totalmente gratuitas, com o valor devolvido integralmente caso a síntese não seja concluída.
$10 por milhão de caracteres
O custo é diretamente proporcional ao volume de texto enviado. Não há planos mensais, assentos adicionais ou gasto mínimo exigido. Essa estrutura permite que equipes de IVR projetem seus orçamentos de áudio com precisão, pagando apenas pelo que realmente utilizam na central de atendimento.
Crédito de teste gratuito
Novos usuários podem acessar $0,50 de crédito ao fazer login com o Google, válido por 7 dias. Isso equivale a aproximadamente 50.000 caracteres para testes iniciais. Contas criadas com e-mail e senha começam sem esse crédito inicial, exigindo uma recarga imediata para uso.
Pagamento via USDT (TRC-20)
Recargas são feitas exclusivamente via USDT na rede TRON (TRC-20), com mínimo de $5. O saldo é creditado automaticamente em minutos após a transferência. Não utilizamos cartões, PayPal, assinaturas recorrentes ou faturas com IVA. O saldo restante não possui data de validade.
Conta e Chaves
As contas são criadas individualmente por site, oferecendo acesso direto à chave de API, saldo e histórico de uso. O registro pode ser feito via Google ou com e-mail e senha, garantindo um início imediato para equipes de produto que precisam integrar a síntese em seus sistemas rapidamente.
Criação de conta
O processo é simples: acesse a página /get-api-key/ e escolha entre autenticação com Google ou cadastro tradicional. A conta é vinculada especificamente ao domínio da loja, sem necessidade de planos complexos ou verificações manuais extensas.
- Registro via Google ou e-mail/senha
- Acesso imediato ao painel de controle
- Conta independente por site
Chave única ativa
Cada conta possui apenas uma chave ativa por vez, identificada pelo prefixo tts-.... Essa chave é usada no cabeçalho Authorization: Bearer para todas as requisições à API, simplificando a gestão de autenticação nos seus servidores de atendimento.
Reemissão de chave
Você pode emitir uma nova chave a qualquer momento. Ao fazer isso, a chave anterior deixa de funcionar instantaneamente, garantindo que não haja janelas de vulnerabilidade caso você precise revogar o acesso rapidamente sem esperar expirações.
Limitações Técnicas
A API FalanteVoz retorna arquivos de áudio completos via JSON, sem transmissão parcial em tempo real. Não há suporte a streaming ou WebSocket, o que significa que você recebe o arquivo apenas após o processamento, podendo haver latência dependendo da fila de requisições.
Este modelo é ideal para integrações IVR onde o arquivo final é necessário, mas não oferece atualizações progressivas de áudio durante a síntese.
Sem streaming ou WebSocket
A entrega do áudio ocorre apenas após a finalização da síntese. Não há conexão persistente para receber fragmentos de áudio em tempo real, o que pode introduzir latência inicial em chamadas de IVR se a fila estiver ocupada.
Sem SSML ou lexicon
O serviço não interpreta marcações SSML para controle de entonação ou pausas específicas. Também não há dicionário de fonemas ou lexicon personalizado para pronúncias customizadas, dependendo inteiramente da interpretação natural do modelo.
Sem clonagem de voz
Não oferecemos clonagem de voz personalizada para clientes. As oito vozes são fixas e baseadas em gravações licenciadas. Você não pode enviar um áudio para replicar uma voz específica, nem há personalização de design vocal.
- Vozes fixas, não personalizadas
- Sem upload de áudio para clonagem
- Sem design vocal customizado
Suporte e Dados
O suporte técnico é realizado exclusivamente por e-mail, sem número de telefone ou chat ao vivo. Essa abordagem mantém a simplicidade e o foco na integração da API para equipes de produto que priorizam eficiência na resolução de dúvidas técnicas.
As metadados das requisições — incluindo horário, volume de caracteres e status — são retidos exclusivamente para fins de faturamento preciso. Nenhum outro dado é armazenado após a entrega do áudio na resposta.
Suporte por e-mail
Não oferecemos suporte por telefone, chat ao vivo ou número de contato direto. Todo o atendimento é feito via e-mail, garantindo um registro claro de cada interação técnica.
Retenção de metadados
Conservermos apenas os metadados necessários para a contabilidade: tempo da requisição, quantidade de caracteres processados e o status final (sucesso ou falha). Isso assegura transparência na cobrança sem acumular dados desnecessários.
O áudio gerado não é armazenado em nossos servidores após o envio ao cliente, reduzindo a superfície de retenção de dados.
Uso sem treinamento
O texto enviado para síntese é utilizado exclusivamente para gerar o arquivo de áudio correspondente. Não utilizamos seus dados de entrada para treinar ou melhorar nossos modelos de IA.
Isso garante que sua lógica de negócio e seus textos específicos não sejam reaproveitados para outros clientes sem consentimento adicional.
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.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
