Perguntas frequentes
O que é um sistema IVR?
IVR (Resposta de Voz Interativa) automatiza o atendimento telefônico, direcionando chamadas por menus de voz ou reconhecimento de fala. Nossa API TTS permite gerar essas mensagens dinamicamente via JSON, substituindo arquivos estáticos e permitindo atualizações instantâneas sem necessidade de regravar todos os prompts.
Por que usar API em vez de gravações estáticas?
A API gera áudio sob demanda, eliminando a necessidade de gerenciar centenas de arquivos de áudio. Você pode atualizar mensagens, preços ou horários em tempo real. Além disso, o controle de velocidade e formato via JSON oferece flexibilidade técnica superior às gravações fixas.
Como personalizar mensagens de espera?
Envie o texto desejado para o endpoint POST /v1/audio/speech. Use o parâmetro speed (0.25–4.0) para ajustar a duração da mensagem de espera. Isso permite sincronizar o áudio gerado com o tempo real de processamento da chamada, mantendo o usuário informado sem arquivos fixos.
Qual voz é mais indicada para atendimento ao cliente?
Milo é descrito como 'friendly, conversational', sendo ideal para interações naturais. Atlas ('neutral, news') também é adequado para informações claras. Ambas estão disponíveis para os idiomas suportados, garantindo consistência na experiência do usuário final sem necessidade de múltiplas gravações.
Posso misturar idiomas na mesma chamada?
Sim, desde que usem idiomas suportados (23 disponíveis). Defina o parâmetro language explicitamente para cada trecho de texto, pois o padrão assume inglês para scripts latinos. Você pode gerar arquivos separados para cada idioma e concatená-los no IVR.
Como tratar erros de síntese no IVR?
Se a síntese falhar, a cobrança é estornada integralmente. Seu sistema deve verificar o status da resposta HTTP. Em caso de erro, pode-se reproduzir um arquivo de fallback estático ou tentar novamente, garantindo que o usuário não fique em silêncio absoluto.
Qual o impacto no tempo de espera?
O processamento é sequencial. Textos longos geram áudio em tempo real (~25 caracteres/seg). Curtas frases podem levar alguns segundos. Em carga, há fila de processamento. Planeje o tempo de espera do IVR considerando essa latência de geração e latência de rede.
A API suporta números e datas dinâmicos?
Sim, você envia o texto formatado (ex: 'O horário é 14h30'). A voz lê o texto literalmente. Não há SSML para controle fino de pronúncia, então formate o texto claramente para garantir a leitura correta dos números e datas dinâmicos.
Como calcular o custo por chamada?
O custo é $0.01 por 1.000 caracteres. Conte todos os caracteres, incluindo espaços e pontuação. Divida o texto em partes de até 4096 caracteres se necessário. O custo é cobrado apenas por solicitação bem-sucedida; falhas são gratuitas.
É necessário conhecimento técnico para integrar?
Sim, requer integração via API REST. Use a SDK OpenAI ajustando o base_url ou HTTP direto. Envie JSON com modelo, input, voice e formato. É necessário gerenciar chaves Bearer e lidar com a lógica de split de texto longo no seu backend.
Posso usar a mesma voz em todos os idiomas?
Sim, cada uma das 8 vozes presets pode falar qualquer um dos 23 idiomas suportados. A voz mantém sua timbre e estilo, adaptando-se à fonologia do idioma selecionado no parâmetro language, garantindo consistência de marca em diferentes regiões.
A qualidade do áudio é adequada para telefonia?
Sim, você pode selecionar formatos como mp3 ou wav. A API entrega áudio digital pronto para transmissão. A qualidade é sintética, marcada por watermark inaudível, mas clara o suficiente para IVRs. O formato pcm também está disponível para máxima compatibilidade.
Como fazer backup das chaves de API?
Há uma chave ativa por conta. Você pode emitir uma nova chave a qualquer momento na interface. A chave antiga é invalidada imediatamente. Guarde a nova chave no seu sistema de gestão de segredos antes de descartar a anterior para evitar interrupções.
Há limite de caracteres para mensagens longas?
Sim, o limite é de 4096 caracteres por solicitação. Para mensagens maiores, seu sistema deve dividir o texto em partes, enviar cada uma via API e concatenar os arquivos de áudio resultantes antes de reproduzi-los no IVR para garantir a continuidade da fala.
O Desafio do IVR Tradicional
A central de atendimento tradicional depende de arquivos de áudio pré-gravados para cada mensagem do IVR. Isso cria uma experiência estática, onde o tom e a informação não se adaptam ao contexto da ligação.
Manter essa biblioteca de sons exige esforço manual constante, especialmente quando os menus ou ofertas da empresa mudam frequentemente.
Gravações estáticas
As mensagens fixas não refletem a realidade dinâmica do negócio. O cliente ouve sempre o mesmo script, sem variações que possam personalizar a experiência ou ajustar o tom conforme o motivo da chamada.
Essa rigidez limita a capacidade de responder a situações específicas, como filas longas ou promoções temporárias, sem que toda a gravação precise ser refeita.
Custo de produção
Cada nova mensagem ou alteração exige a contratação de locutores, estúdio e edição de áudio. Para empresas com múltiplos idiomas ou vozes distintas, os custos de produção de conteúdo de voz aumentam significativamente.
O processo é lento e caro para pequenas mudanças, desincentivindo a atualização constante do conteúdo do IVR.
Atualização de conteúdo
Alterar uma única palavra em um menu existente requer gerar um novo arquivo de áudio completo. Isso torna o ciclo de atualização lento e propenso a erros, já que cada versão deve ser testada individualmente antes de ir ao ar.
A dependência de arquivos estáticos dificulta a agilidade necessária para equipes de produto que desejam otimizar a experiência do usuário com base em dados reais de uso.
Vantagens da API
Substituir gravações estáticas por uma API de texto para fala permite que mensagens sejam geradas sob demanda. O sistema recebe um texto e retorna áudio via JSON, eliminando a necessidade de estúdio para cada nova atualização.
O custo é fixo por caractere processado, sem planos mensais ou taxas de infraestrutura. Solicitações falhas são gratuitas, e o saldo não expira, oferecendo controle total sobre o orçamento operacional.
Dinamismo de conteúdo
A integração via endpoint REST permite injetar dados diretamente no fluxo de áudio. Diferente de arquivos .wav pré-gravados, o IVR pode ler variáveis como nomes ou saldos em tempo real, mantendo o contexto da interação.
O formato de resposta facilita a integração com sistemas legados de central de atendimento, garantindo que o áudio seja entregue ao usuário final.
Redução de custos
O modelo de precificação é de $0,01 por mil caracteres, eliminando custos fixos de produção de conteúdo. Não há necessidade de contratar locutores ou estúdios para pequenas atualizações, reduzindo o custo marginal a quase zero.
Como as requisições falhas são devolvidas integralmente, você paga apenas pelo áudio gerado com sucesso. Isso garante eficiência orçamentária mesmo em picos de uso ou testes de integração.
Personalização em tempo real
Com oito vozes pré-definidas, é possível ajustar o tom da comunicação (como 'nova' para avisos ou 'sage' para instruções) sem precisar regravar arquivos. A velocidade pode ser ajustada de 0.25 a 4.0 para otimizar o tempo de atendimento.
Cada arquivo gerado carrega uma marca d'água inaudível que identifica o conteúdo como sintético, mantendo a transparência na experiência do usuário final sem necessidade de avisos vocais adicionais.
Escolha de Vozes
A escolha da voz influencia diretamente a percepção do cliente no IVR. Oferecemos oito vozes distintas, divididas entre masculinas e femininas, para cobrir diferentes contextos de atendimento.
Cada voz foi projetada com um tom específico, desde narrativas claras até vozes mais energéticas ou neutras, permitindo adequar o áudio ao tipo de mensagem transmitida.
Vozes masculinas e femininas
As vozes femininas incluem Aria (narração clara), Nova (animada), Luna (suave) e Sage (instrucional). As masculinas são Felix (energética), Milo (conversacional), Atlas (neutra) e Orion (documentário).
Essas opções permitem alternar entre mensagens institucionais e interações mais dinâmicas, mantendo a naturalidade da fala.
- Aria, Nova, Luna, Sage (femininas)
- Felix, Milo, Atlas, Orion (masculinas)
Tom de voz adequado
Para filas de espera, vozes neutras como Atlas ou conversacionais como Milo reduzem a frustração do usuário. Para promoções ou avisos urgentes, Felix ou Nova transmitem mais energia.
A consistência tonal evita que o cliente sinta que está falando com sistemas diferentes durante a mesma chamada.
Consistência de marca
Ao fixar uma voz principal para o IVR, sua equipe garante que a identidade sonora da empresa seja reconhecível. Isso é crucial para centrais de atendimento de alto volume.
Todas as vozes são baseadas em gravações licenciadas, garantindo qualidade técnica e uniformidade nos arquivos gerados via API.
Configuração Técnica
Integrar a API de texto para fala em sistemas IVR exige a configuração precisa do endpoint e dos parâmetros de síntese. O envio da requisição ocorre via POST https://api.3kauto.top/v1/audio/speech, utilizando o formato JSON padrão compatível com SDKs OpenAI, o que facilita a adoção por equipes de produto já familiarizadas com essas estruturas.
Endpoint de síntese
Utilize o método POST no caminho /v1/audio/speech para enviar o texto e receber o arquivo de áudio. A autenticação é feita mediante um token Bearer enviado no cabeçalho. Cada chamada processa até 4.096 caracteres, retornando o arquivo gerado diretamente na resposta.
- Endpoint: POST https://api.3kauto.top/v1/audio/speech
- Formato de corpo: JSON com campos 'model', 'input', 'voice'
- Autenticação: Authorization: Bearer tts-...
Parâmetros de velocidade
O controle de velocidade varia de 0.25 a 4.0, permitindo ajustar a taxa de fala para melhor compreensão em ambientes ruidosos ou para economizar tempo em filas de espera. O padrão é 1.0, mas valores mais baixos podem melhorar a clareza em mensagens complexas de menu.
- Intervalo: 0.25 a 4.0
- Ajuste fino para clareza ou rapidez
- Não altera a entonação da voz selecionada
Formatos de áudio
Selecione o formato adequado ao seu sistema de telephony. O MP3 é eficiente para largura de banda, enquanto o WAV oferece qualidade sem compressão. Opções como FLAC e PCM garantem fidelidade máxima, e o OPUS é um formato suportado. A escolha deve considerar a compatibilidade do seu gateway VoIP.
- MP3, WAV, OPUS, FLAC, PCM
- MP3 para eficiência de banda
- WAV para qualidade sem compressão
Idiomas e Regionalismo
O sistema suporta 23 idiomas, incluindo português, espanhol e inglês, permitindo que equipes de atendimento atendam mercados globais com uma única integração API. Cada voz sintetizada mantém clareza e naturalidade, independentemente do idioma selecionado.
Suporte a 23 idiomas
Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish e Turkish são suportados nativamente. Qualquer voz pode falar qualquer um destes idiomas, garantindo consistência acústica entre diferentes mercados.
Detecção automática
Se o parâmetro language não for definido, o sistema detecta o idioma com base no script do texto. Para textos em latim não ingleses, a detecção pode falhar, resultando na pronúncia padrão em inglês.
Configuração manual
Para garantir a pronúncia correta em textos em latim que não sejam inglês, defina explicitamente o parâmetro language com o código ISO correspondente. Isso evita que a voz padrão aplique sotaques incorretos ao texto.
Integração com Dados
A integração eficiente de dados transforma o IVR de um sistema estático em uma experiência contextual. Ao injetar variáveis diretamente no corpo da solicitação JSON, o sistema pode personalizar mensagens como nomes de clientes, números de protocolo ou prazos de vencimento em tempo real, antes mesmo da síntese ser processada.
Essa abordagem garante que cada chamada soe única e relevante, eliminando a necessidade de gravar centenas de arquivos de áudio pré-combinados. A API aceita textos dinâmicos de até 4.096 caracteres, permitindo que variáveis de banco de dados ou CRM sejam inseridas diretamente no campo input.
Injeção de variáveis
As variáveis podem ser inseridas diretamente no campo input da requisição POST. Basta construir a string de texto no seu backend, substituindo placeholders como {nome} ou {data} pelos valores reais do banco de dados antes de enviar para https://api.3kauto.top/v1/audio/speech.
- Suporte a textos dinâmicos de até 4.096 caracteres por requisição
- Compatível com qualquer linguagem de programação que faça chamadas HTTP
- Variáveis são processadas como texto normal, sem necessidade de marcação extra
Mensagens dinâmicas
Mensagens dinâmicas permitem atualizar informações críticas instantaneamente, como status de pedidos ou lembretes de pagamento, sem retomar arquivos de áudio. Isso é crucial para IVRs que precisam refletir o estado atual do cliente no momento da chamada.
- Atualização imediata de informações sem dependência de arquivos estáticos
- Personalização baseada em contexto da chamada (ex: motivo da ligação)
- Redução do tempo de desenvolvimento para novas campanhas ou campanhas sazonais
Exemplos de uso
Um call center pode inserir o nome do cliente e o número do protocolo: "Olá, {nome}, seu protocolo {cod} está sendo analisado." Outro exemplo é um lembrete de vencimento: "O boleto de {valor} vence em {dia}." Essas strings são enviadas diretamente para a API, que gera o áudio correspondente.
- Saudação personalizada com nome do cliente
- Informação de status de pedido em tempo real
- Lembretes de pagamento com valores e datas variáveis
- Mensagens de fila baseadas no tempo de espera atual
Performance e Latência
Entender a latência é crucial para IVRs onde cada segundo de espera impacta a experiência. A síntese não é instantânea, mas otimizada para fluxo contínuo.
Tempo de geração
O processamento é aproximadamente em tempo real, gerando cerca de 25 caracteres de texto por segundo de áudio. Frases curtas levam alguns segundos para serem sintetizadas, enquanto textos longos mantêm consistência de velocidade.
Fila de processamento
As requisições são processadas sequencialmente. Sob carga elevada, uma solicitação pode aguardar na fila antes do início da síntese. Isso garante a integridade do áudio, mas introduz variabilidade no tempo de resposta.
Experiência do usuário
A latência inicial pode ser perceptível. Para IVRs, recomenda-se usar textos concisos. A consistência do tom de voz compensa pequenas variações de tempo, mantendo a naturalidade da interação.

Monitoramento
O monitoramento eficiente é essencial para manter a qualidade do atendimento em IVRs. A API registra metadados de cada solicitação, incluindo tempo, número de caracteres e status, garantindo transparência total sobre o uso do serviço.
Esses dados permitem auditorias precisas e ajudam a identificar gargalos no fluxo de áudio, assegurando que as mensagens sejam entregues conforme o esperado.
Logs de requisição
Cada chamada gera um registro com timestamp e tamanho do texto. Esses logs são mantidos para fins de cobrança e auditoria, mas o áudio em si não é armazenado.
Isso permite reconstruir exatamente qual mensagem foi gerada em cada interação com o cliente.
- Timestamp exato da solicitação
- Número de caracteres processados
- Status de sucesso ou falha
Custo por chamada
O custo é calculado por caractere, incluindo espaços e pontuação. A taxa fixa de $10 por 1 milhão de caracteres simplifica o planejamento financeiro.
Não há custos fixos ou mensalidades, apenas o volume real de processamento.
- $0.01 por 1.000 caracteres
- Espaços e pontuação contam
- Sem taxas ocultas
Taxa de erro
Requisições que falham na síntese são totalmente gratuitas. Isso protege sua conta de cobranças por áudio não entregue.
Monitorar erros ajuda a identificar problemas de formatação de texto ou limites de caracteres antes que afetem o usuário final.
- Falhas são cobradas zero
- Retorno integral do crédito
- Fácil de rastrear
Exemplo Prático
Imagine um call center onde o sistema IVR precisa informar o tempo de espera atualizado a cada minuto. Com a API de voz sintética, o texto dinâmico é enviado via JSON e convertido em áudio, eliminando a necessidade de gravações estáticas para cada variação de mensagem.
Essa abordagem permite que as equipes de produto integrem dados em tempo real diretamente na experiência do cliente, mantendo a consistência da marca sem a burocracia de estúdios de gravação tradicionais.
Cenário de call center
Um sistema IVR consulta uma API interna para obter o tempo médio de espera e a fila de atendimento. O texto resultante, como "O tempo de espera é de cinco minutos", é enviado para a API de TTS, que retorna um arquivo de áudio pronto para ser reproduzido ao cliente.
- Mensagens personalizadas por fila
- Atualização em tempo real
- Sem gravações manuais
Fluxo de requisição
A integração utiliza o endpoint POST /v1/audio/speech com autenticação Bearer. O corpo da requisição contém o modelo (tts-1 ou tts-1-hd), o texto gerado dinamicamente, a voz selecionada (como nova para um tom mais enérgico ou atlas para neutralidade) e o formato desejado, como mp3 ou wav.
- Autenticação via chave API
- Formatos flexíveis (mp3, wav)
- Controle de velocidade (0.25–4.0)
Resposta de áudio
A API retorna o arquivo de áudio binário diretamente na resposta. Para textos longos, o sistema pode dividir o conteúdo em partes de até 4096 caracteres, gerar os arquivos individuais e uni-los antes de enviar ao IVR, garantindo que a experiência do usuário final seja fluida e contínua.
Melhores Práticas
Implementar TTS em IVR exige precisão. Textos concisos reduzem caracteres e custos. Controle de velocidade ajusta a naturalidade. Testes validam a experiência do usuário final.
Essas práticas garantem eficiência e clareza na comunicação automatizada, mantendo o equilíbrio entre custo e qualidade de áudio.
Textos curtos e claros
Limite cada solicitação a 4096 caracteres. Isso evita cortes inesperados e simplifica o processamento na central.
Use frases diretas. Evite pontuação complexa que possa confundir a síntese ou aumentar o tempo de geração.
- Máximo de 4096 caracteres por requisição
- Frases curtas e objetivas
Controle de velocidade
Ajuste a velocidade entre 0.25 e 4.0 para adequar o ritmo à mensagem. Velocidades altas podem comprometer a clareza em instruções críticas.
Teste diferentes valores para encontrar o ponto ideal entre agilidade e compreensão pelo cliente.
- Intervalo de 0.25 a 4.0
- Ajuste fino para instruções complexas
Testes A/B
Compare vozes e formatos para diferentes segmentos de callers. Use dados reais para validar a eficácia.
Monitore a taxa de sucesso e o tempo de geração para otimizar continuamente a experiência de atendimento.
- Compare vozes femininas e masculinas
- Avalie formatos mp3 vs wav
Conclusão
Integrar a FalanteVoz ao seu IVR substitui gravações estáticas por áudio gerado sob demanda, oferecendo controle total sobre velocidade e formatos. Essa abordagem elimina a necessidade de produzir novos arquivos para cada atualização de mensagem, mantendo o sistema atualizado com precisão.
Modernização do IVR
A implementação via API REST permite que equipes de produto integrem síntese de voz diretamente nos fluxos de chamadas, sem depender de provedores genéricos. O controle técnico completo garante que o áudio seja entregue via JSON, otimizando a infraestrutura existente.
Impacto no atendimento
A capacidade de gerar áudio com velocidade ajustável de 0.25 a 4.0 melhora a clareza das informações para o usuário final. A consistência das vozes, baseadas em gravações licenciadas, garante uma experiência auditiva profissional e reconhecível.
Próximos passos
Comece testando o crédito gratuito de $0,50 para validar a latência e a qualidade nos seus cenários reais. Em seguida, integre o endpoint POST /v1/audio/speech utilizando o SDK OpenAI ou requisições HTTP diretas, ajustando os parâmetros de idioma e voz conforme necessário.
- Teste o crédito inicial de $0,50
- Integre o endpoint de síntese
- Configure parâmetros de velocidade e idioma
Recursos Adicionais
Explore a referência técnica definitiva para integrar nossa API de TTS ao seu sistema de IVR. A documentação detalha cada parâmetro, desde a seleção de voz até o controle de velocidade, garantindo que você configure as chamadas exatamente como seu fluxo de trabalho exige.
Documentação completa
Acesse o guia técnico completo em /docs/ para entender todos os endpoints, formatos de áudio suportados e a estrutura exata do corpo da requisição JSON. Tudo o que você precisa para implementar a síntese de voz de forma robusta.
- Acesso direto à especificação da API
- Detalhes sobre formatos de saída (mp3, wav, opus, flac, pcm)
Exemplos de código
Utilize os exemplos práticos para acelerar sua integração. Veja como enviar textos dinâmicos e receber o áudio gerado via endpoint POST, adaptando os comandos curl ou SDKs existentes para nossa base de API em https://api.3kauto.top/v1.
Suporte técnico
Para dúvidas sobre integração ou questões técnicas, nosso suporte é realizado exclusivamente por e-mail. Não oferecemos chat ao vivo nem telefone, mas garantimos atenção específica para equipes de produto que necessitam de clareza técnica.
- Atendimento por e-mail
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.
