API de Texto para Voz: 8 Vozes Naturais para Seus Projetos

Por Equipe editorial Locutor.io · Atualizado 2026-11-18

Esta página apresenta a API de conversão de texto em voz da Locutor.io, projetada para criadores de conteúdo que buscam vozes profissionais para rádio e publicidade. Aqui você encontra detalhes sobre nossas 8 vozes, os 23 idiomas suportados e como integrar nossa solução técnica ao seu fluxo de trabalho editorial com precisão.

Explore exemplos concretos de uso, desde locuções para spots publicitários até narrações para audiobooks. Entenda o funcionamento do endpoint, os formatos de áudio disponíveis e o modelo de pagamento transparente, garantindo controle total sobre tom, velocidade e escalabilidade para seus projetos audiovisuais.

API de Texto para Voz: 8 Vozes Naturais para Seus Projetos

Perguntas frequentes

O que é uma voz de locutor online grátis?

É um crédito de US$ 0,50 (cerca de 50 mil caracteres) válido por 7 dias, concedido ao fazer login com o Google. Para contas criadas com e-mail e senha, não há crédito inicial. O serviço permite transformar textos em áudio para uso editorial e publicitário.

Como funciona a API de texto para voz?

Envie texto via POST para o endpoint /v1/audio/speech com formato JSON. Especifique o modelo, voz, idioma e formato. A API retorna o arquivo de áudio gerado. Funciona com SDKs OpenAI ajustando o base_url. Suporta até 4096 caracteres por requisição e velocidade ajustável de 0.25 a 4.0.

Quais formatos de áudio são suportados?

A API suporta os formatos mp3, wav, opus, flac e pcm. Você pode selecionar o formato desejado no campo response_format da requisição JSON. Todos os arquivos gerados contêm uma marca d'água inaudível que identifica o conteúdo como fala sintética, garantindo a rastreabilidade do áudio produzido.

Quantos idiomas a API suporta?

A API suporta 23 idiomas, incluindo inglês, português, espanhol, francês, alemão, japonês, chinês e árabe. Qualquer voz pode falar qualquer um desses idiomas. Se o idioma não for definido, ele é adivinhado pelo script; para textos em latim não ingleses, defina o campo language explicitamente.

As vozes são personalizadas ou pré-definidas?

As vozes são oito presets pré-definidos: Aria, Nova, Luna, Sage, Felix, Milo, Atlas e Orion. Não oferecemos clonagem de voz personalizada nem upload de vozes próprias. Cada voz é baseada em gravações licenciadas do LibriTTS-R e LibriVox, garantindo consistência e qualidade editorial para seus projetos de rádio.

O texto enviado é usado para treinar modelos?

Não. O texto enviado é utilizado exclusivamente para produzir o áudio solicitado e não é usado para treinar nossos modelos. Os arquivos de áudio gerados são retornados na resposta e não são armazenados. Apenas metadados da solicitação (tempo, caracteres, status) são mantidos para fins de faturamento.

Qual o limite de caracteres por requisição?

Cada requisição aceita até 4096 caracteres. Para textos mais longos, você deve dividi-los em partes desse tamanho e juntar os arquivos de áudio resultantes. O cálculo do preço considera todos os caracteres, incluindo espaços e pontuação. A velocidade média é de cerca de 25 caracteres por segundo.

Como funciona o pagamento com USDT?

O pagamento é feito exclusivamente com USDT na rede TRON (TRC-20). O valor mínimo é de US$ 5. Os créditos são creditados automaticamente em minutos após a transferência. Não aceitamos cartões, PayPal ou faturas com IVA. O saldo não expira e não há planos mensais ou cotas fixas.

Há garantia de uptime para a API?

Não há garantia de uptime (SLA) ou contrato empresarial. A API processa requisições em fila, podendo haver espera sob carga. O limite é de 60 requisições por minuto por chave. Solicitações falhas são gratuitas e o valor é devolvido integralmente. Não oferecemos suporte telefônico ou chat ao vivo.

Posso usar as vozes em comerciais de rádio?

Sim. As vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0) e leituras de domínio público do LibriVox. Elas são ideais para spots publicitários e rádio. Cada arquivo gerado contém uma marca d'água inaudível indicando que é fala sintética, o que é padrão para conteúdo gerado por IA.

As vozes são baseadas em clonagem de voz?

Não. As vozes são oito presets pré-definidos (como Aria, Felix e Atlas) baseados em gravações licenciadas. Não oferecemos clonagem de voz personalizada para clientes nem upload de vozes próprias. Não há design de voz ou tags de emoção. As vozes são fixas e consistentes para todos os usuários.

Qual a velocidade média de geração de áudio?

A velocidade é aproximadamente de tempo real, gerando cerca de 25 caracteres de texto por segundo de áudio. Textos curtos levam alguns segundos. As requisições são processadas sequencialmente, então sob carga, uma solicitação pode aguardar na fila. O limite é de 60 requisições por minuto por chave de API.

Preciso de conhecimento técnico para usar a API?

O uso da API exige conhecimento técnico para enviar requisições JSON e gerenciar chaves. Não há SDK próprio, aplicativo móvel, plugin WordPress ou extensão de navegador. Você pode usar o SDK oficial da OpenAI ajustando o base_url. Para uso editorial simples, a página /get-api-key/ oferece um exemplo curl pronto para uso.

Como posso obter mais créditos após o teste grátis?

Efetue um top-up via USDT na rede TRON (TRC-20). O valor mínimo é de US$ 5. Os créditos são adicionados automaticamente em minutos após a confirmação da transferência no blockchain. Não há planos mensais, assentos ou gasto mínimo. O saldo permanece válido indefinidamente até ser consumido.

Primeira solicitação

curl

curl https://api.getbb7.com/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

Por que escolher uma API de TTS para sua produção?

Ilustração de onda sonora para: Por que escolher uma API de TTS para sua produção?

Transformar texto em áudio profissional nunca foi tão acessível para criadores de conteúdo. Uma API de TTS elimina a necessidade de estúdios físicos, permitindo que você gere vozes de alta qualidade sob demanda, com consistência editorial e sem a burocracia de agendar talentos para cada novo spot ou vídeo.

Com controle preciso sobre velocidade e escolha de vozes, você garante que o tom da narrativa se ajuste exatamente à intenção do projeto, seja para um anúncio de rádio ou para a narração de um audiobook.

Controle total sobre o tom e a velocidade

Controle total sobre o tom e a velocidade

Ajuste a velocidade de 0.25 a 4.0 para sincronizar perfeitamente o áudio com imagens ou ritmos editoriais. Cada uma das 8 vozes oferece um caráter distinto, permitindo alternar entre narrativas suaves, instruções calmas ou anúncios energéticos sem perda de qualidade.

  • Ajuste fino de velocidade (0.25–4.0x)

Escalabilidade para grandes volumes de texto

Processe textos longos dividindo-os automaticamente em partes de até 4096 caracteres. A API mantém a coerência da narração, retornando arquivos de áudio prontos para junção. Com limites de 60 requisições por minuto, é possível gerar grandes coleções de conteúdo de forma previsível.

  • Limite de 4096 caracteres por requisição

Integração fácil com OpenAI SDK

Utilize o endpoint padrão POST /v1/audio/speech com o mesmo formato JSON da OpenAI. Basta alterar o base_url para https://api.getbb7.com/v1 e usar sua chave TTS. Os SDKs oficiais da OpenAI funcionam nativamente, reduzindo o tempo de integração técnica.

Vozes profissionais para spots publicitários

Ilustração de onda sonora para: Vozes profissionais para spots publicitários

Para spots publicitários e rádio, a escolha da voz define a credibilidade da mensagem. Nossa API oferece oito presetssintonizados para diferentes contextos comerciais, garantindo que o tom da locução corresponda exatamente à identidade da marca, seja para uma campanha de varejo ou para documentários institucionais.

Vozes femininas: Aria, Nova, Luna e Sage

Aria traz um narrador claro e quente, ideal para apresentações diretas. Nova oferece um tom brilhante e animado, perfeito para promoções rápidas. Luna suaviza a narrativa, adequada para storytelling, enquanto Sage imparte calma e clareza instrucional.

Vozes masculinas: Felix, Milo, Atlas e Orion

Felix é energético, focado em promoções de alta velocidade. Milo estabelece uma conversa amigável e próxima. Atlas mantém neutralidade e precisão para notícias, enquanto Orion aporta profundidade e seriedade para documentários.

Estilos variados: narrador, energético, neutro e documental

Cada voz é baseada em gravações licenciadas (LibriTTS-R) e é um preset fixo. A seleção deve considerar o gênero do conteúdo: desde a urgência de um comercial de TV até a calma de um audiolivro.

Não há clonagem de voz personalizada nem edição de emoções em tempo real. A eficiência está na precisão do preset escolhido para o texto final.

  • Aria: narradora clara e quente
  • Nova: tom brilhante e animado
  • Luna: storytelling suave
  • Sage: instrucional e calma
  • Felix: energético para promoções
  • Milo: conversacional e amigável
  • Atlas: neutro e jornalístico
  • Orion: profundo e documental

Idiomas suportados para conteúdo global

Ilustração de onda sonora para: Idiomas suportados para conteúdo global

Com suporte para 23 idiomas, a Locutor.io permite a criação de conteúdo publicitário e narrativo em mercados globais sem a necessidade de múltiplos fornecedores. As vozes naturais atendem desde o inglês e o espanhol até árabe, hindi e japonês, garantindo precisão fonética e entonação adequada para cada mercado-alvo.

Cada voz pode falar qualquer um dos idiomas suportados, o que simplifica a produção de spots para diferentes regiões. A flexibilidade linguística garante que sua mensagem mantenha a qualidade editorial, independentemente do idioma de origem ou do público-alvo final do seu projeto.

23 idiomas disponíveis, incluindo inglês e espanhol

O sistema suporta 23 idiomas, incluindo os mais demandados para publicidade, como inglês e espanhol. A lista também abrange árabe, chinês, francês, alemão, hindi, japonês, coreano, russo, turco e outros, cobrindo a maioria dos mercados comerciais relevantes. Línguas como vietnamita, tailandês e ucraniano ainda não são suportadas.

  • Árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, sueco, turco e swahili.

Detecção automática de idioma ou definição explícita

O sistema tenta detectar automaticamente o idioma com base no script do texto. Para textos em latim, o padrão é inglês. Para outros idiomas em script latino, é recomendado definir o parâmetro language explicitamente para evitar erros de pronúncia. Isso garante precisão em textos mistos ou menos comuns.

Suporte para línguas com scripts latinos e não latinos

Além dos idiomas em script latino, a API suporta caracteres e fonemas de scripts não latinos, como árabe, chinês, japonês e coreano. Isso permite a produção de spots publicitários e narrações em mercados diversificados sem a necessidade de múltiplos fornecedores de voz.

A consistência nas vozes permite que você mantenha a identidade da marca em todos os idiomas, utilizando as mesmas 8 presets de voz disponíveis.

Como funciona a geração de áudio

Ilustração de onda sonora para: Como funciona a geração de áudio

A geração de áudio ocorre via endpoint POST, onde você envia o texto e recebe o arquivo de áudio. O processamento é síncrono: as requisições são executadas uma após a outra. Para textos longos, a API divide o conteúdo em partes de até 4096 caracteres e une os arquivos finais.

O formato de saída é definido no campo response_format. Os formatos disponíveis são MP3, WAV, OPUS, FLAC e PCM. Cada formato atende a diferentes necessidades de compatibilidade e qualidade, mantendo o padrão de corpo JSON da API de speech.

Envie texto e receba arquivos de áudio

A geração de áudio ocorre via endpoint POST, onde você envia o texto e recebe o arquivo de áudio. O processamento é síncrono: as requisições são executadas uma após a outra. Para textos longos, a API divide o conteúdo em partes de até 4096 caracteres e une os arquivos finais.

O formato de saída é definido no campo response_format. Os formatos disponíveis são MP3, WAV, OPUS, FLAC e PCM. Cada formato atende a diferentes necessidades de compatibilidade e qualidade, mantendo o padrão de corpo JSON da API de speech.

Formatos variados: MP3, WAV, OPUS, FLAC e PCM

A geração de áudio ocorre via endpoint POST, onde você envia o texto e recebe o arquivo de áudio. O processamento é síncrono: as requisições são executadas uma após a outra. Para textos longos, a API divide o conteúdo em partes de até 4096 caracteres e une os arquivos finais.

O formato de saída é definido no campo response_format. Os formatos disponíveis são MP3, WAV, OPUS, FLAC e PCM. Cada formato atende a diferentes necessidades de compatibilidade e qualidade, mantendo o padrão de corpo JSON da API de speech.

Processamento síncrono com filas em alta demanda

O sistema processa as requisições sequencialmente. Em momentos de alta demanda, as solicitações podem aguardar em uma fila antes de serem executadas. Isso garante a integridade da geração, mas pode adicionar latência dependendo do volume de tráfego no momento.

A velocidade média é de aproximadamente 25 caracteres por segundo de áudio gerado. Frases curtas levam alguns segundos, enquanto textos longos são processados em tempo real.

Uso gratuito e API paga

Ilustração de onda sonora para: Uso gratuito e API paga

O acesso à API começa com um crédito de US$ 0,50, válido por 7 dias ao fazer login com o Google. Essa quantia equivale a aproximadamente 50.000 caracteres. Contas criadas com e-mail e senha não recebem esse crédito inicial.

A taxa de uso é simples: US$ 10 por milhão de caracteres. Não há planos mensais ou custos fixos. O saldo nunca expira, e solicitações falhas são retornadas integralmente sem cobrança.

Crédito inicial grátis de $0,50 para testar

O crédito de US$ 0,50 oferece cerca de 50.000 caracteres para validação imediata da qualidade das vozes e da latência da API. Esse período de sete dias permite avaliar se o serviço atende aos requisitos técnicos do seu projeto editorial.

O crédito é concedido automaticamente durante o login com o Google na página /get-api-key/. Se você criar a conta usando e-mail e senha, o crédito inicial não é aplicado, iniciando apenas com o saldo recarregado.

Limite de 60 requisições por minuto por chave

Cada chave de API suporta até 60 requisições por minuto. Antes da primeira recarga, esse limite é reduzido para 10 requisições por minuto, garantindo estabilidade na fase de testes.

Textos longos devem ser divididos em partes de até 4.096 caracteres para respeitar os limites de entrada. Sob alta demanda, as requisições são processadas em fila, o que pode adicionar alguns segundos ao tempo de geração.

Pagamento único por caracteres processados

A cobrança é baseada exclusivamente no volume: US$ 10 por cada milhão de caracteres processados. Espaços e pontuação contam como caracteres. Não há cobrança por requisição, apenas pelo texto convertido.

O pagamento é feito exclusivamente via USDT na rede TRON (TRC-20), com mínimo de US$ 5. O saldo é creditado automaticamente em minutos e não possui validade. Não emitimos notas fiscais com IVA nem aceitamos cartões ou PayPal.

Uso gratuito e API paga

Qualidade de áudio e licenciamento

Ilustração de onda sonora para: Qualidade de áudio e licenciamento

Nossa API utiliza vozes derivadas de gravações licenciadas do conjunto LibriTTS-R (CC BY 4.0), garantindo base técnica sólida para locuções profissionais. Cada arquivo gerado carrega uma marca d'água inaudível que identifica o conteúdo como fala sintética, preservando a transparência do meio.

Os dados de entrada são processados exclusivamente para a síntese do áudio solicitado. Não utilizamos seu texto para treinar nossos modelos, garantindo privacidade para seus roteiros publicitários e narrativas editoriais.

Vozes baseadas em gravações licenciadas LibriTTS-R

As oito vozes disponíveis (Aria, Nova, Luna, Sage, Felix, Milo, Atlas e Orion) são construídas sobre leituras de audiolivros de domínio público, oferecendo naturalidade e clareza para spots de rádio e vídeos.

Marca d'água inaudível em arquivos sintéticos

Cada arquivo de áudio gerado possui uma marca d'água inaudível que marca o conteúdo como sintético. Isso permite a identificação técnica da origem do áudio sem afetar a experiência do ouvinte final.

Uso dos dados de entrada apenas para geração de áudio

Seu texto entra no sistema, é convertido em áudio e é retornado na resposta. Não armazenamos o conteúdo textual para uso posterior em treinamento, diferentemente de muitos outros serviços de IA generativa.

Apenas metadados de solicitação (tempo, caracteres, status) são mantidos para fins de faturamento e controle de limite de caracteres.

Casos de uso para criadores de conteúdo

Ilustração de onda sonora para: Casos de uso para criadores de conteúdo

Transforme textos longos em áudio profissional sem contratar locutores. Nossa API aceita até 4.096 caracteres por requisição, processando textos com velocidade próxima ao tempo real.

Ideal para quem precisa de consistência sonora em múltiplos projetos, mantendo o controle total sobre o tom e a entrega.

Narração de audiobooks e livros digitais

Gere narrativas contínuas dividindo o texto em partes de 4.096 caracteres e unindo os arquivos resultantes. Vozes como Aria e Luna oferecem timbres adequados para storytelling.

  • Suporte a 23 idiomas, incluindo português e espanhol
  • Formatos WAV e FLAC para máxima fidelidade

Locuções para vídeos de YouTube e redes sociais

Substitua a necessidade de estúdio para spots publicitários curtos. Use vozes como Felix para promoções energéticas ou Milo para tom conversacional, gerando áudio sob demanda.

  • Velocidade ajustável de 0.25x a 4.0x
  • Integração rápida via SDK padrão OpenAI

Avisos e notificações para aplicativos e sites

Implemente respostas automáticas em IVR ou alertas de sistema com vozes neutras como Atlas. O processamento é síncrono, garantindo a entrega imediata do arquivo de áudio.

  • Textos curtos levam alguns segundos para processar
  • Controle preciso de idioma via código ISO

Integração técnica simplificada

Ilustração de onda sonora para: Integração técnica simplificada

O endpoint principal opera via POST JSON, exigindo apenas o texto, o modelo e a voz. O limite de 4096 caracteres por requisição é suficiente para a maioria dos spots, enquanto textos longos devem ser divididos manualmente e unidos posteriormente.

Endpoint RESTful com formato JSON padrão

A estrutura de envio é direta: envie o texto no campo input, selecione o modelo (tts-1 ou tts-1-hd) e a voz desejada. O sistema retorna o arquivo de áudio no formato escolhido, seja MP3, WAV, OPUS, FLAC ou PCM.

Compatível com SDKs oficiais da OpenAI

Como a forma da requisição é idêntica à da OpenAI, você pode utilizar os SDKs oficiais deles. Basta alterar a base_url para https://api.getbb7.com/v1 e inserir sua chave de API. Isso elimina a necessidade de adaptar bibliotecas externas.

  • Use a biblioteca oficial da OpenAI (Python, Node.js, etc.)
  • Ajuste apenas o base_url para o domínio da Locutor.io
  • Mantenha a mesma estrutura de corpo JSON para requisições

Documentação para desenvolvedores

Acesse nossa documentação para exemplos práticos. A integração é feita via HTTP padrão, sem a necessidade de SDKs proprietários ou plugins específicos. A autenticação ocorre via header Authorization: Bearer, garantindo simplicidade e controle total sobre o fluxo de dados.

Suporte e comunidade editorial

Ilustração de onda sonora para: Suporte e comunidade editorial

O acesso à documentação técnica e os exemplos de integração permitem que criadores implementem a API de texto para voz diretamente em seus fluxos de produção, economizando tempo na configuração inicial.

Para dúvidas específicas sobre o serviço, o suporte é realizado exclusivamente por email, garantindo que cada solicitação seja analisada com o detalhamento necessário para resolver questões técnicas ou comerciais.

Artigos e guias para otimizar seu workflow

Acesse nossa documentação para entender como estruturar requisições JSON e utilizar os SDKs da OpenAI com a base URL correta.

Guias práticos explicam o uso dos parâmetros de velocidade, formato de áudio e seleção de vozes para diferentes tipos de spot publicitário.

Sua dúvida via email para dúvidas

Envie sua questão para nossa equipe de suporte. Não oferecemos chat ao vivo ou telefone, mas respondemos com precisão técnica.

Este canal é ideal para questões sobre faturamento, limites de taxa ou integrações específicas que requerem análise detalhada.

Transparência sobre limites e disponibilidade

Mantenha-se informado sobre a capacidade de processamento e os limites de requisições por minuto para planejar sua produção de áudio.

Saiba exatamente como funcionam os tempos de geração e os limites de caracteres para evitar interrupções em seus projetos.

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. A seleção de idioma é crucial para a precisão da pronúncia, especialmente quando o texto utiliza o alfabeto latino mas não é inglês.

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. openai-python on GitHub
  3. Creative Commons Attribution 4.0
  4. curl documentation
  5. openai-node on GitHub
  6. Node.js documentation
  7. W3C WAI: making audio and video accessible
  8. IETF RFC 7845: Ogg Opus
  9. Python documentation
  10. LibriTTS-R corpus (OpenSLR 141)
  11. TRON developer hub: TRC-20
  12. Tether (USDT)

Mais neste site