Perguntas frequentes
A API gera áudio instantaneamente?
Não é instantâneo. O processamento é sequencial e a velocidade média é de cerca de 25 caracteres por segundo. Em picos de uso, as requisições podem aguardar na fila. Para textos longos, o áudio é gerado em partes sincronizadas.
Posso enviar texto em diferentes idiomas na mesma requisição?
Sim. A API suporta 23 idiomas, incluindo português, inglês e espanhol. O idioma é detectado automaticamente pelo script, mas você deve definir o parâmetro 'language' explicitamente para textos em latim não ingleses para garantir a precisão.
O áudio gerado pode ser usado comercialmente?
Sim. As vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox). O áudio gerado é retornado na resposta e não é armazenado, exceto os metadados de faturamento.
Qual o tempo médio de geração?
A velocidade típica é de aproximadamente 25 caracteres de texto por segundo de áudio gerado. Frases curtas podem levar alguns segundos. O processamento é sequencial, portanto, sob carga, pode haver espera na fila antes da síntese.
A API lida com acentos corretamente?
Sim. A síntese processa o texto Unicode diretamente. Para idiomas com scripts específicos ou para evitar ambiguidades no idioma padrão (inglês), defina o parâmetro 'language' com o código ISO correspondente para garantir a pronúncia correta dos acentos.
Posso pausar a geração de um texto longo?
Não há suporte para pausa ou cancelamento durante a geração. O texto é dividido em partes de até 4096 caracteres e processado sequencialmente. Cada parte é processada sequencialmente.
Como garantir a sincronia com o vídeo?
A API retorna o arquivo de áudio completo sem metadados de tempo de início específicos. Você deve usar o timestamp do arquivo ou ajustar a sincronização manualmente no editor de vídeo. Não há suporte para SSML para controle de timing.
A API suporta pontuação complexa?
A API processa a pontuação padrão do texto para determinar pausas naturais. Não há suporte para SSML, o que limita o controle fino sobre entonação ou duração de pausas. A pontuação complexa pode não alterar significativamente o ritmo da fala.
Existe limite de tamanho de arquivo?
O limite é de 4096 caracteres por requisição de entrada. O tamanho do arquivo de áudio resultante depende da duração e do formato selecionado (mp3, wav, opus, flac, pcm). Não há limite rígido de tamanho de arquivo imposto pela API.
O áudio tem ruído de fundo?
O áudio é gerado sinteticamente e não contém ruído de fundo natural. Cada arquivo contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. A qualidade é consistente com o modelo selecionado (tts-1 ou tts-1-hd).
Posso usar a API em projetos open source?
Sim. A API é acessível via HTTP REST padrão. Você pode usar SDKs de terceiros ou requisições diretas. Não há restrição específica contra uso em projetos open source, desde que as credenciais e os limites de taxa sejam respeitados.
Como lidar com quebras de linha no texto?
As quebras de linha são tratadas como parte do texto e podem influenciar as pausas na síntese. O texto é enviado como corpo JSON. O texto é enviado como corpo JSON.
A velocidade afeta a qualidade da voz?
A velocidade (0.25 a 4.0) altera a taxa de fala, mas não degrada a qualidade da síntese em si. O modelo mantém a clareza. O formato de resposta define a compressão do arquivo final.
Posso usar a API para dublagem?
Sim, para sincronia labial básica. Você pode ajustar a velocidade para se aproximar da duração original. Como não há suporte para SSML ou controle de timing preciso, a sincronia exata requer ajuste manual no editor de vídeo após o download.
Processo de Geração
A geração de áudio inicia com o envio de texto via JSON para o endpoint POST https://api.playcb44.com/v1/audio/speech. O corpo da requisição deve conter o texto a ser convertido, limitado a 4096 caracteres, junto com a chave de autenticação Bearer. Este formato padrão permite integração direta com SDKs existentes.
O servidor processa a solicitação sequencialmente, respeitando os limites de taxa de 60 requições por minuto. O tempo de processamento varia conforme o tamanho do texto, com uma taxa média de síntese próxima da velocidade real (25 caracteres por segundo). Textos maiores são divididos internamente para garantir a integridade do áudio.
Envio de texto via JSON
O cliente envia uma requisição HTTP POST contendo o texto bruto ou formatado. O campo input aceita até 4096 caracteres por chamada. Espaços e pontuação contam como caracteres na faturação. A estrutura segue o padrão conhecido por desenvolvedores, facilitando a implementação em Python, Node.js ou outros linguagens.
A autenticação é feita via cabeçalho Authorization: Bearer. Apenas uma chave ativa é necessária por conta. O sistema valida imediatamente a disponibilidade de saldo antes de iniciar a síntese.
- Endpoint: POST /v1/audio/speech
- Formato: JSON
- Limite: 4096 caracteres por requisição
- Autenticação: Bearer token
Processamento no servidor
As requições são processadas uma após a outra. Sob carga, pode haver fila de espera. O motor de TTS aplica as configurações de voz e velocidade especificadas. A síntese é concluída em segundos para frases curtas.
O áudio gerado é retornado na resposta e não é armazenado. Apenas metadados de tempo, caracteres e status são mantidos para fins de cobrança. O texto de entrada não é usado para treinamento.
- Processamento sequencial
- Fila sob carga
- Métrica: ~25 caracteres/segundo
Retorno do arquivo de áudio
O servidor retorna o arquivo de áudio binário no formato solicitado (mp3, wav, opus, flac, pcm). A resposta contém o cabeçalho correto de tipo de conteúdo. O arquivo está pronto para ser baixado ou processado diretamente pelo script.
Não há streaming ou áudio parcial. O arquivo completo é entregue apenas quando a síntese termina. Se houver falha, o arquivo não é retornado e o crédito é devolvido integralmente.
- Formatos: mp3, wav, opus, flac, pcm
- Resposta binária direta
- Falha retorna crédito integral
Estrutura da Requisição
A estrutura da requisição segue o padrão JSON, exigindo campos específicos para garantir a correta síntese. O método HTTP POST direciona os dados para o endpoint de geração, onde a validação inicial confirma a disponibilidade da chave de autenticação antes de iniciar o processamento.
Campos obrigatórios
Cada requisição deve incluir os parâmetros model, input e voice. O campo input aceita texto puro, limitado a 4096 caracteres, enquanto voice seleciona um dos oito presets disponíveis. A autenticação é feita via cabeçalho Authorization: Bearer com a chave única da conta.
- model: tts-1 ou tts-1-hd
- input: texto até 4096 caracteres
- voice: ID do preset selecionado
- response_format: mp3, wav, opus, flac ou pcm
Modelos disponíveis
Existem dois modelos de motor de síntese: tts-1 e tts-1-hd. Ambos utilizam o mesmo mecanismo de geração e apresentam o mesmo preço por caractere, diferenciando-se apenas na qualidade perceptual do áudio gerado. A escolha depende exclusivamente dos requisitos de fidelidade para o projeto.
Configuração de velocidade
O parâmetro speed permite ajustar a velocidade de fala entre 0.25 e 4.0 vezes a velocidade normal. Ajustes precisos são essenciais para sincronizar a narração com a edição de vídeo, garantindo que o ritmo do conteúdo visual seja mantido sem alterar a entonação das vozes.
Seleção de Voz
A API oferece oito vozes pré-definidas, classificadas por gênero e tom, para atender diferentes estilos de narração. Cada voz é gerada a partir de gravações licenciadas.
A escolha da voz deve considerar o tom do conteúdo. As opções variam de narradoras claras e energéticas a vozes neutras para notícias ou graves para documentários, permitindo controle preciso sobre a percepção do áudio final.
Escolha entre 8 presets
O sistema disponibiliza oito presets fixos. Não há clonagem de voz ou personalização avançada. Selecione a opção que melhor se adapta ao roteiro do seu vídeo.
As vozes são baseadas em gravações licenciadas (LibriTTS-R), garantindo uma base técnica consistente sem variações aleatórias.
- Aria (feminino): Narradora clara e quente.
- Nova (feminino): Voz brilhante e animada.
- Luna (feminino): Suave, ideal para storytelling.
- Sage (feminino): Calma e instrucional.
- Felix (masculino): Energética e promocional.
- Milo (masculino): Conversacional e amigável.
- Atlas (masculino): Neutra, focada em notícias.
- Orion (masculino): Grave, ideal para documentários.
Gênero e tom das vozes
Cada preset possui uma característica acústica distinta. Utilize vozes como Atlas para conteúdo informativo direto ou Orion para narrações mais imersivas.
O tom selecionado permanece consistente durante todo o arquivo gerado, mantendo a coerência narrativa do seu vídeo.
Compatibilidade com idiomas
Qualquer uma das oito vozes pode falar qualquer um dos 23 idiomas suportados, incluindo português, inglês, espanhol e japonês.
Defina o parâmetro language explicitamente. Se omitido, o sistema tenta adivinhar com base no script; textos em latim padrão assumem inglês.
Formatos de Saída
A API permite selecionar o formato de saída entre MP3, WAV, OPUS, FLAC ou PCM, atendendo a diferentes necessidades de compressão e qualidade para vídeos do YouTube. Cada formato é gerado diretamente no servidor, garantindo que o arquivo final esteja pronto para uso imediato na edição.
A escolha do codec afeta o tamanho do arquivo e a fidelidade sonora. O MP3 oferece compressão eficiente, enquanto o WAV e o FLAC preservam a integridade dos dados de áudio.
Opções de codec
Os formatos disponíveis incluem MP3 para uso geral, WAV e FLAC para alta fidelidade, OPUS para eficiência de banda e PCM para dados brutos. A seleção é feita diretamente no corpo da requisição JSON via campo response_format.
- MP3: compressão com perda, ideal para streaming e web.
- WAV: áudio não compactado, padrão para produção.
- FLAC: compressão sem perda, arquivo menor que WAV.
- OPUS: alta eficiência para baixa largura de banda.
- PCM: dados de áudio brutos sem codificação.
Qualidade de áudio
A qualidade do áudio gerado é consistente com a voz selecionada e o modelo (tts-1 ou tts-1-hd). Não há perda de qualidade adicional ao selecionar formatos lossless como WAV ou FLAC, mantendo a integridade da voz sintética.
Compatibilidade com editores
Os arquivos gerados são compatíveis com a maioria dos software de edição de vídeo e áudio utilizados na criação de conteúdo para YouTube. Formatos padrão como MP3 e WAV são amplamente suportados por plataformas de edição populares.
Controle de Idioma
O parâmetro language permite controle preciso sobre a síntese. Quando omitido, o sistema infere o idioma pelo script, assumindo inglês para textos em latim. Para evitar erros de pronúncia, especifique o código ISO do idioma desejado.
Detectação automática
A detecção automática analisa a estrutura do texto fornecido. Ela assume inglês para scripts em latim não reconhecidos. Use o campo language para garantir a voz correta em textos multilíngues ou ambíguos.
Forçar idioma específico
Especifique explicitamente o idioma para eliminar ambiguidades. A API suporta 23 idiomas, incluindo japonês, árabe e português. Isso garante que as vozes mantenham a entonação nativa correta, independentemente do script de entrada.
Suporte a scripts variados
O sistema processa caracteres latinos, cirílico, asiáticos e semitas. Cada idioma possui regras fonéticas dedicadas. A combinação de script e código ISO determina a articulação final do áudio gerado.
- Suporte a 23 idiomas listados na documentação
- Compatibilidade com scripts latinos, cirílicos e asiáticos
- Inferência padrão para inglês em texto latino
Manuseio de Textos Longos
O limite máximo por requisição é de 4.096 caracteres. Para textos extensos, é necessário dividir o conteúdo em partes menores e enviar cada fragmento individualmente à API.
Divisão em partes
Cada solicitação deve conter no máximo 4.096 caracteres, incluindo espaços e pontuação. O texto original deve ser segmentado manualmente ou via script para respeitar esse limite técnico.
Junção de arquivos
A API retorna um arquivo de áudio distinto para cada parte enviada. Para garantir a continuidade do áudio final, os arquivos gerados devem ser concatenados em sequência no fluxo de produção.
Gestão de contexto
Como cada requisição é independente, não há manutenção de contexto entre as chamadas. É responsabilidade do cliente garantir a coerência narrativa e a transição suave entre os segmentos de áudio gerados.
Integração com Fluxo de Trabalho
A API permite automatizar a narração de roteiros diretamente do pipeline de produção. Ao enviar o texto JSON, o sistema gera o áudio, facilitando a integração no fluxo de produção.
Automação de narração
Scripts podem ser alimentados via API para gerar áudios em lote. A integração via Python ou curl permite que o fluxo de trabalho seja totalmente programável, desde a extração do texto até o download do arquivo final.
- Envio de texto via JSON padrão
- Retorno imediato do arquivo de áudio
- Compatível com SDKs oficiais via base_url
Integração com edição
Os formatos de saída (mp3, wav, opus) são compatíveis com a maioria dos editores profissionais. A velocidade ajustável (0.25–4.0) permite alinhar a narração com cortes de vídeo sem necessidade de processamento extra pós-produção.
- Suporte a mp3, wav, opus, flac, pcm
- Controle preciso de velocidade
- Arquivos prontos para timeline
Geração em massa
Com limite de 60 requisições por minuto, é possível processar grandes volumes de roteiros. O sistema processa as requições em fila; textos longos devem ser divididos e unidos pelo cliente.
- 60 requests/min por chave
- Processamento sequencial em fila
- Divisão automática de textos longos

Qualidade e Consistência
A geração de áudio utiliza motores padronizados para garantir que o tom narrativo permaneça consistente em todo o conteúdo do vídeo, eliminando variações abruptas de entonação entre parágrafos ou cenas.
O processo é determinístico para um mesmo conjunto de parâmetros, permitindo que criadores de conteúdo mantenham a identidade sonora da marca sem surpresas na entrega final.
Tom uniforme
Cada voz preset (como Aria ou Atlas) possui uma curadoria acústica específica que mantém a coerência emocional ao longo de textos longos, essencial para narrativas contínuas.
- Consistência acústica garantida pelo motor único.
- Tom estável do início ao fim da narração.
Marca d'água sintética
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética, proporcionando transparência sobre a origem da voz utilizada na produção.
Essa marcação técnica é invisível ao ouvinte, mas permite a verificação da autenticidade do áudio sem impactar a experiência de escuta.
- Marca d'água inaudível em cada arquivo.
- Identificação clara de voz sintética.
Clareza da voz
As vozes são otimizadas para dicção precisa, garantindo que a articulação das palavras seja nítida mesmo em velocidades aceleradas, facilitando a compreensão pelo público.
A clareza é mantida independentemente do idioma selecionado, respeitando as regras fonéticas específicas de cada língua suportada pela API.
- Dicção nítida em todas as velocidades.
- Articulação precisa para fácil compreensão.
Limitações Técnicas
A API NaradorAPI oferece uma interface REST simples e direta, focada na conversão eficiente de texto em áudio. Para manter a velocidade de geração e a consistência do pipeline de produção de conteúdo para YouTube, algumas funcionalidades avançadas de síntese de fala não estão disponíveis no momento.
Sem SSML
O sistema não interpreta marcas de marcação de linguagem de síntese de fala (SSML). Isso significa que não é possível controlar pausas, ênfase ou pronúncia específica por meio de tags XML dentro do corpo da requisição.
Sem clonagem de voz
A clonagem de voz personalizada não está disponível. Os usuários não podem enviar uma amostra de áudio para criar uma voz baseada em si mesmos ou em terceiros. O catálogo é limitado aos 8 presets licenciados fixos.
Sem personalização avançada
Não há suporte para dicionários de fonemas ou tags de emoção personalizadas. O tom e a entonação são determinados exclusivamente pelo preset da voz selecionada (ex.: 'aria' para narrador ou 'felix' para promo), sem ajustes finos adicionais.
Exemplo de Uso
O fluxo de integração utiliza o protocolo REST padrão, permitindo que scripts de automação enviem requisições JSON para o endpoint de síntese. A resposta retorna diretamente o arquivo de áudio gerado, eliminando a necessidade de polling ou gerenciamento de sessões complexas.
Script de automação
Utilize a biblioteca OpenAI ou HTTP padrão alterando a URL base para https://api.playcb44.com/v1. Envie o texto, selecione a voz (ex: atlas para notícias) e defina o formato mp3 ou wav. O script trata a resposta binária como um arquivo de áudio final.
- Autenticação via cabeçalho Bearer com a chave da conta.
- Suporte a velocidades de 0.25x a 4.0x para ajuste de timing.
- Formatos compatíveis: mp3, wav, opus, flac, pcm.
Integração via API
A estrutura de requisição segue o padrão conhecido, facilitando a adoção em pipelines existentes. Basta substituir a chave de API e ajustar o base_url. O sistema processa o texto e retorna o áudio pronto para ser incorporado ao vídeo.
- Endpoint POST para /v1/audio/speech.
- Corpo da requisição em JSON com campo 'input' e 'voice'.
- Retorno direto do arquivo de áudio sintetizado.
Teste de integração
Verifique o funcionamento enviando um texto curto via curl ou script Python. Confirme se o arquivo de áudio é baixado corretamente e se o tempo de resposta está dentro do esperado para textos curtos. O saldo da conta será atualizado automaticamente.
- Use o crédito gratuito inicial para validar a integração.
- Verifique o status da requisição na resposta HTTP.
Monitoramento
O acompanhamento do consumo de caracteres e o status das requisições são essenciais para manter o controle orçamentário e a eficiência do fluxo de produção de vídeos. A API fornece dados precisos para auditoria interna.
Cada solicitação gera metadados registrados para fins de cobrança, permitindo que criadores de conteúdo monitorem o uso exato de recursos sem surpresas na fatura final.
Métricas de uso
O dashboard exibe o saldo atual, o crédito de teste restante e o volume total de caracteres processados. Esses dados são atualizados em tempo real após cada geração bem-sucedida.
O histórico de caracteres consumidos permite estimar custos futuros com base no preço de $0,01 por 1.000 caracteres, facilitando o planejamento de campanhas de vídeos em série.
- Saldo atual em USD e caracteres disponíveis
- Histórico de caracteres processados por período
- Status do crédito de trial (7 dias)
Logs de requisição
Cada requisição à API gera um registro contendo timestamp, modelo utilizado, voz selecionada e status da síntese. Esses metadados são mantidos para auditoria e conciliação financeira.
Em caso de falha na geração, o log indica o motivo e garante que o crédito não foi descontado, assegurando a transparência no uso dos recursos.
- Timestamp e ID da requisição
- Modelo e voz utilizada
- Status (sucesso ou falha)
Status de geração
O status da solicitação é retornado imediatamente após o processamento. Solicitações bem-sucedidas retornam o arquivo de áudio, enquanto falhas retornam código de erro específico.
A confirmação de status permite integrar a API diretamente em scripts de automação, disparando o próximo passo no fluxo de edição apenas após a conclusão garantida.
Suporte Técnico
O suporte técnico é realizado exclusivamente por email, sem número de telefone ou chat ao vivo. Esta abordagem assíncrona garante que cada solicitação seja registrada e analisada com atenção aos detalhes técnicos específicos da sua integração.
Nossa equipe responde às dúvidas sobre endpoints, limites de taxa e configurações de voz diretamente via correspondência eletrônica, mantendo um histórico claro para referência futura.
Canal de email
Utilizamos exclusivamente o email para comunicação técnica. Não há número de telefone, chat ao vivo ou tickets via formulário web. Este canal centraliza todas as dúvidas sobre a API REST, garantindo que cada solicitação seja registrada com precisão para análise posterior.
Resposta assíncrona
As respostas não são imediatas, mas são entregues com análise completa do contexto da sua integração. Este modelo elimina a necessidade de espera em filas de atendimento, permitindo que a equipe técnica revise logs e configurações antes de responder, assegurando precisão na solução.
Documentação detalhada
Antes de entrar em contato, recomendamos consultar nossa documentação técnica completa em /docs/. Ela cobre todos os campos de requisição, formatos de saída e exemplos de código. A maioria das dúvidas operacionais, como limites de caracteres e configuração de velocidade, está detalhada aqui.
- Guia de integração passo a passo
- Referência completa de endpoints JSON
- Exemplos de código para Python e cURL
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Transforme sua criatividade em uma narrativa envolvente que conecte profundamente com sua audiência fiel.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
Fontes e leituras adicionais
- Wikipedia
- Node.js documentation
- MDN: Web Speech API
- LibriVox public-domain audiobooks
- FFmpeg documentation
- W3C WAI: making audio and video accessible
- Creative Commons Attribution 4.0
- LibriTTS-R paper (arXiv 2305.18802)
- TRON developer hub: TRC-20
- curl documentation
- OpenAI API reference: create speech
- Tether (USDT)
