Perguntas frequentes
O que é uma API de texto para fala?
É uma API cloud que recebe texto e retorna um arquivo de áudio. Envie uma requisição POST para https://api.playvc88.com/v1/audio/speech com o texto e as configurações desejadas. O serviço processa a síntese e entrega o arquivo de áudio pronto para ser integrado em seu site ou aplicativo, sem necessidade de infraestrutura local.
Como a API lê textos em diferentes idiomas?
Suportamos 23 idiomas, incluindo português, inglês e espanhol. Se o campo language não for definido, o sistema tenta adivinhar o idioma com base no script. Para textos em latim fora do inglês, defina explicitamente o código ISO. Qualquer voz pode falar qualquer um dos idiomas suportados com precisão.
A API suporta a linguagem jornalística padrão?
Sim. A voz Atlas é projetada para um tom neutro e informativo, ideal para notícias. O limite é de 4096 caracteres por requisição, exigindo divisão para textos longos. A velocidade ajustável (0,25x–4,0x) permite adaptar o ritmo da leitura. Para outros idiomas, defina o parâmetro language explicitamente, pois o padrão assume inglês para textos em latim.
Quais formatos de áudio posso receber?
Você pode solicitar áudio nos formatos mp3, wav, opus, flac ou pcm. Esses formatos são especificados no campo response_format da requisição JSON. A escolha depende da necessidade de qualidade ou tamanho de arquivo para sua plataforma de publicação. Todos os arquivos gerados contêm uma marca d'água inaudível de síntese.
O texto enviado é usado para treinar modelos?
Não. O texto de entrada é utilizado exclusivamente para produzir o áudio solicitado e não é usado para treinamento dos modelos. Os arquivos de áudio gerados são retornados na resposta e não são armazenados permanentemente. Apenas metadados de solicitação (tempo, caracteres, status) são mantidos para fins de cobrança e faturamento.
Qual o limite de caracteres por requisição?
Cada requisição aceita até 4096 caracteres, incluindo espaços e pontuação. Para textos maiores, você deve dividir o conteúdo em partes menores e juntar os arquivos de áudio resultantes. A velocidade média é de aproximadamente 25 caracteres por segundo, o que equivale a tempo real para textos longos.
Como funciona a cobrança por uso?
O custo é de US$ 10 por 1 milhão de caracteres (US$ 0,01 por 1.000 caracteres), incluindo espaços e pontuação. Solicitações falhas são gratuitas. O pagamento é feito exclusivamente via USDT (TRC-20) na rede TRON, sem planos mensais, taxas fixas ou assinaturas. O saldo não expira e não há faturas com VAT.
Há suporte telefônico para integração?
O suporte é exclusivo por e-mail. Não oferecemos telefone, chat ao vivo, SLA ou certificações. Para dúvidas técnicas ou de faturamento, utilize o e-mail na página /contact/. As respostas são enviadas diretamente, garantindo clareza e registro preciso de cada solicitação de integração.
Posso usar a API para podcasts gerados automaticamente?
Sim. Você pode usar vozes como Orion (documentário) ou Luna (histórias) para criar conteúdo de podcast. Basta enviar o texto do roteiro via API e receber o arquivo de áudio. Como não há limite de tempo, você pode gerar episódios longos dividindo o texto em partes de 4096 caracteres.
A API funciona em tempo real ou por lote?
As requisições são processadas sequencialmente. Para textos longos, a geração ocorre aproximadamente em tempo real (cerca de 25 caracteres por segundo). Em momentos de alta demanda, as solicitações podem entrar em uma fila de espera. Não há streaming de áudio parcial; o arquivo completo é entregue apenas após o processamento total da síntese.
As vozes têm sotaque regional específico?
As vozes são presets fixos sem sotaques regionais configuráveis. Cada uma dos 8 modelos fala qualquer um dos 23 idiomas suportados. Não oferecemos clonagem de voz nem personalização de sotaque. O idioma é definido pelo campo language ou inferido automaticamente. Para textos em latim não ingleses, defina o idioma explicitamente para garantir a pronúncia correta.
O que acontece se a requisição falhar?
Se a síntese falhar, não há cobrança. O valor é estornado integralmente na sua conta. Você pode reenviar a mesma requisição ou ajustar os parâmetros. Isso garante que você pague apenas pelo áudio gerado com sucesso. O status da falha é retornado na resposta da API para depuração.
Posso alterar a velocidade da leitura?
Sim. O parâmetro speed permite ajustar a velocidade entre 0.25 e 4.0. Isso é útil para adaptar a leitura a diferentes contextos, como notícias rápidas ou audiobooks mais pausados. A velocidade afeta diretamente o tempo de geração, mas não altera a qualidade da voz ou o idioma da fala.
A API oferece SLA de 99,9%?
Não. Não oferecemos SLA, garantia de uptime ou contratos empresariais. As requisições são processadas sequencialmente; sob carga, pode haver espera na fila. O serviço não possui certificações como SOC 2 ou HIPAA. Para integrações críticas, implemente redundância na sua aplicação, monitorando o status das respostas da API para garantir a entrega dos áudios.
Primeira solicitação
curl
curl https://api.playvc88.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.mp3Como funciona a conversão de texto para áudio
O VoicePublisher oferece uma API RESTful projetada para integrar síntese de voz em fluxos de publicação digital. A estrutura de requisição é idêntica à da OpenAI, permitindo que equipes de engenharia utilizem os SDKs oficiais com mínima adaptação. Basta alterar o base_url para o endpoint da VoicePublisher e utilizar a chave de API válida.
O fluxo é simples: o cliente envia texto bruto e recebe um arquivo de áudio pronto para reprodução. Não há necessidade de gerenciamento de sessões ou protocolos complexos. A integração ocorre via HTTP padrão, facilitando a inclusão de áudio em artigos de notícias, newsletters ou plataformas de conteúdo sem alterar a infraestrutura existente.
Endpoint JSON similar ao OpenAI
A API expõe o endpoint POST https://api.playvc88.com/v1/audio/speech, seguindo exatamente o mesmo formato de corpo JSON esperado pela OpenAI. Isso significa que a maioria das integrações existentes pode ser migrada ou replicada com apenas a mudança da URL base e da chave de autenticação Bearer.
- Formato JSON idêntico ao padrão de mercado
- Compatibilidade direta com SDKs oficiais via
base_url - Endpoint dedicado: /v1/audio/speech
Envio de texto e recebimento de arquivo
O cliente envia o texto a ser convertido no campo input. O limite é de 4096 caracteres por requisição. Se o artigo for maior, o sistema do cliente deve dividir o texto em chunks menores e realizar múltiplas chamadas à API.
Após o processamento, o serviço retorna o arquivo de áudio no formato solicitado. O cliente é responsável por concatenar os arquivos resultantes de cada chunk para reconstruir a leitura completa do artigo.
- Limite de 4096 caracteres por requisição
- Divisão e união de áudio sob responsabilidade do cliente
- Retorno direto do arquivo binário
Processamento via HTTP POST
Todas as conversões são acionadas por requisições POST padrão. Não há necessidade de websockets ou streaming para o fluxo básico. A resposta contém o áudio gerado, que pode ser armazenado ou reproduzido imediatamente pelo frontend do publisher.
O processamento é feito de forma síncrona dentro dos limites de taxa. Para textos longos, a velocidade média é de aproximadamente 25 caracteres por segundo de áudio gerado, mantendo a relação tempo real.
- Protocolo HTTP padrão
- Resposta contendo o arquivo de áudio
- Processamento síncrono via POST
Vozes disponíveis para conteúdo jornalístico
A plataforma oferece oito presets de voz, cada um otimizado para diferentes contextos de leitura. A seleção deve considerar a natureza do conteúdo a ser transformado em áudio, garantindo que o tom da síntese corresponda ao gênero da publicação.
As vozes são geradas a partir de gravações licenciadas (LibriTTS-R, CC BY 4.0) e leituras de domínio público do LibriVox. Cada arquivo gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética.
Atlas para notícias neutras
Atlas é definida como neutra e voltada para notícias. Sua característica principal é a neutralidade vocal, adequada para a transmissão direta de informações jornalísticas sem inflexões emocionais pronunciadas.
Sage para leitura instrucional
A voz Sage é classificada como calma e instrucional. Essa configuração é indicada para conteúdos que exigem uma entrega clara e estruturada, facilitando a compreensão de textos mais longos ou explicativos.
Aria para narrativas claras
Aria possui uma qualidade de voz descrita como quente e clara, com foco na narração. É adequada para conteúdos que requerem uma entrega fluida e distinta, mantendo a clareza da dicção.

Idiomas suportados na leitura
A API suporta 23 idiomas, incluindo português, espanhol, inglês, francês, alemão, italiano, japonês, chinês, árabe, russo e hindi. Qualquer voz pode falar qualquer um dos idiomas suportados, permitindo flexibilidade na escolha do timbre sem limitar a linguagem do conteúdo.
Suporte para 23 idiomas
Além dos principais mercados europeus e asiáticos, oferecemos suporte para árabe, hebraico, malaio, suaíli, dinamarquês, norueguês, sueco, finlandês, polonês, grego, turco e tailandês (não suportado, mas listamos os 23 reais: Arábico, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Suaíli, Sueco, Turco). A cobertura cobre a maioria das necessidades de publicações digitais globais.
- Arábico, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Suaíli, Sueco, Turco
Detecção automática de script
O sistema detecta automaticamente o idioma com base no script do texto enviado. Para textos em caracteres latinos que não sejam em inglês, o padrão assume inglês. Isso pode gerar leituras com sotaque ou pronúncia incorreta para conteúdos em português ou espanhol sem configuração adicional.
Definição explícita de idioma
Para garantir precisão, defina o parâmetro language com o código ISO 639-1. Isso é crítico para textos em português, pois o padrão assume inglês. A especificação explícita elimina ambiguidades e garante a pronúncia correta, essencial para a credibilidade jornalística.
- Use o campo
languagena requisição JSON - Códigos ISO 639-1 (ex:
pt,es,en) - Necessário para textos latinos não ingleses
Formatos de áudio e integração
A API retorna áudio nos formatos MP3, WAV, Opus, FLAC ou PCM, permitindo escolher entre compatibilidade universal e qualidade de masterização. A velocidade de reprodução é ajustável de 0.25x a 4.0x, otimizando o tempo de permanência sem alterar a clareza da voz.
Para integração, basta alterar o campo base_url para https://api.playvc88.com/v1 nas bibliotecas oficiais da OpenAI e utilizar a chave Bearer. O formato de requisição JSON é idêntico ao padrão da API de fala, garantindo que o código existente continue funcional.
MP3, WAV, Opus, FLAC, PCM
O parâmetro response_format aceita MP3, WAV, Opus, FLAC ou PCM. Utilize MP3 para compactação eficiente em players web, ou FLAC/WAV para arquivamento e edição posterior. O formato PCM é ideal para processamento direto em streams binários.
Velocidade ajustável de 0.25x a 4.0x
O parâmetro speed aceita valores de 0.25 a 4.0. Ajuste a velocidade para equilibrar a digestibilidade do conteúdo jornalístico com a eficiência de processamento. Textos longos podem ser acelerados para reduzir custos de geração e tempo de entrega.
Compatibilidade com SDKs oficiais
Utilize os SDKs oficiais da OpenAI configurando base_url como https://api.playvc88.com/v1. A estrutura de corpo da requisição segue o padrão da API de speech da OpenAI, permitindo reutilizar clientes HTTP ou bibliotecas existentes sem reescrita significativa.
- Endpoint: POST /v1/audio/speech
- Body JSON idêntico ao padrão OpenAI
- Autenticação via header Bearer tts-...
Custo por caractere para publishers
O modelo de precificação é baseado estritamente no volume de processamento, eliminando custos fixos mensais ou planos de assinatura. O publisher paga apenas pelo recurso efetivamente consumido, o que simplifica o cálculo de margem para projetos de qualquer escala.
Preço fixo por milhão de caracteres
O custo é de US$ 10,00 por cada milhão de caracteres processados. Isso equivale a US$ 0,01 por 1.000 caracteres. Não há taxas de implementação, custos por voz ou variação de preço por formato de áudio.
Contagem inclui espaços e pontuação
Todas as unidades de texto contam para a fatura. Espaços, vírgulas, pontos e caracteres especiais são considerados caracteres válidos na contagem total. A medição é feita antes do envio para o endpoint, garantindo transparência no cálculo do tamanho do artigo.
Cobrança apenas por sucesso
Se a síntese falhar ou retornar erro, o crédito não é descontado. A cobrança ocorre apenas quando o arquivo de áudio é gerado com sucesso. Isso protege o publisher contra custos em casos de instabilidade momentânea ou limites de tamanho excedidos.

Limites de taxa e desempenho
Para escalonar a geração de áudio em grandes portais de notícias, é essencial compreender os limites operacionais da API. O sistema processa as requisições em uma fila única, o que significa que, sob carga, cada solicitação aguarda sua vez antes de iniciar a síntese. Isso garante consistência, mas impõe um limite claro de concorrência instantânea.
O limite de taxa é de 60 requisições por minuto por chave de API (ou 10 por minuto antes do primeiro recarga). Para textos longos, a velocidade média é de aproximadamente 25 caracteres gerados por segundo, o que equivale a tempo real. Frases curtas podem levar alguns segundos adicionais devido ao overhead de início da fila.
60 requisições por minuto
A API permite até 60 requisições por minuto por chave ativa. Esse limite é rígido e aplicável imediatamente após a criação da conta. Antes da primeira recarga, o limite reduz para 10 requisições por minuto, uma medida padrão para contas em período de teste gratuito.
Processamento em fila única
As solicitações são processadas sequencialmente. Não há paralelismo na síntese atual. Se houver múltiplas requisições simultâneas, elas entrarão em uma fila e serão executadas uma após a outra. Isso evita gargalos de CPU, mas pode aumentar a latência percebida durante picos de tráfego na publicação de notícias.
Tempo real para textos longos
Para textos extensos, a geração de áudio ocorre a uma taxa próxima ao tempo real, cerca de 25 caracteres por segundo. Isso significa que um artigo de 1.000 caracteres levará aproximadamente 40 segundos para ser convertido completamente. Para frases curtas, o tempo de processamento pode ser maior devido à inicialização da fila.
Acessibilidade e experiência do usuário
A API converte artigos em áudio para aumentar o tempo de permanência e a acessibilidade do site. O processamento é feito via requisição HTTP, gerando arquivos de áudio prontos para reprodução imediata no player do site.
Conversão automática de artigos
Integre a leitura em voz alta diretamente na publicação. O texto é enviado ao endpoint e o áudio é retornado instantaneamente, permitindo que o usuário ouça o conteúdo sem sair da página.
Áudio sintético com marca d'água
Cada arquivo gerado contém uma marca d'água inaudível que identifica o conteúdo como síntese artificial. Isso garante transparência sobre a origem do áudio sem afetar a experiência de escuta.
Leitura sem distrações visuais
A áudio permite que o usuário consuma o conteúdo jornalístico enquanto realiza outras tarefas. A experiência é focada apenas no som, sem necessidade de interação visual constante com a interface do site.
Uso de dados e privacidade
O texto enviado para síntese é utilizado exclusivamente para gerar o arquivo de áudio correspondente e não é empregado em processos de treinamento dos modelos. O áudio gerado é retornado na resposta HTTP e não permanece armazenado em nossos servidores após a entrega.
Texto não usado para treinamento
Seus artigos e conteúdos enviados via API não são utilizados para ajustar ou treinar os modelos de voz. O uso é estritamente funcional para a geração do áudio solicitado.
Áudio não armazenado no servidor
O arquivo de áudio é entregue diretamente na resposta da requisição e não é persistido em nossos servidores após a entrega. Não mantemos cópias dos seus conteúdos de áudio gerados.
Metadados mantidos para faturamento
Mantemos apenas os metadados da requisição, incluindo timestamp, quantidade de caracteres processados e status, para fins de faturamento preciso e controle de limites de taxa.

Integração técnica para desenvolvedores
A autenticação utiliza o cabeçalho Authorization: Bearer tts-... com uma chave única por conta. A geração de uma nova chave invalida imediatamente a anterior, garantindo controle preciso sobre o acesso à API.
Chave API Bearer Token
Cada conta possui uma chave ativa. A reemissão revoga a chave anterior instantaneamente.
Mudança de base_url no SDK
O formato da requisição é idêntico ao da OpenAI. Para integrar, basta alterar o base_url para https://api.playvc88.com/v1 e utilizar as SDKs oficiais ou requisições HTTP diretas.
Documentação técnica completa
Todos os endpoints, parâmetros e exemplos de código estão disponíveis na seção de documentação técnica para integração rápida.
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Os editores precisam adaptar suas estratégias para alcançar públicos cada vez mais exigentes e conectados globalmente.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
Fontes e leituras adicionais
- Wikipedia
- LibriTTS-R paper (arXiv 2305.18802)
- LibriVox public-domain audiobooks
- W3C WAI: making audio and video accessible
- openai-python on GitHub
- curl documentation
- OpenAI API reference: create speech
- Node.js documentation
- MDN: Web Speech API
- IETF RFC 7845: Ogg Opus
- Tether (USDT)
- LibriTTS-R corpus (OpenSLR 141)
