Como integrar TTS em notificações móveis?

Por Equipe editorial ClaraNota · Atualizado 2026-11-19

Neste guia, equipes de produto aprendem a integrar nossa API de TTS em notificações móveis com precisão técnica. Explicamos como gerar áudio sob demanda, gerenciar limites de 4096 caracteres e otimizar custos com a tarifa de $0,01 por mil caracteres.

Ideal para desenvolvedores que precisam de uma solução confiável, sem SLA ou SDK proprietário, focada em acessibilidade e clareza. Veja exemplos de código, seleção de vozes e estratégias de cache para melhorar o engajamento em alertas críticos.

Como integrar TTS em notificações móveis?

Perguntas frequentes

Qual o melhor formato de áudio para apps móveis?

Para apps móveis, o formato MP3 é indicado devido à ampla compatibilidade. A API também suporta WAV, OPUS, FLAC e PCM. O OPUS pode ser uma alternativa eficiente para reduzir o consumo de dados em conexões móveis, mantendo a clareza da voz sintetizada.

Como lidar com textos longos em notificações?

O limite é de 4096 caracteres por solicitação. Para textos maiores, você deve dividir o conteúdo em partes menores e enviar várias requisições sequenciais. O workflow padrão envolve juntar os arquivos de áudio gerados individualmente para criar o áudio final completo, garantindo que nenhuma informação seja truncada.

A API suporta múltiplos idiomas simultaneamente?

Sim, a API oferece suporte a 23 idiomas, incluindo português, espanhol e inglês. Você pode definir o idioma explicitamente via parâmetro ou permitir que a API o detecte automaticamente. Diferentes vozes podem falar qualquer um dos idiomas suportados, permitindo misturar idiomas na mesma aplicação.

Posso armazenar os arquivos de áudio gerados?

Sim, você pode armazenar os arquivos. A API retorna o áudio na resposta e não o armazena em seus servidores. O texto de entrada é usado apenas para a geração e não para treinamento. Apenas metadados de solicitação são mantidos para fins de faturamento e controle de uso.

Qual a latência esperada para uma notificação?

A velocidade típica é de aproximadamente 25 caracteres de texto por segundo de áudio gerado. Para notificações curtas, a latência é de alguns segundos. Em casos de alta carga, as requisições podem aguardar em uma fila, pois o processamento é sequencial, o que pode aumentar o tempo de resposta.

Como tratar erros de síntese na interface?

Se a síntese falhar, a cobrança é devolvida integralmente. Você deve implementar lógica para detectar erros na resposta da API e, se necessário, reenviar a solicitação. Isso garante que o usuário final não seja cobrado por áudio não entregue, mantendo a transparência no uso dos créditos.

É necessário um backend para usar a API?

Não é estritamente necessário, pois a API aceita requisições HTTP padrão. No entanto, para proteger sua chave API, é recomendável usar um backend intermediário. Você pode usar SDKs oficiais da OpenAI ajustando o base_url para https://api.h96.info/v1 ou fazer requisições diretas via código.

As vozes soam naturais em idiomas não ingleses?

As vozes são baseadas em gravações licenciadas e podem falar todos os 23 idiomas suportados com naturalidade. Para textos em latim não ingleses, defina o parâmetro language explicitamente para evitar a detecção automática como inglês. Isso garante a pronúncia correta e a entonação adequada para cada idioma.

Posso usar a API para áudio de fundo em apps?

Sim, a API gera arquivos de áudio completos que podem ser usados como trilhas ou efeitos sonoros, embora sejam baseados em vozes de narração. Como não há streaming em tempo real, o arquivo deve ser pré-generado ou baixado antes da reprodução. O áudio gerado é marcado com uma marca d'água inaudível que indica ser síntese.

Como calcular o custo mensal de notificações?

O custo é de $0,01 por 1.000 caracteres, incluindo espaços e pontuação. Para calcular, multiplique o número médio de caracteres por notificação pelo volume mensal e divida por 1.000. Solicitações falhas são gratuitas, então você não paga por tentativas que não geram áudio final.

A chave API funciona em produção e staging?

Sim, a mesma chave API funciona para ambos os ambientes. Cada conta possui uma chave ativa que pode ser revogada e renovada a qualquer momento. Ao emitir uma nova chave, a antiga é desativada imediatamente, permitindo que você gerencie o acesso entre ambientes de desenvolvimento e produção facilmente.

Existe limite de tamanho de arquivo de áudio?

O limite aplica-se ao texto de entrada, que é de 4096 caracteres por solicitação. Não há um limite rígido de tamanho de arquivo de áudio especificado, mas o tamanho do arquivo final dependerá da duração do áudio gerado e do formato escolhido. Formatos como WAV e FLAC resultarão em arquivos maiores que MP3.

As vozes mudam de tom em frases longas?

As vozes são presets fixos com características específicas, como 'narradora clara' ou 'documentário profundo'. Elas não mudam de tom dinamicamente como um humano faria, mas mantêm a consistência tonal definida pelo preset escolhido. Não há tags de emoção ou controle de entonação granular disponível na API atual.

Por que usar áudio em notificações

Ilustração de onda sonora para: Por que usar áudio em notificações

Integrar fala sintética em notificações móveis vai além da conveniência. Para equipes de produto, oferecer áudio acessível é uma obrigação técnica, não um luxo. A API ClaraNota permite que apps gerem áudio sob demanda, garantindo que usuários com deficiência visual ou deficiências motoras acessem informações críticas sem depender exclusivamente de leitura visual.

Além da acessibilidade, o áudio aumenta o engajamento em alertas importantes. Em interfaces modernas, um alerta sonoro bem projetado captura a atenção imediatamente, mesmo quando o usuário não está olhando para a tela. Isso é crucial para notificações de segurança, lembretes médicos ou atualizações de status em tempo real.

Acessibilidade para usuários com deficiência visual

A sintese de voz permite que leitores de tela funcionem em conjunto com notificações auditivas nativas. Isso cria uma camada de redundância que melhora a experiência do usuário final, especialmente em situações onde a tela não pode ser acessada imediatamente.

  • Suporte a múltiplos idiomas para públicos globais
  • Vozes claras e naturais para leitura rápida
  • Compatível com assistentes de acessibilidade padrão

Maior engajamento em alertas críticos

Notificações visuais podem ser ignoradas se o usuário estiver distraído. Áudio gera uma resposta mais rápida e intuitiva, ideal para lembretes de tarefas ou alertas de segurança que exigem ação imediata.

  • Redução do tempo de resposta a alertas
  • Maior retenção de mensagens importantes
  • Integração direta com workflows de notificação

Clareza em ambientes ruidosos

Em ambientes com muito ruído de fundo, como fábricas ou ruas movimentadas, ler uma notificação pequena pode ser difícil. O áudio transmite a mensagem diretamente, garantindo que a informação seja compreendida mesmo sem olhar para o dispositivo.

  • Ideal para uso em movimento
  • Melhor compreensão em ambientes externos
  • Redução de erros de interpretação visual

Arquitetura de integração via API

Ilustração de onda sonora para: Arquitetura de integração via API

A integração de TTS em notificações móveis depende de uma arquitetura onde o backend gera o áudio sob demanda ao receber um evento de alerta. A API recebe a requisição POST e retorna o arquivo de áudio, que o frontend reproduz imediatamente.

Para otimizar a experiência, é recomendável implementar cache de áudio para textos frequentes, como lembretes diários ou alertas de sistema padronizados. Isso reduz a latência percebida e o custo com caracteres, evitando requisições redundantes para o mesmo conteúdo.

Backend gera áudio sob demanda

O backend envia o texto para o endpoint POST /v1/audio/speech. Se o texto exceder 4096 caracteres, ele deve ser dividido em partes e unido posteriormente. A resposta contém o arquivo de áudio pronto para reprodução.

Frontend reproduz arquivo recebido

O aplicativo móvel recebe o binário do áudio e inicia a reprodução via player nativo. A latência inicial é de alguns segundos, dependendo da fila de processamento. Para alertas críticos, a experiência deve ser fluida e imediata.

Cache de áudio para textos frequentes

Armazenar localmente os áudios de textos recorrentes evita novas chamadas de API. Isso economiza caracteres e reduz a latência. Ideal para notificações de sistema ou mensagens de onboarding que não mudam.

  • Reduz custos operacionais em apps com alto volume de alertas.
  • Melhora a responsividade em conexões instáveis.

Seleção de vozes por contexto

Ilustração de onda sonora para: Seleção de vozes por contexto

A escolha da voz altera a percepção do usuário em notificações móveis. Utilize vozes calmas para lembretes diários, energéticas para promoções e neutras para alertas críticos, garantindo clareza e contexto adequado.

Vozes calmas para lembretes diários

Para lembretes de tarefas ou agendas, priorize a Luna (soft, storytelling) ou a Sage (calm, instructional). Essas vozes transmitem tranquilidade, evitando a sensação de urgência excessiva em interações cotidianas.

Vozes energéticas para promoções

Promoções e ofertas limitadas beneficiam-se do Felix (energetic, promo). Sua entonação vibrante captura a atenção rapidamente, diferenciando-se de notificações padrão e incentivando a ação imediata do usuário.

Vozes neutras para notícias e alertas

Alertas críticos e notícias exigem objetividade. Utilize o Atlas (neutral, news) ou o Orion (deep, documentary) para transmitir informações com precisão e seriedade, sem distrações emocionais desnecessárias.

  • Atlas: tom neutro e jornalístico.
  • Orion: voz profunda para documentários.

Gerenciamento de caracteres e limites

Ilustração de onda sonora para: Gerenciamento de caracteres e limites

A API ClaraNota aceita no máximo 4096 caracteres por solicitação. Para textos longos, é necessário dividir o conteúdo em partes e concatenar os arquivos de áudio gerados. Essa abordagem garante que cada lote seja processado corretamente sem perda de dados.

Caracteres incluem espaços e pontuação. Frases curtas podem levar alguns segundos para serem sintetizadas, enquanto textos longos geram áudio em tempo real aproximado. Planeje a chunking para evitar latência excessiva em notificações críticas.

Quebra de texto acima de 4096 caracteres

Divida o texto em blocos de até 4096 caracteres. Envie cada bloco via POST e junte os arquivos resultantes. Isso mantém a fluidez da narrativa nas notificações estendidas.

Cada requisição extra consome quota. Monitore o uso para garantir que alertas complexos não excedam os limites de caracteres por lote.

  • Máximo de 4096 chars por request
  • Concatene áudio gerado sequencialmente

Contagem de caracteres incluindo espaços

Espaços e pontuação contam como caracteres. O limite é rígido. Verifique o comprimento antes de enviar para evitar erros de solicitação.

O custo é $0,01 por 1.000 caracteres. Pequenas varia no tamanho do texto impactam diretamente o custo e o tempo de geração.

  • Espaços contam como 1 char
  • Pontuação também é cobrada

Otimização de frases curtas

Frases curtas podem levar alguns segundos para gerar. Para notificações rápidas, considere agrupar mensagens menos críticas ou usar cache.

Evite requisições excessivas para textos muito curros. Agrupe quando possível para reduzir a carga na fila de processamento.

  • Latência maior em textos < 100 chars
  • Use cache para textos frequentes

Formatos ideais para dispositivos móveis

Ilustração de onda sonora para: Formatos ideais para dispositivos móveis

Escolher o formato de áudio correto impacta diretamente a experiência do usuário final em dispositivos móveis, equilibrando qualidade, tamanho do arquivo e compatibilidade nativa dos sistemas operacionais Android e iOS.

MP3 para compatibilidade universal

O MP3 é a escolha padrão para garantir que a notificação seja reproduzida em qualquer dispositivo sem necessidade de codecs adicionais. Sua ampla aceitação evita falhas de reprodução em versões antigas de sistemas operacionais.

OPUS para eficiência de banda

Para economizar dados móveis do usuário, o formato OPUS oferece excelente compressão com boa qualidade de voz. É ideal para apps que enviam muitas notificações ou para usuários com planos de dados limitados.

WAV para baixa latência em testes

O WAV é recomendado principalmente para ambientes de teste e desenvolvimento devido à sua simplicidade e decodificação rápida. O arquivo maior consome mais armazenamento, mas elimina overhead de processamento durante a validação da integração.

Tratamento de erros em tempo real

Ilustração de onda sonora para: Tratamento de erros em tempo real

O processamento de síntese ocorre sequencialmente, o que significa que picos de demanda podem gerar filas de espera. Em vez de falhar imediatamente, a requisição aguarda até que haja capacidade de processamento disponível, garantindo que nem todos os alertas sejam perdidos durante eventos de alta concorrência.

Essa latência variável deve ser gerenciada no backend, mantendo o estado da solicitação até a conclusão ou falha definitiva.

Fila de processamento sob alta demanda

As solicitações são processadas uma após a outra. Sob carga, o tempo de resposta aumenta proporcionalmente ao tamanho da fila. Não há garantia de latência fixa, mas o sistema não descarta requisições ativas.

Para notificações críticas, considere implementar um timeout no lado do cliente ou usar cache, pois a velocidade de geração é fixa.

  • Processamento sequencial, sem paralelismo interno por chave
  • Tempo de espera variável dependendo da fila atual
  • Nenhuma requisição é perdida enquanto a conexão permanece ativa

Retentativa em caso de falha de rede

Se a conexão entre seu servidor e api.h96.info cair durante o envio ou download do áudio, a operação falha. Como não há streaming, a falha é final para aquele lote.

Implemente lógica de retry exponencial com limite máximo. Lembre-se que falhas de síntese são gratuitas. Falhas de rede podem resultar em cobrança se o áudio for parcialmente gerado antes do corte (verifique o código de status HTTP retornado).

  • Retry com backoff exponencial recomendado
  • Verificar status HTTP 200 vs 4xx/5xx antes de cobrar
  • Não há compensação automática por falhas de rede, apenas por falha de síntese

Feedback visual para o usuário final

Indique claramente que o áudio está sendo gerado. Use spinners ou barras de progresso para gerenciar a expectativa do usuário, especialmente considerando que textos longos podem levar vários segundos.

Não assuma que o áudio tocará instantaneamente. A latência inicial é de alguns segundos mesmo para frases curtas.

  • Mostrar indicador de carregamento durante a requisição POST
  • Exibir mensagem de erro se o timeout for excedido
  • Desabilitar botões de notificação durante o processamento ativo

Exemplo de código com OpenAI SDK

Ilustração de onda sonora para: Exemplo de código com OpenAI SDK

Para integrar a ClaraNota usando o SDK oficial da OpenAI, a primeira etapa é apontar o cliente para o endpoint correto. Isso garante que as requisições cheguem à infraestrutura de síntese de voz específica do site, mantendo a compatibilidade com a estrutura de payloads padrão.

A configuração exige apenas a definição do base_url e a passagem da chave de API no cabeçalho de autorização. Com isso, todas as chamadas subsequentes utilizam a lógica de roteamento interna da ClaraNota, sem necessidade de ajustes manuais na URL.

Configuração do base_url personalizado

Inicialize o cliente fornecendo a URL base da API e sua chave tts-.... Este passo direciona o SDK para os servidores da ClaraNota em vez dos da OpenAI.

Certifique-se de que o ambiente de execução tenha as credenciais configuradas como variáveis de ambiente ou constantes seguras para evitar exposição acidental.

  • Definir base_url para https://api.h96.info/v1
  • Passar chave via Authorization: Bearer

Chamada assíncrona de síntese

Utilize o método de síntese fornecido pelo SDK, passando o texto, o modelo (tts-1 ou tts-1-hd) e a voz selecionada. O retorno é o arquivo de áudio binário.

Para notificações móveis, é recomendável processar essa chamada em segundo plano para não bloquear a interface do usuário enquanto o áudio é gerado.

Tratamento de exceções e status codes

Capture exceções para lidar com falhas de rede ou limites de taxa excedidos. Se a síntese falhar, o crédito é estornado integralmente.

Verifique o status da resposta para garantir que o áudio foi gerado com sucesso antes de tentar reproduzi-lo no dispositivo móvel.

  • Tratar erros de rate limit (60 req/min)
  • Retornar crédito em caso de falha de síntese
Exemplo de código com OpenAI SDK

Testes de usabilidade com áudio

Ilustração de onda sonora para: Testes de usabilidade com áudio

Integrar áudio em notificações exige validação prática, não apenas técnica. A clareza da voz determina se o alerta cumpre sua função ou se torna ruído. Testes de latência percebida revelam se a espera pela síntese é aceitável no fluxo de uso. O feedback sobre volume e tom ajusta a experiência para diferentes contextos, como ambientes ruidosos ou uso noturno.

Esses testes garantem que a tecnologia sirva à usabilidade, não o contrário. Equipes de produto devem validar essas variáveis com usuários reais antes do lançamento em escala.

Avaliação de clareza da voz

A inteligibilidade é crítica para acessibilidade e alertas críticos. Use vozes como sage para instruções ou atlas para notícias, testando a compreensão em ambientes com ruído de fundo. A clareza depende tanto da escolha da voz quanto da configuração de velocidade (speed), que pode ser ajustada para 1.0 ou superior para textos longos.

Verifique se a síntese mantém a pronúncia correta em idiomas específicos, configurando o parâmetro language explicitamente para evitar detecção automática falha em textos latinos não ingleses.

  • Testar voz sage para instruções passo a passo.
  • Ajustar speed para 1.5 em alertas rápidos.
  • Validar pronúncia em language específico.

Testes de latência percebida pelo usuário

A latência inicial é de alguns segundos devido ao processamento em fila. Para textos longos, a geração é próxima do tempo real (25 caracteres/segundo). Em picos de demanda, a fila pode aumentar o tempo de resposta. Measure o tempo entre o gatilho da notificação e a reprodução do áudio.

Otimizações incluem cache de áudio para textos frequentes e pré-carregamento de vozes comuns. A experiência percebida melhora se o sistema indicar carregamento enquanto aguarda a resposta da API.

  • Monitorar tempo de resposta sob carga.
  • Usar cache para textos repetidos.
  • Indicar estado de carregamento ao usuário.

Feedback sobre volume e tom

O tom da voz deve corresponder ao contexto: nova para promoções, milo para conversas. O volume deve ser ajustável pelo usuário final, pois o áudio é entregue como arquivo (mp3, wav, etc.).

Colete feedback sobre se o tom soa muito agressivo ou muito suave para notificações diárias. Ajustes finos podem ser feitos alterando a voz ou a velocidade, mas não há tags de emoção disponíveis.

  • Testar voz nova para promoções.
  • Validar tom com milo para conversas.
  • Ajustar volume no player do dispositivo.

Custos estimados por notificação

Ilustração de onda sonora para: Custos estimados por notificação

O custo é linear: US$ 0,01 por mil caracteres. Para um alerta de 50 caracteres, o valor é insignificante, mas a latência de processamento pode variar dependendo da fila.

Cálculo para alertas de 50 caracteres

Cada request conta espaços e pontuação. Um alerta de 50 caracteres custa $0,0005. Como o mínimo de recarga é $5, você paga um valor fixo mesmo consumindo pouco por notificação.

  • Texto: 50 chars
  • Custo: $0,0005
  • Mínimo recarga: $5

Volume mensal para 10k usuários ativos

Se cada usuário recebe 10 alertas de 100 caracteres/dia, o volume mensal é de 3 milhões de caracteres. O custo seria de $30,00, sem contar o tempo de processamento em fila.

  • 10k usuários x 10 alertas x 100 chars
  • 3M chars/mês
  • Custo: $30,00

Impacto do top-up via USDT no orçamento

O saldo não expira. O uso de USDT (TRC-20) evita taxas de cartão. O crédito é ativado em minutos após a transferência, sem necessidade de faturas ou impostos adicionados.

  • Saldo não expira
  • USDT TRC-20
  • Sem impostos

Idiomas e localização de alertas

Ilustração de onda sonora para: Idiomas e localização de alertas

Para garantir que alertas sejam compreendidos instantaneamente, a API permite definir o idioma explicitamente via parâmetro language no corpo da requisição. Isso elimina ambiguidades, especialmente quando o texto está em um script latino mas não é inglês.

Configuração explícita do idioma

Definir o código ISO-639-1 evita que o sistema adivinhe incorretamente a pronúncia. Isso é crucial para apps multilíngues que enviam notificações contextuais, garantindo que vozes como luna ou atlas utilizem a entonação correta para o público-alvo.

  • Use o parâmetro language para forçar o idioma (ex: 'pt', 'es', 'fr').
  • Funciona com todas as 8 vozes disponíveis, independentemente do idioma de origem da voz.

Detecção automática para texto latino

Se o parâmetro language não for enviado, o sistema infere o idioma pelo script. Textos em script latino padrão são assumidos como inglês. Para outros idiomas latinos (como português ou espanhol), a configuração explícita é recomendada para evitar erros de pronúncia.

Suporte a múltiplos idiomas em um app

O serviço suporta 23 idiomas, incluindo árabe, chinês, japonês e línguas europeias. Você pode integrar diferentes vozes e idiomas na mesma aplicação, ajustando a configuração por região ou preferência do usuário. Não há suporte para vietnamita, tailandês ou ucraniano.

  • Lista completa: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish.

Armazenamento e retenção de áudio

Ilustração de onda sonora para: Armazenamento e retenção de áudio

A API ClaraNota não armazena os arquivos de áudio gerados após o envio da resposta. Isso garante que o texto seja usado exclusivamente para a síntese momentânea, sem retenção passiva de conteúdo audio nos servidores da plataforma.

Para notificações frequentes, o ideal é implementar cache local no dispositivo móvel. Dessa forma, textos idênticos não geram novas requisições, otimizando custos e reduzindo a latência percebida pelo usuário final.

Áudio retornado na resposta não é salvo

Diferente de plataformas que mantêm um histórico de vozes geradas, nossa API devolve o arquivo binário e o descarta imediatamente após a transmissão. Isso elimina riscos de exposição acidental de dados sensíveis em notificações de longo prazo.

  • Sem histórico de áudio no servidor
  • Uso exclusivo para síntese momentânea
  • Menor superfície de ataque para dados sensíveis

Cache local para evitar requisições repetidas

Notificações de sistema (como "lembrete de reunião" ou "alerta de bateria") frequentemente usam textos padrão. Armazenar o arquivo MP3 ou OPUS localmente evita o consumo desnecessário de caracteres e limites de taxa.

  • Redução de custos com caracteres repetidos
  • Latência zero para alertas frequentes
  • Economia de banda móvel

Política de retenção de metadados

Embora o áudio não seja persistido, mantemos metadados de requisição (timestamp, caracteres processados, status) por um período necessário para conferência de faturamento. Esses dados não contêm o conteúdo semântico da notificação em si, apenas o registro técnico da transação.

Desvantagens e limitações técnicas

Ilustração de onda sonora para: Desvantagens e limitações técnicas

A API ClaraNota opera no modelo síncrono padrão: você envia o texto e espera pelo arquivo final. Não há streaming WebSocket para receber áudio fragmentado em tempo real, o que é relevante para interfaces que exigem atualização progressiva imediata.

A latência inicial de alguns segundos é inevitável, pois as requisições são processadas em fila. Sob alta demanda, o tempo de resposta pode aumentar, exigindo que seu backend antecipe o carregamento ou informe o usuário sobre a espera.

Não há tags de emoção (como <break> ou <emotion>) para ajustar o tom da voz dinamicamente. A interpretação emocional depende exclusivamente da escolha da voz predefinida (ex: 'nova' para entusiasmo, 'sage' para calma), limitando a expressividade contextual granular.

Sem streaming para atualização progressiva

O protocolo não suporta entrega parcial de áudio. O cliente deve aguardar a conclusão total da síntese antes de exibir ou reproduzir o arquivo.

Isso impede a geração de áudio em tempo real durante a digitação ou a exibição progressiva de legendas sincronizadas com o áudio gerado na fly.

  • Necessidade de buffer completo do arquivo final
  • Incompatível com fluxos de áudio contínuo sem interrupção

Latência inicial de alguns segundos

O processamento é sequencial e sujeito a filas. Textos curtos levam alguns segundos para gerar; textos longos seguem o ritmo de tempo real.

Sistemas críticos que exigem resposta em milissegundos podem precisar de cache agressivo de áudios frequentes para mascarar esta latência.

  • Tempo de espera varia conforme a carga da API
  • Requer gestão de estado de 'carregando' no frontend

Sem personalização de emoção via tag

A expressividade é fixa por voz. Não é possível alterar o tom de uma única frase dentro de um mesmo arquivo audio via SSML ou metadados.

Para mudar o sentimento da mensagem, deve-se escolher uma voz diferente ou gerar arquivos separados para cada tom desejado.

  • Vozes são estáticas durante a geração
  • Sem controle de ênfase ou pausa via markup

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Em caso de falha persistente após múltiplas retentativas, exiba o texto original na interface do usuário.

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. FFmpeg documentation
  3. LibriTTS-R paper (arXiv 2305.18802)
  4. LibriTTS-R corpus (OpenSLR 141)
  5. Creative Commons Attribution 4.0
  6. curl documentation
  7. IETF RFC 7845: Ogg Opus
  8. Python documentation
  9. TRON developer hub: TRC-20
  10. LibriVox public-domain audiobooks
  11. Node.js documentation
  12. OpenAI API reference: create speech

Mais neste site