API TTS JungleHaan: Integração Rápida com Texto para Fala

Por Equipe Editorial JungleHaan · Atualizado 2026-11-19

Neste guia, você descobre como usar as vozes, idiomas e formatos da API TTS da JungleHaan para criar áudios para seus podcasts e redes sociais. Sem precisar de conhecimento técnico avançado, você aprenderá a escolher a voz certa, ajustar a velocidade e formatar o texto para obter resultados naturais e engajadores.

Ideal para criadores de conteúdo que buscam praticidade, esta página explica tudo sobre as 8 vozes disponíveis, os 23 idiomas suportados e as opções de áudio como MP3 e WAV. Veja como configurar a API facilmente, entender o licenciamento das vozes e aplicar dicas práticas para melhorar a qualidade dos seus áudios em poucos minutos.

API TTS JungleHaan: Integração Rápida com Texto para Fala

Perguntas frequentes

Qual voz é melhor para notícias?

A voz Atlas é a escolha ideal para notícias. Ela possui uma entonação neutra e clara, projetada especificamente para leitura jornalística. Isso garante que a informação seja transmitida com precisão e profissionalismo, sem distrações emocionais, mantendo o foco no conteúdo da notícia para seus ouvintes.

Posso usar vozes para vídeos monetizados?

Sim, as vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox). Você pode usar os áudios gerados em seus vídeos monetizados. Como não há royalties adicionais, você tem liberdade para utilizar o conteúdo em podcasts, redes sociais ou plataformas de vídeo sem preocupações extras.

O que é a licença CC BY 4.0?

CC BY 4.0 é uma licença Creative Commons que permite uso livre, inclusive comercial, desde que você dê os devidos créditos aos autores originais das gravações base. Isso garante que o conteúdo seja legalmente utilizável em seus projetos, respeitando os direitos dos criadores das vozes base.

As vozes soam robóticas?

Não. As vozes são baseadas em gravações reais de atores, resultando em uma fala natural e fluida. Cada voz tem características únicas, como calor ou energia, que transmitem emoção adequada ao contexto. O resultado é uma áudio de alta qualidade, próximo ao de um narrador humano.

Posso misturar vozes em um áudio?

A API gera um arquivo de áudio por solicitação. Para misturar vozes, você deve fazer solicitações separadas para cada voz desejada e, em seguida, unir os arquivos de áudio usando um editor de áudio externo. Isso oferece flexibilidade para criar diálogos ou narrativas complexas.

O idioma afeta a qualidade do áudio?

Sim, definir o idioma corretamente melhora a pronúncia e a entonação. Se não especificado, o sistema tenta adivinhar, mas pode falhar com textos em latim não ingleses. Para português, espanhol ou outros idiomas listados, defina o parâmetro 'language' para garantir a melhor qualidade de síntese.

Como ajustar a velocidade ideal?

Use o parâmetro 'speed' para controlar a velocidade, variando de 0.25 a 4.0. O padrão é 1.0. Ajuste para mais rápido em resumos ou mais lento para ênfase. Teste diferentes valores para encontrar o ritmo ideal para seu conteúdo, garantindo que a audição seja confortável e clara.

Qual formato economiza mais espaço?

O formato MP3 oferece a melhor relação entre qualidade e tamanho de arquivo, sendo ideal para web e redes sociais. O Opus também é eficiente. Para máxima fidelidade, use WAV ou FLAC, mas eles ocupam mais espaço. Escolha MP3 para equilibrar qualidade e armazenamento na maioria dos casos.

As vozes mudam com o tempo?

Não. As vozes são presets fixos definidos no momento da criação do modelo. Elas não evoluem ou mudam de timbre automaticamente. Isso garante consistência em seus projetos: se você usar a voz 'Aria' hoje e daqui a um ano, o som será exatamente o mesmo.

Posso usar o mesmo áudio em vários lugares?

Sim. Após gerar o áudio, o arquivo é seu para usar onde quiser. Não há limitações de uso por plataforma. Você pode baixar o arquivo MP3 ou WAV e utilizá-lo em podcasts, YouTube, Instagram ou sites, sem necessidade de verificar a licença a cada publicação.

O que é o modelo tts-1-hd?

O modelo 'tts-1-hd' usa o mesmo motor do 'tts-1', mas com qualidade de áudio superior. Ambos têm o mesmo preço. O preço é o mesmo para ambos, então você pode escolher o HD para projetos que exigem máxima qualidade.

A marca d'água pode ser removida?

A marca d'água inaudível é embutida no áudio para identificar o conteúdo como sintetizado. Ela não é audível pelo ouvido humano, portanto, não afeta a experiência do ouvinte. Não há opção para removê-la via API, pois é uma característica técnica do arquivo gerado para fins de identificação.

Posso alterar o tom da voz?

Não há controle direto de tom (pitch) ou entonação por palavra. Você pode ajustar apenas a velocidade (0.25 a 4.0). Para variações de tom, escolha a voz mais adequada ao contexto (ex: 'Nova' para energia, 'Luna' para suavidade) ou edite o arquivo de áudio posteriormente.

Como garantir a clareza do áudio?

Mantenha o texto abaixo de 4096 caracteres por solicitação para evitar cortes. Use pontuação adequada para pausas naturais. Escolha vozes claras como 'Aria' ou 'Atlas'. Ajuste a velocidade para um ritmo confortável e use formato MP3 ou WAV para garantir a melhor reprodução em dispositivos comuns.

Vozes femininas disponíveis

Ilustração de onda sonora para: Vozes femininas disponíveis

Aqui estão as vozes femininas que você pode usar na API JungleHaan para dar vida aos seus podcasts e vídeos.

Cada voz tem um estilo único, perfeito para diferentes tipos de conteúdo criativo.

Aria: Narradora clara e quente (voz feminina)

Aria é ideal para narrativas que precisam de clareza e proximidade. Sua voz transmite confiança e calor, sendo perfeita para introduções de podcasts ou histórias que exigem conexão emocional.

  • Estilo: Narradora clara e quente
  • Ideal para: Contação de histórias e narrativas

Nova: Voz brilhante e animada (voz feminina)

Nova traz energia e entusiasmo para seus áudios. Sua voz brilhante é excelente para vídeos de redes sociais, anúncios dinâmicos ou qualquer conteúdo que precise capturar a atenção rapidamente.

  • Estilo: Voz brilhante e animada
  • Ideal para: Redes sociais e anúncios

Luna: Suave e ideal para histórias (voz feminina)

Luna oferece uma tonalidade suave e acolhedora, perfeita para narrativas longas ou conteúdos relaxantes. Sua voz é ótima para manter o ouvinte engajado em histórias ou conteúdos de bem-estar.

  • Estilo: Suave e ideal para histórias
  • Ideal para: Conteúdos relaxantes e narrativas

Vozes masculinas disponíveis

Ilustração de onda sonora para: Vozes masculinas disponíveis

Esta seção detalha as opções de voz masculina disponíveis na API, ideais para diferentes formatos de áudio.

Conheça as características de cada preset para escolher a que melhor se adapta ao seu projeto.

Felix: Energética e promocional (voz masculina)

Felix é a escolha ideal para conteúdos publicitários e vídeos dinâmicos. Sua energia alta mantém a atenção do ouvinte, tornando cada palavra mais impactante.

Milo: Amigável e conversacional (voz masculina)

Com um tom próximo e natural, Milo simula uma conversa real. É perfeito para podcasts informais, tutoriais ou narrativas que exigem proximidade com a audiência.

Atlas: Neutra e voltada para notícias (voz masculina)

Atlas oferece clareza e objetividade, sem emoções exageradas. Sua neutralidade o torna excelente para boletins informativos, leitura de dados ou qualquer conteúdo que priorize a precisão da mensagem.

Vozes adicionais para documentários

Ilustração de onda sonora para: Vozes adicionais para documentários

Nesta seção, exploramos vozes complementares para formatos narrativos específicos. Embora a lista principal destaque vozes distintas, a flexibilidade da API permite reutilizar presets para criar atmosferas coerentes com o tema do seu podcast ou documentário.

A escolha certa pode definir o tom da produção sem necessidade de edição complexa, garantindo consistência sonora desde a primeira frase.

Milo: Tom conversacional (voz masculina)

Milo oferece um tom amigável e direto, ideal para diálogos ou narrações que buscam proximidade com o ouvinte. Sua natureza conversacional se encaixa bem em conteúdos que simulam uma conversa entre amigos ou em explicações cotidianas.

Use Milo quando a linguagem precisa ser acessível, sem formalidades excessivas, mantendo a atenção da audiência através de um ritmo natural e próximo.

  • Ideal para podcasts de entrevistas
  • Tom acessível e direto

Orion: Voz profunda e documental (voz masculina)

Orion traz uma voz profunda, característica de documentários sérios e narrativas imersivas. Sua tonalidade grave transmite autoridade e gravidade, sendo perfeita para histórias longas que exigem foco e atenção sustentada.

Utilize Orion para introduções impactantes ou partes do episódio que demandam um tom mais reflexivo e cinematográfico, diferenciando-se de uma narração padrão.

  • Tom grave e imersivo
  • Ideal para documentários

Sage: Calma e instrucional (voz feminina)

Sage é calma e instrucional, diferenciando-se de narrativas puramente emocionais. Sua clareza e ritmo pausado facilitam a compreensão de informações técnicas ou educativas, tornando-a uma aliada para conteúdos didáticos.

Escolha Sage quando o objetivo é transmitir conhecimento com tranquilidade, evitando a urgência de outras vozes e garantindo que cada palavra seja entendida.

  • Foco na clareza instrucional
  • Ritmo pausado e educativo

Idiomas suportados pela API

Ilustração de onda sonora para: Idiomas suportados pela API

A API suporta 23 idiomas, permitindo que qualquer uma das 8 vozes fale qualquer idioma da lista. Isso facilita a criação de conteúdo multilíngue sem precisar configurar vozes específicas para cada região.

Se o campo language não for definido, o sistema tenta adivinhar o idioma pelo script. Textos em caracteres latinos sem especificação são tratados como inglês. Para outros idiomas latinos, como português ou espanhol, defina o idioma manualmente para evitar erros.

Lista completa dos 23 idiomas

O suporte cobre as principais línguas globais, incluindo árabe, chinês, dinamarquês, holandês, finlandês, francês, alemão, grego, hebraico, hindi, japonês, coreano, malaio, norueguês, polonês, russo, sueco e turco, além dos idiomas ocidentais listados.

Essa variedade permite que criadores de podcasts e redes sociais alcancem audiências diversas sem complicações técnicas.

  • Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Swahili, Sueco, Turco

Inglês, português, espanhol e outros

Para textos em português ou espanhol usando caracteres latinos, é essencial definir o parâmetro language corretamente. Sem essa configuração, o sistema pode gerar o áudio com sotaque ou pronúncia inglesa padrão.

Isso garante que a entonação e a pronúncia estejam alinhadas com a linguagem original do seu script.

Idiomas não suportados na lista

Idiomas como vietnamita, indonésio, tailandês, ucraniano, romeno, tcheco e bengali não são suportados. Tente usar um idioma próximo ou ajuste o script para os idiomas disponíveis para obter melhores resultados.

Formatação de texto para vozes

Ilustração de onda sonora para: Formatação de texto para vozes

A formatação do texto enviado influencia diretamente na naturalidade da fala sintetizada. A API processa o conteúdo sequencialmente, respeitando pausas e entonações baseadas na estrutura apresentada no corpo da requisição.

Um texto bem pontuado garante que as vozes respeitem as pausas naturais, melhorando a compreensão do ouvinte em podcasts e redes sociais sem necessidade de ajustes manuais complexos.

Importância da pontuação correta

A pontuação define onde a voz deve fazer pausas. Use pontos finais para pausas longas e vírgulas para pequenas interrupções. Isso evita que a IA leia frases inteiras de forma monótona.

Textos sem pontuação adequada podem soar acelerados ou confusos. Revise seu script antes de enviar para garantir que as entonações reflitam o ritmo natural da fala.

  • Use pontos finais para pausas maiores
  • Use vírgulas para pequenas interrupções
  • Revise o script para ritmo natural

Uso de caracteres especiais

Caracteres como pontos de interrogação ou exclamação ajudam a ajustar a entonação. A API interpreta esses sinais para variar o tom da voz, tornando a narração mais dinâmica.

Evite excesso de símbolos não padrão. A API é otimizada para pontuação básica. Caracteres estranhos podem ser ignorados ou causar pausas inesperadas na geração do áudio.

  • Interrogações variam a entonação
  • Exclamações aumentam a energia da voz
  • Evite símbolos não padrão

Limite de 4096 caracteres

Cada requisição aceita até 4096 caracteres. Textos longos devem ser divididos em partes menores para garantir o processamento correto e a qualidade do áudio final.

Ao dividir textos extensos, mantenha a coerência entre as partes. A API processa as solicitações sequencialmente, então planeje a estrutura do seu script para facilitar a junção final dos arquivos.

  • Máximo de 4096 caracteres por pedido
  • Divida textos longos em partes
  • Mantenha a coerência entre as partes

Seleção de formato de áudio

Ilustração de onda sonora para: Seleção de formato de áudio

Escolha o formato de áudio adequado ao seu workflow de produção. A API aceita MP3, WAV, OPUS, FLAC e PCM, permitindo que você balanceie qualidade e tamanho do arquivo conforme a necessidade do projeto.

Cada formato tem um propósito específico na cadeia de criação de conteúdo. Entender as diferenças técnicas ajuda a otimizar o tempo de geração e a qualidade final do seu podcast ou vídeo.

MP3 para distribuição online

O MP3 é a escolha padrão para a maioria dos criadores. Ele oferece uma boa compressão sem perda perceptível de qualidade, mantendo o tamanho do arquivo pequeno para upload rápido em plataformas como Spotify, Apple Podcasts ou YouTube.

Seu uso é ideal para conteúdo finalizado que será distribuído amplamente, garantindo compatibilidade universal com players de áudio e dispositivos móveis.

  • Maior compatibilidade com players de áudio
  • Tamanho de arquivo otimizado para streaming
  • Ideal para distribuição em redes sociais

WAV para alta qualidade

O formato WAV preserva a qualidade original do áudio sem compressão lossy. Isso é recomendado quando você precisa editar o áudio posteriormente em softwares de produção, mantendo cada detalhe da síntese.

Use WAV se a fidelidade sonora é crítica para seu projeto, especialmente em produções profissionais que passarão por múltiplas etapas de pós-produção antes da publicação.

  • Qualidade sem perda de dados
  • Ideal para edição profissional
  • Maior tamanho de arquivo

Opções como FLAC e OPUS

FLAC oferece compressão sem perda, menor que o WAV mas com qualidade idêntica, sendo útil para arquivamento ou quando se deseja economizar espaço sem sacrificar áudio. O OPUS é excelente para voz em contextos de baixa largura de banda.

Esses formatos avançados permitem maior controle sobre o balanço entre qualidade e eficiência, atendendo a necessidades específicas de armazenamento ou transmissão.

  • FLAC: qualidade sem perda, menor que WAV
  • OPUS: eficiente para transmissão
  • Flexibilidade para diferentes necessidades de armazenamento

Ajuste de velocidade para narração

Ilustração de onda sonora para: Ajuste de velocidade para narração

A velocidade da narração é um parâmetro simples mas poderoso na API JungleHaan. Enquanto a velocidade padrão oferece uma leitura natural e equilibrada, ideal para a maioria dos podcasts, você pode ajustá-la para adaptar o ritmo ao seu conteúdo específico.

Isso permite que você controle exatamente como o ouvinte experimenta a história, seja acelerando para manter o dinamismo ou desacelerando para garantir clareza em passagens mais densas.

Velocidade padrão vs personalizada

A configuração padrão serve como ponto de partida seguro para a maioria dos scripts. No entanto, personalizar essa velocidade permite alinhar a entrega de áudio ao estilo único do seu programa, garantindo que o tom corresponda exatamente à intenção da gravação.

Faixa de 0.25x a 4.0x

A API aceita valores entre 0.25 e 4.0. Essa amplitude permite desde narrativas muito lentas e pausadas até falatas extremamente rápidas, úteis para resumos ou transições dinâmicas em redes sociais.

Lembre-se de que textos longos gerados em velocidade alta podem parecer atropelados, enquanto velocidades muito baixas podem tornar a experiência monótona para ouvintes casuais.

Impacto na compreensão do áudio

Alterar a velocidade impacta diretamente a clareza. Para conteúdo informativo complexo, uma velocidade próxima do padrão (1.0x) é geralmente a melhor escolha. Para conteúdo leve ou enérgico, ajustar para cima pode manter a atenção do ouvinte sem perder a dicção.

Teste sempre trechos representativos antes de produzir o episódio inteiro, pois a percepção de velocidade varia conforme o sotaque da voz selecionada.

Ajuste de velocidade para narração

Licenciamento das vozes

Ilustração de onda sonora para: Licenciamento das vozes

O motor de voz do JungleHaan utiliza gravações baseadas em leituras de audiolivros do domínio público, oferecendo uma alternativa transparente para criadores de conteúdo que buscam evitar surpresas com direitos autorais.

As vozes são derivadas de fontes confiáveis e licenciadas, garantindo que você possa usar os áudios gerados com tranquilidade em seus projetos, desde que respeite os termos da licença.

Baseado em gravações do LibriVox

As vozes do JungleHaan são treinadas com dados do LibriTTS-R, que provém de narrações do LibriVox. O LibriVox é uma plataforma de audiolivros em domínio público, o que significa que as gravações originais não possuem restrições de copyright rigorosas.

Licença CC BY 4.0

O dataset LibriTTS-R é licenciado sob a Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Isso permite o uso, modificação e distribuição do material, desde que a atribuição devida seja feita conforme os termos da licença.

Uso comercial permitido

A licença CC BY 4.0 permite o uso comercial, o que é ideal para podcasts, vídeos monetizados e redes sociais. Você não precisa pagar royalties adicionais por cada áudio gerado, apenas o preço da API por caractere.

Este modelo simplifica a gestão de direitos autorais para criadores que produzem conteúdo de forma constante, sem a necessidade de verificar cada frase gerada individualmente.

Marca d'água nos áudios

Ilustração de onda sonora para: Marca d'água nos áudios

Cada arquivo de áudio gerado pela API JungleHaan carrega uma marca d'água inaudível. Esse recurso marca o conteúdo como fala sintética, sem alterar a experiência de escuta.

A marcação é feita para garantir transparência, identificando a origem automatizada do conteúdo. Não há necessidade de avisos manuais ao ouvinte.

Marca inaudível nos arquivos

A marca d'água digital é inserida diretamente no arquivo gerado. Ela é imperceptível ao ouvido humano durante a reprodução normal do áudio.

Indicação de voz sintética

A presença da marca confirma que o conteúdo foi produzido por nossa API. Isso diferencia o áudio gerado automaticamente de gravações humanas ou clonagem personalizada.

Transparência com o ouvinte

Ao usar vozes baseadas em gravações licenciadas, mantemos a honestidade sobre a natureza do conteúdo. A marca d'água complementa essa transparência, indicando claramente o uso de síntese de fala.

Detecção automática de idioma

Ilustração de onda sonora para: Detecção automática de idioma

A API detecta automaticamente o idioma com base no script do texto enviado. Para textos em letras latinas que não sejam inglês, o sistema assume o idioma padrão como inglês por padrão. Isso simplifica a integração, mas pode não ser preciso para outros idiomas.

Para garantir a pronúncia correta, você deve definir o campo language na requisição. Isso evita erros de pronúncia e garante que o áudio gerado soe natural para o público-alvo do seu conteúdo.

Reconhecimento de script latino

O sistema identifica caracteres latinos e atribui o idioma inglês como padrão. Se o texto contiver acentos ou caracteres específicos de outros idiomas, a detecção pode falhar.

Essa abordagem automática reduz a necessidade de configuração manual para textos simples, mas pode exigir ajustes para idiomas como português ou espanhol.

  • Detecta scripts latinos automaticamente.
  • Atribui inglês como idioma padrão para textos latinos.
  • Pode falhar com textos complexos ou mistos.

Padrão para inglês em textos latinos

Quando não há especificação de idioma, o texto em latim é interpretado como inglês. Isso pode resultar em pronúncias incorretas para palavras em outros idiomas.

Para textos em português, espanhol ou francês, é recomendável definir o idioma manualmente para evitar erros.

Configuração manual do idioma

Você pode definir o idioma manualmente no campo language da requisição. Use códigos ISO, como pt para português ou es para espanhol.

Essa configuração garante que a pronúncia seja precisa e natural, mesmo para textos complexos ou mistos.

  • Use o campo language para especificar o idioma.
  • Exemplo: pt para português, es para espanhol.
  • Garante pronúncia precisa e natural.

Dicas para melhores resultados

Ilustração de onda sonora para: Dicas para melhores resultados

Para obter áudios naturais, trate o texto como uma transcrição de fala. Evite construções literárias rígidas e use frases curtas. A pontuação correta guia as pausas da voz sintética, tornando a narração mais fluida e compreensível para seus ouvintes de podcast.

A clareza é essencial para a API processar o texto corretamente. Pequenos ajustes no roteiro podem evitar interrupções estranhas ou pronúncias incorretas, garantindo que o resultado final soe como uma conversa real e não como uma leitura mecânica de um documento.

Escreva como você fala ['Imagine que está gravando um podcast casual. Use frases diretas e evite a estrutura formal de artigos técnicos. A API TTS JungleHaan funciona melhor quando o texto imita o ritmo natural da conversa, com pausas indicadas por vírgulas e pontos finais.', 'Textos muito longos devem ser divididos. O limite é de 4096 caracteres por solicitação. Escreva em blocos menores para manter o controle do ritmo e da entonação em cada parte da sua produção de áudio.'] ['Use frases curtas para pausas naturais', 'Imite o ritmo de uma conversa de podcast', 'Evite jargões ou termos muito formais']

Evite abreviações complexas ["Abreviações como 'etc.', 'Sr.' ou siglas técnicas podem ser litas incorretamente pela API. Escreva a forma por extenso para garantir a pronúncia correta. Isso evita que o áudio final soe artificial ou confuso para seu público.", 'Se precisar de termos específicos, teste como eles são processados. A clareza do texto de entrada impacta diretamente a qualidade do arquivo de áudio gerado.']

Teste antes da produção final ['Sempre faça uma prévia com um trecho curto do seu roteiro. Verifique se a velocidade e a voz escolhidas estão adequadas ao conteúdo. Isso evita retrabalho em episódios longos.', 'Ajuste a velocidade entre 0.25x e 4.0x se necessário. O teste rápido garante que o resultado final esteja alinhado com a expectativa do seu ouvinte.']

Comparação de estilos de podcast

Ilustração de onda sonora para: Comparação de estilos de podcast

A escolha de estilo define o ritmo da produção. Entrevistas exigem naturalidade e pausas, enquanto monólogos beneficiam-se de consistência narrativa. A API permite alternar entre vozes para simular diálogos ou manter foco em narrativas contínuas.

A consistência vocal ajuda na retenção da audiência. Unificar o tom do episódio evita distrações e mantém a atenção no conteúdo principal, seja ele informativo ou entretenimento.

Entrevistas vs monólogos

Em entrevistas, a diversidade vocal simula a presença de múltiplos participantes. Use vozes distintas para cada entrevistado e mantenha a narração neutra. Para monólogos, uma única voz forte mantém o engajamento sem fadiga auditiva.

A transição entre formatos é fluida. A API permite alterar o parâmetro voice a cada solicitação, facilitando a produção de episódios híbridos que combinam narrações e diálogos simulados.

  • Use vozes complementares para diferenciar participantes.
  • Mantenha consistência em monólogos longos.
  • Teste a transição entre estilos antes da publicação.

Vozes dinâmicas vs calmas

Vozes como Felix (energética) e Nova (animada) são ideais para conteúdos dinâmicos, como anúncios ou introduções vibrantes. Já Sage (calma) e Luna (suave) oferecem melhor compreensão para textos densos ou históricos.

A velocidade também influencia o estilo. Ajustar a taxa para 0.75x em vozes dinâmicas pode suavizar o impacto, enquanto 1.2x em vozes calmas mantém o interesse sem soar acelerado demais.

  • Felix para introduções impactantes.
  • Luna para narrativas históricas.
  • Sage para instruções claras.
  • Nova para conteúdo leve e rápido.

Escolha conforme o tema

Temas técnicos beneficiam-se de Atlas (neutra), que transmite precisão sem interferência emocional. Para storytelling emocional, Luna ou Orion criam uma atmosfera imersiva adequada ao gênero.

A linguagem também deve ser considerada. Embora todas as vozes falem todos os 23 idiomas, a entonação natural varia conforme a familiaridade da voz com o idioma base. Sempre defina o parâmetro language para garantir a pronúncia correta.

  • Atlas para conteúdo técnico e notícias.
  • Orion para documentários profundos.
  • Sage para tutoriais e instruções.
  • Luna para contação de histórias.

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. O sistema identifica caracteres latinos e atribui o idioma inglês como padrão.

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. openai-python on GitHub
  4. W3C WAI: making audio and video accessible
  5. LibriTTS-R corpus (OpenSLR 141)
  6. curl documentation
  7. LibriVox public-domain audiobooks
  8. Creative Commons Attribution 4.0
  9. Python documentation
  10. Tether (USDT)
  11. Node.js documentation
  12. LibriTTS-R paper (arXiv 2305.18802)

Mais neste site