Perguntas frequentes
O que é um conversor de texto para voz?
É uma API de nuvem que recebe texto e retorna um arquivo de áudio. A VozCanta utiliza os modelos tts-1 e tts-1-hd para síntese. Você envia dados via JSON e recebe o áudio pronto. O serviço é projetado para integração técnica, permitindo que criadores de conteúdo automatizem a geração de falas para streams e gravações sem necessidade de hardware dedicado.
Como funciona a API de texto para fala?
Envie um POST para /v1/audio/speech com o texto, voz e idioma. A API retorna o arquivo de áudio no formato escolhido. Use a chave Bearer para autenticação. SDKs da OpenAI funcionam alterando o base_url. O limite é de 4096 caracteres por requisição. Para textos longos, divida e junte os arquivos resultantes.
Quais idiomas a API suporta?
A API suporta 23 idiomas: Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swedish e Turkish. Se o idioma não for especificado, o sistema tenta adivinhar. Idiomas como Vietnamita e Tailandês não são suportados.
As vozes são licenciadas?
Sim. As vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0) e de audiobooks de domínio público do LibriVox. Cada arquivo gerado contém uma marca d'água inaudível que identifica o áudio como síntese artificial. Isso garante que o uso comercial seja feito com base em licenças válidas e transparentes.
Quanto custa a API?
O custo é de US$ 10 por 1 milhão de caracteres (US$ 0,01 por 1.000 caracteres). Espaços e pontuação contam como caracteres. Não há planos mensais ou custos fixos. O saldo não expira. O pagamento é feito exclusivamente via USDT na rede TRON (TRC-20), com crédito automático após a transferência.
Qual o limite de caracteres por solicitação?
O limite máximo é de 4096 caracteres por solicitação. Para textos maiores, você deve dividir o conteúdo em partes menores e unir os arquivos de áudio gerados. O processamento é sequencial, então solicitações simultâneas podem entrar em fila. Cada caractere, incluindo espaços, é contabilizado para a faturação.
As vozes podem falar qualquer idioma?
Sim, cada uma das 8 vozes pode falar qualquer um dos 23 idiomas suportados. Se o campo 'language' não for definido, o sistema tenta adivinhar o idioma. Para textos em latim fora do inglês, é recomendável definir o idioma explicitamente para garantir a pronúncia correta e a qualidade da síntese.
O áudio gerado é armazenado?
Não. O texto de entrada é usado apenas para produzir o áudio e não é utilizado para treinamento. O áudio gerado é retornado na resposta e não é armazenado pelo servidor. Apenas os metadados da solicitação (tempo, caracteres, status) são mantidos para fins de faturamento e controle de uso.
Posso usar vozes para VTubers?
Sim. A VozCanta oferece vozes consistentes e licenciadas ideais para streams ao vivo e gravações. As vozes como Aria, Nova e Luna são claras ou suaves, enquanto Atlas e Orion são neutros ou profundos. O serviço é projetado para escalabilidade, permitindo que criadores gerem áudio rapidamente para seus avatares e conteúdo.
Como funciona o pagamento?
O pagamento é feito via USDT na rede TRON (TRC-20). O valor mínimo é de US$ 5. O crédito é adicionado automaticamente dentro de minutos após a transferência. Não há cartões, PayPal ou assinaturas. Não há faturas com IVA. O saldo não expira e não há custos de manutenção mensal.
Qual o tempo de geração de áudio?
A velocidade é de aproximadamente 25 caracteres por segundo de áudio gerado para textos longos. Frases curtas podem levar alguns segundos. As solicitações são processadas sequencialmente, o que significa que, sob carga, uma solicitação pode esperar na fila. O tempo varia conforme a complexidade do texto e a fila de processamento.
Existem planos mensais?
Não. Não há planos mensais, assentos ou gastos mínimos. Você paga apenas pelo que usar, com crédito pré-pago. O saldo não expira. A única opção de top-up é via USDT TRC-20. Não há contratos de longo prazo ou compromissos recorrentes. A faturação é baseada estritamente no volume de caracteres processados.
O que acontece se a solicitação falhar?
Solicitações falhas são gratuitas. Se a síntese falhar, o valor é devolvido integralmente. Não há cobrança para requisições que não resultam em áudio. Isso permite testar a API com segurança. O status da falha é retornado na resposta, permitindo que você reenvie ou ajuste os parâmetros da solicitação.
Há suporte por telefone?
Não. O suporte é realizado exclusivamente por e-mail. Não há número de telefone nem chat ao vivo. Não há garantias de tempo de atividade ou contratos empresariais. Para dúvidas técnicas ou sobre faturamento, envie um e-mail para o endereço de suporte listado na página de contato.
Primeira solicitação
curl
curl https://api.zbaj.info/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.mp3Áudio para streams e gravações
A API de texto para fala da VozCanta foi projetada para streamers e VTubers que necessitam de áudio em escala. Envie textos e receba arquivos de áudio, ideal para geração em lote de diálogos para streams ao vivo ou gravações.
Com vozes consistentes e licenciadas, mantenha a identidade do seu avatar em cada produção. O lançamento rápido permite integrar vozes pré-definidas diretamente no seu fluxo de trabalho sem configurações complexas.
Geração de áudio em lote
Envie textos de até 4096 caracteres por solicitação e receba o arquivo de áudio processado. Para textos mais longos, divida em partes, gere os áudios separadamente e junte os arquivos resultantes. O processamento é sequencial, garantindo ordem cronológica nos arquivos gerados para um mesmo texto dividido.
- Limite de 4096 caracteres por requisição
- Processamento sequencial garante a ordem dos arquivos
- Adequado para scripts de stream e narrativas longas
Vozes consistentes
Escolha entre 8 vozes pré-definidas, como Aria, Nova ou Felix, para manter a consistência da voz do seu avatar. Cada voz tem uma característica específica, permitindo a criação de personagens distintos com o mesmo motor de síntese.
- 8 vozes pré-definidas disponíveis
- Identidade vocal consistente para avatares
- Vozes baseadas em gravações licenciadas
Lançamento rápido
Integre a API de texto para fala no seu fluxo de trabalho com endpoints REST simples. Utilize o SDK compatível com OpenAI ou requisições HTTP diretas para gerar áudio rapidamente, sem necessidade de instalação de SDKs proprietários ou plugins.
- Endpoints REST simples e documentados
- Compatível com SDKs OpenAI
- Autenticação por API Key
Vozes e idiomas disponíveis
A API oferece oito vozes pré-definidas, categorizadas em masculinas e femininas, projetadas para consistência em streams e gravações. Cada voz possui uma característica específica, como narradora, informativa ou documental, permitindo a seleção precisa para diferentes tipos de conteúdo.
Todas as vozes suportam 23 idiomas, incluindo português, inglês, japonês e espanhol. O sistema detecta automaticamente o idioma pelo script (textos em latim padrão para inglês), mas o parâmetro 'language' pode ser definido explicitamente para garantir a pronúncia correta.
8 vozes pré-definidas
As vozes são baseadas em gravações licenciadas (LibriTTS-R) e incluem opções femininas como Aria e Luna, e masculinas como Felix e Atlas. Cada uma é otimizada para contextos específicos, desde narrações quentes até locuções neutras para notícias.
O usuário seleciona a voz desejada no campo 'voice' da requisição JSON. Não há personalização adicional ou clonagem de voz disponível para o cliente.
- Aria: narradora quente e clara
- Nova: vibrante e animada
- Luna: suave, ideal para storytelling
- Sage: calma e instrucional
- Felix: energética, para promoções
- Milo: amigável e conversacional
- Atlas: neutra, estilo noticiário
- Orion: profunda, para documentários
23 idiomas suportados
O sistema suporta 23 idiomas, permitindo que qualquer voz fale qualquer um deles. Idiomas não suportados incluem vietnamita, indonésio, tailandês e ucraniano.
Se o campo 'language' não for fornecido, o sistema tenta adivinhar o idioma pelo script. Para textos em latim não em inglês, defina o idioma explicitamente para evitar erros de pronúncia.
- Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish
Áudio sintético marcado
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso garante a transparência sobre a origem do áudio sem afetar a experiência do ouvinte.
Integração para desenvolvedores
O endpoint principal aceita requisições POST no formato JSON, compatível com o SDK oficial da OpenAI. Basta alterar o base_url para https://api.zbaj.info/v1 e utilizar sua chave de API. Isso permite integração rápida em projetos existentes sem necessidade de bibliotecas proprietárias.
SDK compatível com OpenAI
Utilize o SDK oficial da OpenAI em Python, Node.js ou Go. A única modificação necessária é apontar a URL base para https://api.zbaj.info/v1. O formato de payload é idêntico ao padrão da indústria, facilitando a migração de pipelines de áudio existentes.
- Compatível com SDKs oficiais da OpenAI
- Apenas ajuste o base_url
- Suporte para Python, Node.js e Go
Endpoints REST simples
Envie texto para POST /v1/audio/speech e receba o arquivo de áudio diretamente. Consulte vozes e formatos disponíveis em GET /v1/voices. A estrutura é minimalista, focada na entrega eficiente de áudio sintetizado para streams e gravações.
Autenticação por API Key
Inclua seu token no cabeçalho Authorization: Bearer tts-... . Uma chave é válida por conta e pode ser renovada a qualquer momento, invalidando a anterior instantaneamente. Gerencie seus acessos diretamente no painel da sua conta.
- Token Bearer simples
- Renovação instantânea de chaves
- Gestão centralizada no painel
Formatos de áudio
O formato de áudio selecionado define o equilíbrio entre tamanho de arquivo e qualidade de reprodução. A API permite escolher entre MP3, WAV, OPUS, FLAC ou PCM, dependendo da necessidade específica do seu pipeline de streaming ou gravação.
MP3 para streaming
O MP3 é a escolha padrão para transmissões ao vivo e plataformas que exigem compressão eficiente. Com um tamanho de arquivo menor, ele reduz o uso de banda, mantendo uma qualidade audível adequada para a maioria dos streams de VTuber.
WAV para alta fidelidade
O formato WAV oferece áudio sem perdas, ideal para gravações de alta qualidade ou edição posterior. Utilize este formato quando precisar da máxima fidelidade de som para arquivos finais ou quando a compressão não for um fator crítico no seu fluxo de trabalho.
OPUS e FLAC disponíveis
O OPUS fornece compressão eficiente para voz, enquanto o FLAC oferece qualidade sem perdas. Ambas as opções estão disponíveis para casos de uso específicos onde o equilíbrio entre tamanho e qualidade precisa ser ajustado manualmente.
Precisão e velocidade
A velocidade de geração varia conforme o comprimento do texto. Para textos longos, a taxa média é de aproximadamente 25 caracteres por segundo, equivalente ao tempo real. Frases curtas podem levar alguns segundos para serem processadas.
O processamento ocorre de forma sequencial, o que significa que, sob carga, uma solicitação pode aguardar na fila antes de ser executada. A consistência do tempo de resposta depende diretamente da fila de processamento ativa no momento da solicitação.
Geração em tempo real
O motor de síntese produz áudio em velocidade próxima à real para textos extensos, com uma média de 25 caracteres gerados por segundo. Essa taxa permite que o conteúdo seja consumido no mesmo ritmo em que é criado.
Processamento sequencial
As solicitações são processadas em ordem de chegada. Em períodos de alta demanda, as requisições podem aguardar na fila antes de iniciar a síntese. Isso garante a integridade do processamento, mas pode aumentar o tempo de resposta para solicitações individuais.
Limites de caracteres
Cada requisição aceita até 4.096 caracteres. Para textos superiores a esse limite, é necessário dividir o conteúdo em partes e unir os arquivos de áudio resultantes. Espaços e pontuação contam como caracteres no cálculo do limite.

Modelo de preços
O custo é baseado no volume de texto processado, cobrando $10 por milhão de caracteres. O espaço e a pontuação contam como caracteres. Solicitações falhas são totalmente isentas de cobrança.
Não há planos mensais, taxas de assento ou gastos mínimos. O saldo nunca expira e você paga apenas pelo que consumir.
Pagamento por uso
O preço é fixo em $0,01 por mil caracteres. Não há surpresas ou taxas ocultas por requisição.
Crédito de teste gratuito
Novos usuários podem obter $0,50 de crédito válido por 7 dias ao fazer login com Google. Isso equivale a cerca de 50.000 caracteres para testes imediatos.
Contas criadas com e-mail e senha começam sem esse crédito inicial.
Pagamento em USDT
Adições de saldo são feitas exclusivamente via USDT na rede TRON (TRC-20). O valor mínimo é de $5.
O crédito é aplicado automaticamente em minutos após a confirmação da transferência na blockchain.
Qualidade de áudio
As vozes são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0), originadas de leituras de audiolivros de domínio público do LibriVox. Isso garante uma base acústica consistente e juridicamente clara para o uso comercial em streams e gravações, sem variações aleatórias de qualidade entre as sessões de geração.
Vozes licenciadas
O motor utiliza amostras licenciadas que garantem a integridade da fonte de voz. Cada um dos oito presets (como Aria, Nova ou Felix) mantém características vocais estáveis, ideais para avatares de VTubers que necessitam de consistência auditiva em longas transmissões ao vivo.
- Base em LibriTTS-R (CC BY 4.0)
- Oito vozes pré-definidas e estáveis
- Uso comercial claro para criadores
Marca d'água invisível
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Essa marca é incorporada ao arquivo final sem afetar a qualidade perceptível do áudio, servindo como uma assinatura técnica de origem.
Sintético identificado
A presença da marca d'água permite que plataformas e ouvintes identifiquem o áudio como gerado por IA. Isso aumenta a transparência no uso de vozes digitais, especialmente relevante para criadores de conteúdo que desejam ser claros sobre o uso de tecnologia de texto-para-fala em suas produções.
Uso em VTubers
A API TTS fornece vozes pré-definidas consistentes, ideais para atribuir a avatares VTubers. Cada personagem pode ter uma voz fixa, garantindo identidade sonora em streams ao vivo e gravações.
O uso é direto: envia texto e recebe áudio. Não há necessidade de gravações manuais repetidas, otimizando o tempo de produção de conteúdo.
Vozes para avatares
Cada avatar pode ser associado a uma das 8 vozes disponíveis, como Aria ou Felix. Isso cria uma identidade vocal única e reconhecível para cada personagem.
- Vozes fixas por personagem
- Suporte a 23 idiomas
- Geração rápida via API
Conteúdo consistente
A consistência da voz é mantida em todas as gerações. O mesmo voice ID produz o mesmo timbre, essencial para a imersão do público.
Licenciamento claro
As vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox). O áudio gerado é pronto para uso comercial em streams e vídeos, sem ambiguidades.
- Base em licenciamento claro
- Uso em streams e vídeos
Suporte e documentação
A documentação técnica está disponível na página /docs/ e detalha a estrutura de requisições JSON, parâmetros de velocidade e formatos de saída. Cada endpoint é descrito com precisão para garantir a integração correta em pipelines de automação.
O suporte é exclusivo por e-mail. Não há número de telefone nem chat ao vivo. Para questões técnicas ou sobre faturamento, envie sua solicitação para o endereço de contato oficial da VozCanta.
Documentação técnica
Acesse /docs/ para consultar a referência completa da API. Todos os campos, como model, voice e speed, são descritos com os limites válidos (0.25–4.0 para velocidade, 4096 caracteres por requisição).
Os endpoints REST incluem POST /v1/audio/speech para geração e GET /v1/voices para listagem. A estrutura segue o padrão OpenAI, facilitando a migração de projetos existentes que utilizam o SDK da OpenAI.
- Referência completa de parâmetros JSON
- Exemplos de status codes e erros
Suporte por e-mail
Todas as dúvidas são tratadas via e-mail. Não oferecemos atendimento telefônico ou chat ao vivo para manter a eficiência operacional.
Para problemas com chave de API, faturamento em USDT ou falhas na síntese, utilize o formulário de contato disponível em /contact/.
- Suporte exclusivo por e-mail
- Sem chat ao vivo ou telefone
Exemplos de código
A página /get-api-key/ fornece exemplos prontos em cURL. Utilize a biblioteca oficial da OpenAI alterando apenas o base_url para https://api.zbaj.info/v1.
Os exemplos demonstram autenticação com Bearer token, envio de texto e recepção do arquivo de áudio no formato selecionado.
- Exemplos prontos em cURL
- Compatibilidade com SDKs OpenAI
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Isso garante que a base de áudio utilizada para a síntese possua licenças claras e verificáveis para uso comercial.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
