Integração de Vozes TTS para Streamers e Criadores de Conteúdo

Por Equipe editorial VozCanta · Atualizado 2026-11-19

Este guia detalha a integração da API de texto para fala (TTS) da VozCanta, especificamente desenhada para streamers e criadores de conteúdo que exigem áudio em escala. Você encontrará especificações técnicas precisas sobre nossas 8 vozes baseadas em gravações licenciadas, formatos de saída e métodos de integração via SDK OpenAI (alterando o base_url) ou requisições HTTP diretas.

Aqui você aprenderá a selecionar a voz adequada para cada contexto de stream, desde narrações claras até tons conversacionais, garantindo consistência na sua marca pessoal. O texto foca em dados reais de uso, como limites de caracteres, ajuste de velocidade e custos por milhão de caracteres, sem promessas genéricas ou funcionalidades inexistentes.

Integração de Vozes TTS para Streamers e Criadores de Conteúdo

Perguntas frequentes

Qual a melhor voz para VTubers?

A escolha depende do seu personagem. Aria e Luna são ideais para narrativas suaves, enquanto Felix oferece energia para promoções. Milo e Atlas garantem conversas naturais ou notícias neutras. Orion é perfeito para documentários. Todas as 8 vozes suportam 23 idiomas, permitindo consistência em qualquer idioma que seu público assista.

Qual a diferença entre Aria e Luna?

Aria é descrita como uma narradora clara e quente, ideal para leitura direta. Luna é mais suave e voltada para storytelling. Ambas são vozes femininas licenciadas. A escolha depende se você prioriza clareza informativa (Aria) ou uma atmosfera mais imersiva e suave (Luna) para suas gravações.

O que é voz narradora?

Refere-se a vozes projetadas para leitura fluida, como Aria ou Sage. Elas são otimizadas para clareza e tom consistente, essenciais para streams longos ou vídeos. Não há tags de emoção. Use Sage para instruções ou Aria para narrativas gerais com tom profissional.

Qual voz usar para notícias?

Atlas é a opção neutra e adequada para notícias. Sua entonação é equilibrada e profissional. Milo também pode ser usado para um tom mais conversacional. Ambas são vozes masculinas disponíveis no API. O formato de áudio deve ser escolhido com base na qualidade necessária, como mp3 ou wav.

As vozes falam vários idiomas?

Sim, cada uma das 8 vozes pode falar qualquer um dos 23 idiomas suportados, incluindo inglês, japonês, português e alemão. Você pode especificar o idioma pelo código ISO ou deixar o sistema detectar automaticamente. Isso permite reutilizar a mesma voz para conteúdo multilíngue sem perder consistência.

Posso ajustar a velocidade?

Sim, o parâmetro speed aceita valores entre 0.25 e 4.0. Isso permite acelerar ou desacelerar a fala para ajustar ao ritmo da sua stream. A velocidade afeta diretamente a duração do áudio gerado. Lembre-se que textos longos são processados sequencialmente, então velocidades extremas podem impactar o tempo de espera.

Qual formato de áudio escolher?

Você pode escolher entre mp3, wav, opus, flac e pcm. MP3 é eficiente para streaming e web. WAV e FLAC oferecem alta qualidade sem perda. PCM é áudio bruto. A escolha depende da sua necessidade de qualidade versus tamanho de arquivo. Todos os formatos são gerados via API REST.

O que é tts-1-hd?

É o modelo de alta definição, usando o mesmo motor do tts-1. A diferença está na resolução do arquivo de saída. O preço é idêntico para ambos: $10 por 1 milhão de caracteres. Use tts-1-hd quando a fidelidade do áudio for crítica para sua produção de conteúdo.

As vozes são clonadas?

Não. Oferecemos 8 presets fixos baseados em gravações licenciadas. Não há clonagem de voz personalizada nem upload de áudio próprio. As vozes são predefinidas e consistentes. Se você precisa de uma voz específica que não esteja na lista, deve escolher a preset mais próxima disponível na API.

Há clonagem de voz?

Não oferecemos clonagem de voz personalizada. As vozes são fixas e baseadas em gravações de domínio público ou licenciadas. Não é possível treinar um modelo com sua voz ou a de outra pessoa. A consistência vem do uso das mesmas 8 vozes padrão em todas as suas requisições.

As vozes são licenciadas?

Sim, as vozes são baseadas em gravações licenciadas. Especificamente, utilizam dados do LibriTTS-R (CC BY 4.0) e leituras de audiolivros de domínio público do LibriVox. Isso garante que a origem das vozes é clara e legal. Cada arquivo gerado também contém uma marca d'água inaudível indicando ser síntese.

Qual a fonte das vozes?

As vozes derivam do dataset LibriTTS-R, licenciado sob CC BY 4.0, e de gravações de audiolivros de domínio público do LibriVox. Essas fontes garantem a qualidade e a legalidade das vozes oferecidas. Não usamos gravações de celebridades ou atores profissionais contratados especificamente para este produto de API.

Posso usar voz masculina para feminino?

Sim, você pode usar qualquer uma das 8 vozes para qualquer idioma. Não há restrição de gênero entre voz e idioma. Por exemplo, você pode usar a voz masculina Felix para narrar em português feminino. A escolha é baseada no tom desejado, não no gênero biológico do locutor.

Qual idioma é o padrão?

Se o parâmetro language não for definido, o sistema tenta adivinhar o idioma com base no script. Para texto em latim, o padrão é inglês. Para outros idiomas, é recomendável definir explicitamente o código ISO para garantir a pronúncia correta e evitar erros de síntese automática.

O que é detecção de idioma?

É o processo automático que o sistema usa quando você não especifica o language. Ele analisa o script do texto. Texto em latim assume inglês por padrão. Para textos em outros idiomas latinos ou não latinos, a detecção pode falhar. Defina o idioma explicitamente para precisão.

Há limite de velocidade?

O limite técnico de velocidade de fala é de 0.25 a 4.0 vezes a velocidade normal. Além disso, há um limite de taxa de 60 requisições por minuto por chave. Textos longos são divididos em partes de 4096 caracteres. O processamento é sequencial, podendo haver filas sob carga.

O áudio é marcado?

Sim, cada arquivo de áudio gerado contém uma marca d'água inaudível. Essa marca identifica o arquivo como fala sintética gerada pela nossa API. Isso é útil para transparência e conformidade, especialmente em streams e vídeos onde é necessário indicar que a voz não é humana gravada.

Como escolher entre modelos?

Escolha entre tts-1 e tts-1-hd. Ambos usam o mesmo motor e têm o mesmo preço ($10/1M caracteres). O tts-1-hd oferece qualidade de áudio superior. Para a maioria dos casos, o tts-1 é suficiente. Use tts-1-hd apenas se a fidelidade de áudio for crítica para seu projeto.

Vozes femininas

Ilustração de onda sonora para: Vozes femininas

O catálogo de vozes femininas do VozCanta oferece três presets distintos para atender diferentes necessidades de conteúdo streamer. Aria, Nova e Luna garantem consistência auditiva, utilizando gravações licenciadas para manter a qualidade técnica sem depender de clonagem de voz personalizada.

Aria

Aria é descrita como uma voz quente e clara, ideal para narrações diretas. Sua frequência vocal é adequada para leitura de textos longos, mantendo a atenção do público em streams de longa duração. A clareza da articulação facilita a compreensão em ambientes de ruído de fundo comum em setups de streaming.

  • Atributos: quente e clara
  • Ideal para: narrações diretas e leitura de textos

Nova

Nova apresenta um tom brilhante e animado, apropriado para transições rápidas e chamadas de atenção em jogos competitivos. Sua energia auditiva se destaca em momentos de alta atividade, sem exigir ajustes manuais de entonação. É uma escolha funcional para manter o dinamismo da transmissão.

  • Atributos: brilhante e animada
  • Ideal para: transições e chamadas de atenção

Luna

Luna oferece uma voz suave, adequada para storytelling e narrativas mais calmas. A textura vocal é projetada para reduzir a fadiga auditiva do ouvinte durante sessões prolongadas. Sua aplicação é recomendada para conteúdos que exigem menor intensidade sonora.

  • Atributos: suave
  • Ideal para: storytelling e narrativas calmas

Vozes masculinas

Ilustração de onda sonora para: Vozes masculinas

As vozes masculinas oferecem três perfis distintos para diferentes contextos de transmissão. Felix é ideal para promoções, enquanto Milo garante uma abordagem conversacional. Atlas mantém a neutralidade necessária para notícias ou leituras objetivas.

Cada voz possui características acústicas específicas derivadas de gravações licenciadas, garantindo consistência técnica em streams ao vivo e gravações editadas.

Felix energético

Felix apresenta um tom enérgico e vibrante, adequado para anúncios promocionais ou introduções de alta energia. Sua frequência e articulação são projetadas para captar a atenção imediatamente durante transmissões ao vivo.

Milo amigável

Milo oferece uma voz amigável e conversacional, ideal para interações diretas com a audiência ou narração de histórias cotidianas. Sua entrega soa natural e próxima, facilitando a conexão com espectadores.

Atlas neutro

Atlas é uma voz neutra e profissional, focada na clareza da informação. É a escolha padrão para leitura de notícias, atualizações de jogos ou qualquer conteúdo que exija imparcialidade tonal.

Vozes institucionais

Ilustração de onda sonora para: Vozes institucionais

As vozes institucionais oferecem estrutura e autoridade para transmissões que exigem seriedade ou imersão profunda. Sage é descrita como calma e instrucional, e Orion como profunda e documental, garantindo que a mensagem seja entregue com precisão técnica e profissionalismo consistente.

Ideal para streams educacionais, documentários ao vivo ou narrações de jogos narrativos, essas vozes mantêm a consistência da marca sem distrações emocionais excessivas.

Sage instrucional

Sage é a escolha padrão para conteúdo didático e tutoriais. Com um tom calmo e didático, ela explica mecânicas de jogos ou regras de forma clara, sem fatigar o ouvinte em sessões longas de stream.

Sua voz neutra mas acolhedora funciona bem para narrar atualizações de servidor ou explicar regras de comunidades, mantendo o foco no conteúdo técnico.

  • Tom calmo e instrucional
  • Ideal para tutoriais e manuais
  • Clareza em explicações longas

Orion documentário

Orion traz uma voz profunda, típica de documentários e narrativas imersivas. Sua graveza e ritmo pausado criam uma atmosfera cinematográfica, perfeita para streams de RPG narrativo ou análises históricas.

Diferente de vozes mais animadas, Orion mantém um tom consistente e sério, ideal para manter a imersão em mundos fictícios ou narrativas dramáticas sem interrupções emocionais desnecessárias.

  • Voz profunda e narrativa
  • Atmosfera imersiva e séria
  • Ideal para RPG e documentários

Estilo de voz

Ilustração de onda sonora para: Estilo de voz

A API permite ajustar o tom e a velocidade para adequar o estilo narrativo às necessidades do streamer ou criador de conteúdo.

Cada voz possui características únicas que definem sua aplicação ideal, desde narrações diretas até diálogos mais naturais.

Narração clara

Vozes como Aria e Luna são otimizadas para clareza e dicisão, ideais para narrativas longas ou explicativas.

A velocidade ajustável entre 0.25x e 4.0x permite controlar o ritmo da entrega sem perder a compreensão.

  • Foco na inteligibilidade do texto.
  • Controle preciso de velocidade.

Tom conversacional

Vozes como Milo e Nova entregam um tom mais próximo do dialeto natural, adequado para interações diretas com a audiência.

São ideais para streams ao vivo onde a conversa flui de maneira menos formal e mais dinâmica.

  • Aproximação com o ouvinte.
  • Ideal para interação em tempo real.

Voz de notícia

Atlas oferece um tom neutro e profissional, similar a apresentadores de informação factual.

Orion traz profundidade para documentários ou resumos de eventos, mantendo a seriedade do conteúdo.

  • Tom neutro e profissional.
  • Adequado para formatos informativos.

Uso em VTubers

Ilustração de onda sonora para: Uso em VTubers

A API TTS oferece vozes consistentes para VTubers que necessitam de áudio em escala durante transmissões ao vivo. Cada modelo possui características vocais distintas, permitindo que criadores selecionem a voz que melhor se adapta à sua persona digital.

O uso de vozes licenciadas garante qualidade técnica e jurídica para gravações e streams. A consistência na voz ajuda a manter a identidade do personagem, mesmo quando o criador não está vocalizando em tempo real.

Personalidade da voz

Cada voz possui um timbre único que define a personalidade do avatar. Por exemplo, Aria oferece uma narração clara e quente, ideal para conteúdos explicativos, enquanto Felix traz energia para promoções rápidas.

Essas características permitem que o VTuber mantenha a coerência entre a imagem e o áudio, mesmo em longas sessões de streaming.

Consistência visual

A uniformidade na voz reforça a identidade visual do criador. Ao usar a mesma voz em diferentes vídeos e lives, o público associa imediatamente o som à persona do VTuber.

Isso é crucial para criadores que utilizam múltiplos formatos de conteúdo, desde streams ao vivo até gravações editadas.

Marca pessoal

A voz torna-se um elemento distintivo da marca pessoal do criador. Diferente de vozes genéricas, as opções disponíveis permitem nuances que refletem a estética do avatar.

Essa consistência auditiva fortalece o reconhecimento da marca e a fidelização do público.

Idiomas disponíveis

Ilustração de onda sonora para: Idiomas disponíveis

O serviço oferece suporte para 23 idiomas, incluindo inglês, japonês, alemão, francês e português. Cada voz pode reproduzir qualquer um desses idiomas, permitindo que streamers e VTubers atendam audiências globais sem necessidade de múltiplas vozes nativas. A lista inclui línguas variadas, desde árabe e hebraico até turco e suaíli, cobrindo a maioria dos mercados principais.

Todos os idiomas listados compartilham o mesmo conjunto de oito vozes pré-configuradas. Não há vozes exclusivas para línguas específicas; a consistência do timbre é mantida independentemente do idioma selecionado, o que é crucial para a identidade visual de um VTuber que opera em múltiplos mercados simultaneamente.

23 idiomas

A API suporta exatamente 23 idiomas: árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, suaíli, sueco e turco. Línguas como vietnamita, indonésio, tailandês, ucraniano, romeno, checo e bengali não são suportadas.

Cada idioma é tratado com a mesma precisão de síntese, garantindo que a pronúncia seja consistente com as expectativas do público-alvo, sem variações de qualidade entre as línguas disponíveis.

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

Vozes multilíngues

As oito vozes (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) são capazes de reproduzir qualquer um dos 23 idiomas suportados. Isso permite que um único VTuber mantenha uma identidade vocal consistente, mudando apenas o idioma sem alterar o timbre da voz.

A mesma voz pode alternar entre português e inglês na mesma transmissão, mantendo a coerência da marca pessoal sem que o ouvinte perceba uma mudança de locutor.

Detecção automática

Se o campo language não for especificado na requisição, o sistema tenta inferir o idioma com base no script do texto. Texto em latim assume inglês como padrão. Para textos em outros idiomas com alfabeto latino, é recomendável definir o parâmetro language explicitamente para evitar erros de pronúncia.

Essa detecção facilita a integração rápida, mas para produções profissionais, a especificação explícita garante a precisão desejada, especialmente em misturas de idiomas.

Formatos de áudio

Ilustração de onda sonora para: Formatos de áudio

O formato de áudio selecionado define o equilíbrio entre fidelidade, peso do arquivo e compatibilidade com suas ferramentas de produção. A API permite escolher entre MP3, WAV, OPUS, FLAC e PCM diretamente na requisição, garantindo que o resultado final atenda aos requisitos técnicos do seu pipeline de streaming ou gravação.

Cada formato oferece vantagens específicas para diferentes etapas do fluxo de trabalho de um streamer ou VTuber. A escolha correta impacta tanto a qualidade perceptível quanto a eficiência no uso da banda e no armazenamento dos arquivos gerados.

Qualidade MP3

O formato MP3 é a opção padrão para distribuição geral e visualizações online. Ele oferece uma boa relação entre qualidade de áudio e tamanho de arquivo, sendo amplamente suportado por todos os players de streaming e plataformas de vídeo.

Utilize o MP3 quando o áudio final será consumido diretamente pelo público, sem necessidade de edições complexas em post-produção. O formato comprimido facilita o carregamento rápido e reduz o consumo de dados durante a transmissão ao vivo.

WAV para edição

O formato WAV é ideal para etapas de pós-produção, pois preserva todos os dados de áudio sem compressão lossy. Isso garante máxima fidelidade sonora, permitindo ajustes de volume, equalização e efeitos sem degradação acumulada.

Recomendamos o WAV quando você precisa integrar a voz gerada em uma sequência de áudio mais longa ou aplicar processamento adicional no seu software de edição. O arquivo resultante é maior, mas mantém a integridade original da síntese.

OPUS para web

O formato OPUS oferece compressão eficiente com alta qualidade perceptual, sendo adequado para aplicações web. Ele permite manter uma taxa de bits baixa sem comprometer significativamente a inteligibilidade da fala.

Utilize o OPUS para otimizar o uso de banda em streams ao vivo ou para integrar a voz em interfaces web responsivas. O formato é amplamente compatível com navegadores modernos e oferece latência reduzida, facilitando a sincronização com vídeo.

Formatos de áudio

Licenciamento

Ilustração de onda sonora para: Licenciamento

As vozes da API são baseadas em gravações licenciadas do LibriTTS-R (CC BY 4.0) e de audiobooks de domínio público do LibriVox. Isso garante que a base de áudio utilizada para a síntese possua licenças claras e verificáveis para uso comercial.

Vozes licenciadas

Cada voz pré-definida deriva de fontes auditivas licenciadas, assegurando conformidade legal desde a geração do áudio. O licenciamento cobre o uso da voz sintética resultante, não exigindo verificação adicional por parte do streamer.

  • Baseado no dataset LibriTTS-R com licença CC BY 4.0
  • Fontes adicionais de audiobooks de domínio público do LibriVox
  • Licença clara para uso comercial em streams e gravações

Fontes de áudio

As amostras originais utilizadas no treinamento e na síntese são provenientes de leitores voluntários do LibriVox. Essas gravações são publicamente acessíveis e possuem licenças que permitem a derivação e o uso em projetos comerciais.

Direitos de uso

O áudio gerado pela API está livre de restrições de direitos autorais adicionais sobre a voz em si. Você pode usar os arquivos MP3, WAV ou OPUS em seus streams ao vivo, VODs, vídeos de YouTube ou podcasts sem pagar royalties adicionais por voz.

Velocidade e tom

Ilustração de onda sonora para: Velocidade e tom

O parâmetro speed permite ajustar a velocidade da síntese entre 0.25 e 4.0, oferecendo controle preciso sobre o ritmo da fala sem alterar o tom ou a entonação da voz selecionada. Isso é essencial para sincronizar áudio com eventos em streams ao vivo ou para ajustar o tempo de narração em gravações pré-produzidas.

Ajuste de velocidade

Você pode modificar a velocidade de geração ajustando o valor numérico no corpo da requisição JSON. Valores abaixo de 1.0 tornam a fala mais lenta, ideal para narrações didáticas ou comentários pausados. Valores acima de 1.0 aceleram a entrega, útil para transições rápidas ou leitura de textos longos em tempo limitado.

Intervalo de 0.25 a 4.0

O intervalo suportado varia de 0.25 (lento) a 4.0 (rápido). Cada voz mantém sua identidade fonética independentemente da velocidade aplicada. O limite inferior permite clareza extrema em conteúdos educacionais, enquanto o superior otimiza a eficiência para leituras de notícias ou atualizações frequentes durante streams.

Controle de ritmo

O controle de ritmo é técnico e não semântico. A API não interpreta pausas emocionais; ela apenas dilata ou contrai a duração fonética. Para VTubers, isso garante consistência temporal entre a animação e o áudio, permitindo que você ajuste a entrega para corresponder exatamente à duração da animação do avatar.

Comparação de modelos

Ilustração de onda sonora para: Comparação de modelos

O endpoint de áudio aceita dois valores para o campo model: "tts-1" e "tts-1-hd". Ambos utilizam o mesmo motor de síntese subjacente, garantindo consistência na qualidade vocal entre as opções selecionadas. A distinção reside exclusivamente na resolução do arquivo de saída gerado pelo sistema.

tts-1 padrão

A geração padrão processa o texto e retorna o áudio com qualidade otimizada para transmissão ao vivo e consumo rápido. Este modo é suficiente para a maioria dos fluxos de trabalho de streamers, onde a latência e a largura de banda são prioridades imediatas.

tts-1 hd qualidade

O modo "high definition" produz arquivos com maior fidelidade sonora. É recomendado para gravações que serão editadas posteriormente ou para VTubers que exigem a máxima clareza possível em seus conteúdos estáticos. A diferença é perceptível em headphones de alta qualidade.

Mesmo preço

Não existe custo adicional para utilizar o modelo de alta definição. O preço é calculado por caractere (1 milhão de caracteres por $10), independentemente da escolha entre "tts-1" ou "tts-1-hd". Você pode alternar entre os modelos sem impacto na fatura.

Integração prática

Ilustração de onda sonora para: Integração prática

Para streamers e criadores de conteúdo, a integração com a API VozCanta é direta e não requer infraestrutura complexa. O endpoint principal aceita requisições JSON padrão, permitindo que você envie texto e receba o arquivo de áudio sintetizado em segundos, sem necessidade de servidores dedicados ou middleware personalizado.

Fácil implementação

O endpoint POST https://api.zbaj.info/v1/audio/speech segue o formato conhecido do mercado. Você envia o texto (máximo 4096 caracteres), seleciona a voz e o idioma, e recebe o áudio pronto para transmissão ou edição. Sob carga, as requisições podem aguardar em uma fila.

  • Endpoint RESTful padrão JSON
  • Aceita model, input, voice e response_format
  • Autenticação via header Authorization: Bearer

SDK OpenAI

Como a estrutura de requisição é idêntica à da OpenAI, você pode utilizar o SDK oficial deles com apenas uma alteração. Basta definir o base_url como https://api.zbaj.info/v1 e inserir sua chave de API VozCanta. Isso permite reutilizar código existente em projetos Python ou JavaScript sem reescrever a lógica de chamada.

  • Compatível com SDKs oficiais da OpenAI
  • Apenas altere o base_url
  • Suporte para Python e Node.js

Curl simples

Para testes rápidos ou automações simples, uma chamada cURL é suficiente. A estrutura é mínima e permite verificar a integridade da resposta em segundos. Isso é ideal para validar a escolha da voz ou a configuração de velocidade antes de integrar ao fluxo principal de streaming ou gravação.

  • Comando direto para terminal
  • Ideal para validação imediata
  • Sem dependências de biblioteca

Considerações finais

Ilustração de onda sonora para: Considerações finais

O fluxo de trabalho de síntese de voz para streamers exige consistência técnica e escolha precisa de timbre. Cada voz possui um tom específico, desde a neutralidade de Atlas até a energia de Felix, permitindo que criadores mantenham a identidade de marca em transmissões ao vivo ou gravações editadas.

O custo de $0,01 por mil caracteres e a ausência de planos mensais facilitam o orçamento para freelancers. A integração via SDK OpenAI ou HTTP direto garante que a API funcione em qualquer pipeline de automação sem dependências de plataforma exclusiva.

Escolha baseada em tom

A seleção da voz deve alinhar-se ao estilo de conteúdo. Para narrações claras e neutras, Atlas ou Sage são adequados. Para interações mais dinâmicas, utilize Nova ou Felix. A consistência de tom reforça o reconhecimento da marca pessoal do streamer.

Teste de amostra

Utilize o crédito gratuito de $0,50 (aproximadamente 50.000 caracteres) para validar a qualidade de áudio antes de escalar o uso. Teste diferentes velocidades, entre 0.25 e 4.0, para ajustar o ritmo às necessidades da transmissão ao vivo.

Documentação completa

Todas as especificações técnicas, incluindo formatos de saída e limites de caracteres, estão disponíveis na documentação oficial. A estrutura de requisição segue o padrão OpenAI, simplificando a implementação para desenvolvedores e criadores com conhecimento básico de API.

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.

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. Node.js documentation
  4. openai-node on GitHub
  5. ISO 639 language codes
  6. TRON developer hub: TRC-20
  7. curl documentation
  8. Tether (USDT)
  9. Creative Commons Attribution 4.0
  10. W3C WAI: making audio and video accessible
  11. IETF RFC 7845: Ogg Opus
  12. OpenAI API reference: create speech

Mais neste site