API de Texto para Voz para Publicadores de Conteúdo

Por Equ editorial VozBlog · Atualizado 2026-11-18

Esta página apresenta a API de texto para voz da VozBlog, projetada especificamente para publishers e editores de blogs. Aqui você encontra detalhes técnicos sobre como converter artigos em áudio, as configurações de integração via endpoint compatível com OpenAI, e a estrutura de preciação transparente por caractere.

O conteúdo é direcionado a desenvolvedores e gerentes de conteúdo que buscam agregar valor ao texto escrito sem complexidade. Explore a documentação técnica, os formatos de áudio suportados e os exemplos de código para implementar narração automatizada em seu site WordPress ou plataforma de blogging.

API de Texto para Voz para Publicadores de Conteúdo

Perguntas frequentes

O que é converter texto em voz?

É uma API de nuvem que recebe texto e retorna um arquivo de áudio. Você envia uma requisição POST para o endpoint /v1/audio/speech com o texto e as configurações desejadas. O serviço processa a solicitação e entrega o áudio sintetizado pronto para ser incorporado em seus artigos ou posts.

Como funciona a API de TTS para blogs?

Envie texto via JSON para o endpoint POST /v1/audio/speech. A API retorna o arquivo de áudio diretamente na resposta. Você pode integrar isso ao seu workflow de publishing para gerar narração automática de artigos. O processo é simples: texto entra, áudio sai, sem necessidade de infraestrutura complexa.

Quais idiomas são suportados?

Suportamos 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. Qualquer voz pode falar qualquer um desses idiomas. Idiomas como Vietnamita, Tailandês e Indonésio não são suportados.

O áudio gerado tem marca d'água?

Sim. Todo arquivo de áudio gerado pela API contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso é aplicado automaticamente em todas as gerações para indicar a natureza artificial do áudio produzido pela nossa infraestrutura.

Quantos caracteres posso enviar por vez?

Cada requisição aceita até 4096 caracteres. Se o seu texto for maior, você deve dividi-lo em partes de no máximo 4096 caracteres e, em seguida, juntar os arquivos de áudio resultantes. Espaços e pontuação contam como caracteres nessa contagem.

Qual o limite de requisições por minuto?

O limite é de 60 requisições por minuto por chave de API. Antes do primeiro recarga, o limite é de 10 requisições por minuto. Se houver carga, as requisições podem aguardar em uma fila, processadas sequencialmente.

Posso usar o SDK oficial do OpenAI?

Sim. A API segue o mesmo formato de requisição do endpoint de fala da OpenAI. Você pode usar os SDKs oficiais da OpenAI alterando o base_url para https://api.getpk7.com/v1 e utilizando sua chave de API da VozBlog.

O texto enviado é usado para treinar modelos?

Não. O texto de entrada é utilizado apenas para produzir o áudio correspondente e não é usado para treinar nossos modelos. O áudio gerado é retornado na resposta e não é armazenado, mantendo a privacidade do seu conteúdo.

Quais formatos de áudio estão disponíveis?

Você pode escolher entre mp3, wav, opus, flac e pcm. Esses formatos são especificados no campo response_format da requisição JSON. A escolha depende da necessidade de qualidade, tamanho de arquivo ou compatibilidade com o player de áudio do seu blog.

Como funciona o pagamento via criptomoeda?

Aceitamos apenas USDT na rede TRON (TRC-20). O valor mínimo para recarga é de US$ 5. O saldo é creditado automaticamente dentro de minutos após a transferência confirmada. Não há cartões, PayPal ou assinaturas. O saldo não expira.

Existe suporte por telefone?

Não. O suporte é feito exclusivamente por e-mail. Não oferecemos número de telefone, chat ao vivo ou suporte telefônico. Para dúvidas sobre a API ou conta, envie um e-mail para o endereço de suporte indicado no site.

Qual a velocidade média de geração?

A velocidade é aproximadamente de tempo real, gerando cerca de 25 caracteres de texto por segundo de áudio. Frases curtas podem levar alguns segundos. Devido ao processamento sequencial, requisições podem aguardar na fila sob carga, afetando o tempo total.

Posso clonar minha própria voz?

Não. A API oferece 8 vozes predefinidas (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Não oferecemos clonagem de voz personalizada, nem upload de gravações próprias para criar novas vozes. As vozes são baseadas em gravações licenciadas do LibriVox.

A API oferece garantia de uptime?

Não. Não oferecemos SLA (Acordo de Nível de Serviço), garantia de uptime, contrato empresarial ou certificações como SOC 2 ou HIPAA. A API é fornecida sem garantias de disponibilidade contínua, e o processamento é feito sequencialmente.

Primeira solicitação

curl

curl https://api.getpk7.com/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Como funciona a conversão de texto para áudio

Ilustração de onda sonora para: Como funciona a conversão de texto para áudio

Transforme artigos escritos em áudio com uma única chamada HTTP. A API VozBlog aceita texto via endpoint POST e retorna o arquivo sonoro pronto para publicação, integrando-se ao fluxo técnico dos seus blogs sem complexidade.

O processo é direto: envie o texto, receba o áudio. Para conteúdos extensos, o sistema divide o texto em partes de até 4.096 caracteres, gera cada segmento e os une automaticamente, garantindo uma narração contínua e fluida.

Envio de texto via POST

Envio de texto via POST

Utilize o método POST em https://api.getpk7.com/v1/audio/speech com o corpo em JSON. Especifique o modelo (tts-1 ou tts-1-hd), o texto de entrada (máximo 4.096 caracteres), a voz desejada e o idioma. A autenticação ocorre via header Bearer com sua chave de API.

  • Endpoint: POST https://api.getpk7.com/v1/audio/speech
  • Formato: JSON com campo input para o texto
  • Autenticação: Authorization: Bearer <sua-chave>

Recebimento do arquivo de áudio

O retorno da API é o arquivo de áudio binário no formato solicitado (mp3, wav, opus, flac ou pcm). Não há armazenamento persistente do áudio gerado; ele é entregue diretamente na resposta para que você possa hospedar ou reproduzir imediatamente.

Processamento em lote para artigos longos

Artigos de blog excedendo 4.096 caracteres são segmentados automaticamente. Cada parte é processada sequencialmente e os arquivos resultantes são concatenados antes do retorno. Isso permite narrar posts longos sem cortes abruptos ou perda de contexto na narração.

Vozes disponíveis para seus posts

Ilustração de onda sonora para: Vozes disponíveis para seus posts

Oferecemos oito vozes baseadas em gravações licenciadas (LibriTTS-R e LibriVox), projetadas para narrar artigos e posts de blog com clareza e naturalidade. Cada voz possui um timbre distinto, adequado para diferentes estilos de conteúdo, desde narrativas até notícias.

Todas as vozes podem ser configuradas com velocidade entre 0.25x e 4.0x, permitindo ajustar a velocidade de narração conforme o estilo editorial do seu site.

Vozes femininas: Aria, Nova, Luna, Sage

Aria oferece um tom quente e claro, ideal para narrativas de blogs. Nova traz energia e leveza, perfeita para posts sobre lifestyle ou tecnologia. Luna é suave e indicada para histórias longas. Sage é calma e instrucional, adequada para tutoriais ou guias técnicos.

Essas vozes garantem uma escuta agradável e profissional, mantendo a atenção do leitor em conteúdos escritos.

  • Aria: narradora quente e clara
  • Nova: tom bright e otimista
  • Luna: suave e narrativa
  • Sage: calma e instrucional

Vozes masculinas: Felix, Milo, Atlas, Orion

Felix é energético e direcionado para promoções ou lançamentos. Milo mantém uma conversa amigável, ideal para newsletters ou atualizações. Atlas traz neutralidade, sendo a escolha padrão para notícias e conteúdo jornalístico. Orion é profundo, apropriado para documentários ou análises mais densas.

Cada voz masculina foi escolhida para se adequar ao tom editorial específico de cada publisher, garantindo consistência sonora.

  • Felix: energético e promocional
  • Milo: conversacional e amigável
  • Atlas: neutro e jornalístico
  • Orion: profundo e documental

Tom de voz adequado para diferentes gêneros

A escolha da voz deve considerar o gênero do artigo. Conteúdos informativos se beneficiam de Atlas ou Sage, enquanto histórias pessoais podem usar Luna ou Aria. O tom vocal afeta diretamente a retenção do leitor e a percepção de qualidade do conteúdo.

Você pode alternar entre vozes em diferentes posts para diversificar a experiência de áudio, mantendo a identidade da sua marca.

Idiomas suportados para seu público

Ilustração de onda sonora para: Idiomas suportados para seu público

Oferecemos suporte nativo para 23 idiomas, permitindo que você atinja leitores globais sem necessidade de serviços externos. A API aceita texto em árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, sueco e turco.

Suporte a 23 idiomas

Nossa API permite narração em múltiplos idiomas, garantindo que seu conteúdo chegue a públicos diversos. Você pode gerar áudio em qualquer uma das línguas listadas, independentemente do idioma da voz selecionada.

  • Árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, sueco e turco.

Detecção automática do idioma

Se o campo language não for especificado, o sistema tenta inferir o idioma baseado na script do texto. Para textos em latim, o padrão é inglês. Essa configuração automática simplifica a integração inicial.

Definição explícita de idioma para precisão

Para textos em latim que não são em inglês, é recomendável definir o parâmetro language explicitamente. Isso garante a pronúncia correta e evita erros de interpretação pela engine de síntese.

Formatos de áudio para blogs

Ilustração de onda sonora para: Formatos de áudio para blogs

A API TTS da VozBlog permite escolher entre quatro formatos de áudio, garantindo que o arquivo final atenda às necessidades técnicas do seu blog e à experiência do seu leitor.

MP3 para compatibilidade geral

O formato MP3 é a escolha padrão para a maioria dos blogs. Ele oferece uma excelente relação entre tamanho de arquivo e qualidade, garantindo que o player de áudio funcione em todos os navegadores e dispositivos móveis sem necessidade de codecs adicionais.

WAV para alta fidelidade

Utilize WAV quando a fidelidade sonora for prioritária. Como é um formato não comprimido, preserva toda a informação de áudio gerada, ideal para arquivos de áudio curtos ou quando você planeja editar o conteúdo antes de publicá-lo.

Opus e FLAC para eficiência

Opus e FLAC atendem a públicos com demandas específicas. FLAC oferece compressão sem perda de qualidade, reduzindo o uso de banda sem sacrificar fidelidade. Opus é um formato eficiente para arquivos pequenos com boa qualidade sonora.

Integração com seu site

Ilustração de onda sonora para: Integração com seu site

A integração é direta: utilize o endpoint padrão da API ou ajuste a URL base nos SDKs oficiais da OpenAI para enviar requisições JSON. A estrutura de corpo da requisição segue o formato conhecido, facilitando a migração de bibliotecas existentes.

Endpoint compatível com SDK OpenAI

Envie textos para POST /v1/audio/speech. O corpo da requisição aceita campos como model, input, voice e response_format. A compatibilidade permite usar as mesmas bibliotecas HTTP ou SDKs já familiarizados pelos desenvolvedores.

  • Método POST padrão
  • Corpo JSON estruturado
  • Compatibilidade com bibliotecas existentes

Autenticação por chave Bearer

Autentique cada solicitação incluindo o cabeçalho Authorization: Bearer tts-.... Uma única chave ativa por conta é suficiente para todas as requisições, simplificando a gestão de credenciais no seu ambiente de produção.

  • Cabeçalho Authorization Bearer
  • Uma chave por conta
  • Revogação imediata ao gerar nova chave

Exemplo de código cURL disponível

Teste a integração rapidamente com comandos cURL prontos para uso. O painel na página de API key fornece o exemplo completo, permitindo validar a recepção do arquivo de áudio em segundos.

Integração com seu site

Velocidade e performance

Ilustração de onda sonora para: Velocidade e performance

O processamento de áudio ocorre em tempo aproximado: para textos longos, a geração leva cerca de 1 segundo para cada 25 caracteres processados. Frases curtas podem levar alguns segundos adicionais para serem sintetizadas e entregues.

Geração próxima ao tempo real

O engine de síntese processa o texto de forma linear, resultando em arquivos de áudio com duração equivalente ao tempo de leitura normal. Para textos extensos, a taxa de geração mantém-se consistente com a velocidade natural de fala.

Processamento sequencial de requisições

As requisições são processadas uma após a outra na fila de síntese. Isso garante a estabilidade do serviço, mas significa que não há paralelismo ilimitado para lotes massivos enviados simultaneamente.

Impacto da fila em picos de uso

Sob alta demanda, as requisições podem aguardar na fila antes de iniciar a síntese. O limite de 60 requisições por minuto ajuda a gerenciar a carga. Para publicadores que enviam grandes artigos, considere dividir o texto em partes de até 4096 caracteres para evitar gargalos.

Precificação transparente

Ilustração de onda sonora para: Precificação transparente

A API da VozBlog cobra US$ 10 por 1 milhão de caracteres processados, o que equivale a US$ 0,01 por 1.000 caracteres. Espaços e pontuação contam como caracteres. Requisições falhas são gratuitas, com o valor devolvido integralmente caso a síntese não seja concluída.

Não há planos mensais, assinaturas ou custos fixos. Você paga apenas pelo que gerar, sem mínimo de gasto ou expiração de saldo. A precisão na contagem permite prever exatamente o custo de narrar cada artigo ou post do seu blog.

Cobrança por caractere

O cálculo é baseado na contagem total de caracteres do texto enviado, incluindo espaços e sinais de pontuação. Com uma taxa fixa de US$ 0,01 por mil caracteres, o custo é previsível e proporcional ao volume de conteúdo narrado.

  • Cobrança de US$ 10 por 1 milhão de caracteres

Créditos gratuitos iniciais

Novos usuários que fazem login via Google recebem US$ 0,50 de crédito, válido por 7 dias (aproximadamente 50.000 caracteres). Contas criadas com e-mail e senha começam sem esse crédito inicial. O saldo não expira após o período de trial.

Pagamento via USDT TRC-20

O topo de saldo é feito exclusivamente via USDT na rede TRON (TRC-20). O valor mínimo para recarga é de US$ 5. Após a transferência, o crédito é creditado automaticamente em minutos. Não aceitamos cartões, PayPal ou faturas com VAT.

  • Rede TRON (TRC-20) apenas
  • Mínimo de US$ 5
  • Crédito automático em minutos

Casos de uso para publishers

Ilustração de onda sonora para: Casos de uso para publishers

Transforme artigos longos em arquivos de áudio prontos para reprodução. O endpoint aceita até 4096 caracteres por requisição, ideal para posts curtos ou segmentados. Para textos maiores, divida o conteúdo em partes do tamanho permitido e junte os arquivos gerados, mantendo a coerência narrativa sem necessidade de edição manual.

Publique conteúdo áudio para ampliar o alcance dos seus leitores. A API processa textos em múltiplos idiomas, permitindo que seus posts sejam consumidos enquanto os usuários realizam outras tarefas, sem exigir atenção visual constante.

Artigos de blog com áudio narrado

Automatize a narração de seus posts utilizando vozes como Aria ou Felix. Envie o texto via POST e receba o arquivo MP3 ou WAV em segundos. A integração é simples: basta configurar a chave Bearer e enviar o conteúdo pronto para publicação.

  • Geração automática de áudio a partir do texto do post
  • Suporte a múltiplos formatos de áudio para diferentes players
  • Processamento sequencial de textos segmentados para artigos extensos

Conteúdo acessível para leitores

Ofereça áudio para leitores com dificuldades de leitura ou deficiência visual. O sistema detecta automaticamente o idioma ou permite definição explícita para garantir a pronúncia correta em português, inglês ou outros 21 idiomas suportados.

  • Suporte a 23 idiomas distintos
  • Detecção automática baseada no script do texto
  • Áudio nítido com marca d'água sintética invisível

Aumento de tempo de permanência na página

Incorpore reprodutores de áudio diretamente em seus artigos para manter o usuário engajado. A possibilidade de ouvir o conteúdo enquanto lê ou navega pelo site aumenta o tempo de permanência e oferece uma experiência de consumo mais rica e imersiva.

Por que escolher nossa API

Ilustração de onda sonora para: Por que escolher nossa API

Uma API linear que elimina a complexidade de integrações customizadas. Envie texto e receba áudio em poucos passos, sem necessidade de SDKs proprietários ou plugins específicos para WordPress.

Simplicidade de integração

Use o SDK oficial da OpenAI ajustando apenas o base_url, ou envie requisições HTTP padrão. A estrutura de payload é idêntica ao padrão do mercado, facilitando a implementação técnica.

Sem mensalidades fixas

Nenhum plano mínimo ou custo recorrente. Você paga apenas pelos caracteres gerados ($10 por 1 milhão de caracteres). A balança não expira e não há surpresas na fatura.

Foco em texto para áudio

Não oferecemos recursos desnecessários como clonagem de voz ou edição de vídeo. Nosso motor é otimizado exclusivamente para converter texto escrito em áudio de alta qualidade, garantindo estabilidade para seu blog.

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Em períodos de alta demanda, o tempo de geração aumenta devido à fila de processamento.

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. openai-node on GitHub
  3. Tether (USDT)
  4. LibriVox public-domain audiobooks
  5. openai-python on GitHub
  6. Python documentation
  7. FFmpeg documentation
  8. LibriTTS-R corpus (OpenSLR 141)
  9. OpenAI API reference: create speech
  10. ISO 639 language codes
  11. Creative Commons Attribution 4.0
  12. Node.js documentation

Mais neste site