Perguntas frequentes
O que é TTS?
TTS (Text-to-Speech) é uma API em 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, como modelo e voz. O serviço processa a solicitação e entrega o arquivo de áudio sintetizado pronto para uso.
Como funciona a API?
A API opera via HTTP POST para https://api.getpk7.com/v1/audio/speech. O corpo da requisição deve conter o texto (input), o modelo (tts-1 ou tts-1-hd), a voz e o formato de saída. A autenticação é feita com um token Bearer. Respostas falhas são gratuitas e não cobram saldo.
Preciso de conhecimentos técnicos?
Conhecimento técnico básico é necessário para integrar via HTTP ou SDK. A API segue o padrão OpenAI, facilitando a integração. Para WordPress, você precisará de um plugin personalizado ou código para chamar a API, pois não oferecemos plugin oficial. O uso de curl ou scripts simples é suficiente para testes.
Posso usar o SDK do OpenAI?
Sim. A API tem o mesmo formato de requisição do endpoint de fala da OpenAI. Você pode usar o SDK oficial do OpenAI alterando o base_url para https://api.getpk7.com/v1 e fornecendo sua chave de API. Isso permite reutilizar código existente sem grandes adaptações na lógica de integração.
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. Se não especificado, o idioma é inferido pelo script do texto.
Qual o limite de caracteres?
Cada requisição aceita até 4096 caracteres. Para textos maiores, você deve dividir o texto em partes menores e juntar os arquivos de áudio resultantes. Caracteres incluem espaços e pontuação. O processamento é sequencial, então textos longos podem levar mais tempo para serem gerados completamente.
O áudio é gerado em tempo real?
A geração é aproximadamente em tempo real, processando cerca de 25 caracteres por segundo de áudio. No entanto, as solicitações são processadas em fila, uma após a outra. Em momentos de carga, pode haver espera na fila, tornando o tempo de resposta variável dependendo do volume de requisições.
Existe streaming de áudio?
Não. A API retorna o arquivo de áudio completo após a geração. Não há suporte para streaming, WebSocket ou áudio parcial em tempo real. Você recebe o arquivo final nos formatos mp3, wav, opus, flac ou pcm após o processamento da solicitação na fila.
Posso clonar minha voz?
Não. Oferecemos apenas 8 vozes predefinidas baseadas em gravações licenciadas. Não há clonagem de voz personalizada, nem upload de sua própria voz para criação de novas vozes. As vozes são fixas e não permitem customização de emoções ou design de voz específico para o cliente.
O texto é usado para treinar IA?
Não. O texto de entrada é usado exclusivamente para produzir o áudio da solicitação e não é utilizado para treinar modelos de IA. Os arquivos de áudio gerados são retornados na resposta e não são armazenados permanentemente. Apenas metadados de solicitação são mantidos para fins de faturamento.
Como funciona o pagamento?
O pagamento é feito via USDT na rede TRON (TRC-20), com mínimo de $5. O crédito é adicionado automaticamente em minutos. Não aceitamos cartões, PayPal ou faturas. O saldo não expira. A criação de conta gera uma chave única, e novas chaves invalidam a anterior instantaneamente.
Qual o custo por post?
O custo é de $0,01 por 1.000 caracteres. Um post de 10.000 caracteres custaria $0,10. O preço é baseado na contagem de caracteres, incluindo espaços e pontuação. Solicitações falhas são gratuitas. Não há planos mensais ou custos fixos, apenas o uso conforme o volume de caracteres processados.
Posso usar WordPress plugin?
Não oferecemos um plugin oficial para WordPress. Você deve integrar a API via código personalizado, utilizando o SDK do OpenAI ou requisições HTTP diretas. É possível criar um plugin simples que chame o endpoint /v1/audio/speech e insira o áudio gerado nos posts do seu blog.
Há garantia de uptime?
Não. Não oferecemos SLA (Acordo de Nível de Serviço) nem garantia de uptime. O serviço é independente e não possui contratos enterprise ou certificações específicas. O tempo de resposta pode variar devido à fila de processamento e à carga do servidor, sem garantias de disponibilidade contínua.
O que é conversão de texto para voz
Conversão de texto para voz (TTS) é o processo de transformar texto digital em áudio sintetizado via API. Você envia o texto e recebe um arquivo de áudio pronto para reprodução, sem necessidade de gravação humana ou estúdio.
A tecnologia utiliza vozes baseadas em gravações licenciadas para gerar fala sintética. O sistema processa a entrada e retorna o arquivo, permitindo que publishers integrem narração automatizada em seus posts de forma técnica e direta.
Definição de TTS
TTS é uma API cloud onde o texto é convertido em arquivo de áudio. Não há streaming em tempo real nem SSML; o resultado é um arquivo final enviado via HTTP.
- Envio de texto via POST
- Retorno de arquivo de áudio
- Geração sob demanda
Tecnologia por trás do áudio
O motor utiliza vozes baseadas em gravações licenciadas (LibriTTS-R) de audiobooks de domínio público. Cada arquivo gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética.
Aplicações em blogs
Publishers agregam valor ao conteúdo escrito ao oferecer narração automatizada. A integração via API permite que artigos longos sejam consumidos como áudio, sem complicação técnica para o editor.
Como funciona a API para WordPress
A API opera mediante requisições HTTP POST para o endpoint https://api.getpk7.com/v1/audio/speech. O corpo da requisição deve ser JSON, contendo o texto a ser convertido, o modelo de voz e o idioma. O formato da mensagem é compatível com o padrão utilizado pela OpenAI, permitindo o uso dos SDKs oficiais da OpenAI.
O retorno é o arquivo de áudio binário completo, no formato solicitado (MP3, WAV, OPUS, FLAC ou PCM). Não há streaming parcial; o arquivo é entregue apenas após a síntese completa. Essa abordagem simplifica a integração, pois o WordPress recebe um arquivo pronto para armazenamento ou reprodução direta.
Os publishers podem integrar a VozBlog via plugins customizados ou código PHP nativo. A lógica consiste em capturar o conteúdo do post, enviar via cURL ou HTTP client, salvar o arquivo resultante no servidor ou CDN do site e exibir um player de áudio no template do artigo.
Requisição HTTP POST
A integração inicia com uma requisição POST para /v1/audio/speech. O cabeçalho Authorization: Bearer autentica a solicitação usando a chave da API. O corpo JSON deve incluir o campo input com o texto do artigo, limitado a 4096 caracteres, e o voice desejado.
O idioma pode ser especificado via código ISO ou inferido automaticamente. Para textos em línguas não inglesas com script latino, o campo language deve ser definido explicitamente para evitar erros de pronúncia.
- Endpoint:
POST https://api.getpk7.com/v1/audio/speech - Autenticação: Cabeçalho
Authorization: Bearer <sua-chave> - Formato de corpo: JSON com campos
model,input,voiceeresponse_format
Retorno de arquivo de áudio
A API retorna o arquivo de áudio binário diretamente na resposta HTTP. Não há necessidade de processamento adicional para decodificação. O arquivo pode ser salvo no diretório de uploads do WordPress ou enviado para um serviço de armazenamento em nuvem.
O tempo de geração varia conforme o tamanho do texto. Frases curtas levam alguns segundos, enquanto textos longos são processados em tempo real aproximado. Solicitações falhas não consomem crédito e retornam código de erro adequado.
- Resposta: Arquivo de áudio binário
- Formatos suportados: MP3, WAV, OPUS, FLAC, PCM
- Custo zero em caso de falha na síntese
Integração via plugin ou código
Para WordPress, a integração mais direta é via código PHP usando wp_remote_post ou cURL. O plugin ou tema captura o conteúdo do post, envia para a API e armazena o URL do áudio gerado como meta dado do post.
Alternativamente, desenvolvedores podem usar o SDK oficial da OpenAI, ajustando a base_url para https://api.getpk7.com/v1. Isso permite reutilizar a lógica de clientes já existentes, minimizando o tempo de desenvolvimento.
- Integração via PHP nativo ou plugin customizado
- Compatibilidade com SDK OpenAI (ajustando base_url)
- Armazenamento do áudio como meta dado do post
Passo a passo da integração
A integração exige uma chave API válida e o envio do texto via POST. O retorno é um arquivo de áudio pronto para ser incorporado.
O fluxo conecta o editor do WordPress à API, garantindo que o áudio seja gerado e exibido sem complicações técnicas.
Obter chave API
Acesse /get-api-key/ para criar sua conta e gerar a chave Bearer. Esta credencial autentica suas requisições à API.
- Registre-se com Google ou e-mail/senha.
- A chave é única por conta e pode ser revogada a qualquer momento (uma nova chave invalida a anterior instantaneamente).
Enviar texto do post
Extraia o conteúdo do post e envie-o via POST para o endpoint de síntese. O texto deve ter no máximo 4096 caracteres. Para artigos maiores, divida o conteúdo em partes menores antes do envio.
- Use a chave no cabeçalho Authorization.
- O texto é processado sequencialmente.
Receber e exibir áudio
A API retorna o arquivo de áudio diretamente na resposta. Salve ou exiba este arquivo no seu tema WordPress para que os leitores possam reproduzi-lo.
- Suporte a MP3, WAV, OPUS, FLAC, PCM.
- Incorpore o arquivo via player nativo do tema.
Formatos recomendados para web
A API do VozBlog permite escolher entre MP3, WAV, OPUS, FLAC e PCM para a entrega de áudio. A seleção do formato adequado é crucial para equilibrar qualidade sonora, compatibilidade do navegador e eficiência de transferência de dados em seu site WordPress.
Para a maioria dos casos de uso em blogs, o MP3 se destaca como a opção padrão. Ele oferece uma boa relação entre tamanho de arquivo e fidelidade perceptível, facilitando a distribuição eficiente de conteúdo gerado via API para dispositivos móveis e conexões com largura de banda limitada.
Vantagens do MP3
O formato MP3 utiliza compressão com perdas que reduz significativamente o tamanho do arquivo sem comprometer a inteligibilidade da voz sintética. Isso facilita a distribuição eficiente de conteúdo gerado via API para dispositivos móveis e conexões com largura de banda limitada.
Compatibilidade com players
O MP3 é amplamente suportado por todos os players HTML5 modernos e plugins de áudio comuns para WordPress. Essa universalidade elimina a necessidade de plugins específicos ou codecs proprietos, garantindo que o áudio funcione em qualquer navegador, desde Chrome até Safari e Firefox.
Peso do arquivo
Comparado ao WAV ou FLAC, o MP3 gera arquivos muito menores para a mesma duração de áudio. Isso reduz o consumo de banda do seu servidor e melhora o tempo de carregamento da página, fator importante para a experiência do usuário e SEO.
Limitações técnicas a considerar
A API impõe um limite rígido de 4096 caracteres por solicitação. Textos excedentes não são processados em lote único e requerem divisão manual ou lógica de buffer para garantir a entrega completa do conteúdo audio.
Como os pedidos são processados em sequência, não há paralelismo nativo. Isso significa que, sob carga, requisições podem aguardar na fila, impactando o tempo de resposta imediato.
Limite de 4096 caracteres
Cada chamada POST aceita no máximo 4096 caracteres, incluindo espaços e pontuação. Exceder esse limite resulta em erro na síntese (o texto deve ser dividido em partes menores).
Necessidade de divisão de texto
Para artigos longos, é necessário implementar lógica no WordPress para segmentar o texto em blocos de até 4096 caracteres e concatenar os arquivos de áudio resultantes.
Esta abordagem garante que todo o conteúdo seja narrado sem cortes abruptos na estrutura da API.
Processamento sequencial
As requisições são processadas uma após a outra. Em momentos de alta demanda, sua solicitação pode entrar em fila.
Isso pode aumentar o tempo de geração para textos extensos, mas não afeta a qualidade do áudio final.
Vozes e idiomas disponíveis
A API oferece oito vozes predefinidas, divididas entre perfis femininos e masculinos, cada uma com uma tonalidade específica para diferentes tipos de conteúdo. O usuário seleciona o perfil ideal diretamente no corpo da requisição JSON, sem necessidade de treinamento adicional ou customização de voz.
O suporte abrange 23 idiomas, incluindo português, inglês, espanhol, francês, alemão, japonês e árabe. Todas as vozes conseguem pronunciar qualquer um dos idiomas suportados, permitindo que um mesmo artigo seja narrado em múltiplos idiomas com a mesma qualidade de base.
Escolha de vozes predefinidas
As opções incluem vozes femininas como Aria (narradora clara), Nova (energética), Luna (suave) e Sage (instrucional), além das masculinas Felix (promo), Milo (conversacional), Atlas (neutra) e Orion (documentário). A escolha depende exclusivamente do tom desejado para o post do blog.
Não há clones de voz personalizados nem design de voz customizável. Cada voz é baseada em gravações licenciadas e possui uma marca d'água inaudível que identifica o áudio como sintetizado.
- Aria: narrativa clara e quente
- Nova: tom bright e otimista
- Luna: suave, ideal para storytelling
- Sage: calma, instrucional
- Felix: energético, promocional
- Milo: amigável, conversacional
- Atlas: neutra, estilo noticiário
- Orion: profunda, documental
Suporte a múltiplos idiomas
O sistema suporta 23 idiomas, permitindo a expansão do alcance do blog para públicos internacionais sem necessidade de vozes específicas por idioma. A lista inclui línguas como árabe, chinês, dinamarquês, finlandês, grego, hebraico, hindi, coreano, malaio, norueguês, polonês, russo, sueco e turco.
Idiomas não suportados incluem vietnamita, indonésio, tailandês, ucraniano, romeno, tcheco e bengali. É necessário verificar a lista de idiomas disponíveis antes de configurar a tradução do conteúdo para o blog.
Detecção automática de idioma
Se o campo language não for especificado na requisição, o sistema tenta adivinhar o idioma com base no script do texto. Para textos em latim, o padrão é inglês. Para outros idiomas em latim, recomenda-se definir explicitamente o parâmetro language com o código ISO.
Isso garante a pronúncia correta, especialmente quando o texto contém palavras mistas ou idiomas não óbvios pelo script visual.
Custos envolvidos na integração
A cobrança é baseada em caracteres processados, incluindo espaços e pontuação. O custo fixo é de US$ 0,01 por cada 1.000 caracteres. Isso oferece previsibilidade total para publishers de blogs, sem surpresas em faturas ou taxas de infraestrutura ocultas.
Cobrança por caractere
O preço é de US$ 10,00 por 1 milhão de caracteres. Cada solicitação bem-sucedida consome créditos equivalentes ao tamanho exato do texto enviado. Requisições que falham na síntese são gratuitas, sem cobrança de caracteres processados.
- US$ 0,01 por 1.000 caracteres
- Espaços e pontuação contam como caracteres
- Falhas na síntese são isentas
Cálculo de custo por post
Para estimar o custo, conte os caracteres do seu artigo. Um post médio de 2.000 caracteres custa US$ 0,02. Textos longos que excedem 4.096 caracteres devem ser divididos, acumulando o custo de cada parte processada.
Créditos iniciais gratuitos
Novos usuários que fazem login com Google recebem US$ 0,50 de crédito. Isso permite gerar aproximadamente 50.000 caracteres sem custo. O crédito expira em 7 dias. Contas criadas com email e senha não recebem este bônus.
- US$ 0,50 para login com Google
- Aproximadamente 50.000 caracteres
- Validade de 7 dias

Autenticação e segurança
A autenticação na VozBlog utiliza o padrão Bearer Token, garantindo que apenas solicitações autorizadas acessem a API de síntese de voz. A chave API identifica sua conta e deduz o saldo disponível para cada requisição.
O método Authorization: Bearer tts-... é simples e direto, integrando-se facilmente a qualquer biblioteca HTTP ou SDK existente sem necessidade de protocolos complexos de autenticação adicional.
Uso de chave Bearer
Envie a chave no cabeçalho HTTP de cada requisição POST para /v1/audio/speech. Sem este token, a API retorna erro 401, impedindo o uso dos recursos de geração de áudio.
- Formato:
Authorization: Bearer tts-sua_chave_aqui - Suporte universal a bibliotecas HTTP padrão
Proteção da chave API
A chave é o único ponto de acesso financeiro e funcional. Mantenha-a segura em variáveis de ambiente no servidor WordPress, evitando exposição direta no código front-end.
- Armazene em variáveis de ambiente do servidor
- Não inclua em scripts públicos visíveis
Gestão de chaves
Cada conta possui uma chave ativa por vez. Você pode emitir uma nova chave a qualquer momento via painel; a chave anterior é invalidada instantaneamente, garantindo controle total sobre o acesso.
Se houver suspeita de uso indevido, a revogação é imediata, sem necessidade de aguardar processamento ou renovação de sessões.
- Uma chave ativa por conta
- Invalidação instantânea ao emitir nova chave
Exemplos de código para WordPress
O código abaixo demonstra como utilizar o endpoint de síntese diretamente via PHP ou SDK OpenAI, garantindo que o texto do seu post seja convertido em áudio de forma programática.
Estes exemplos servem como base para plugins ou scripts personalizados, integrando a geração de áudio ao fluxo de publicação do WordPress sem dependências externas complexas.
Uso de cURL no PHP
Para ambientes sem dependências adicionais, utilize cURL para enviar o texto e receber o arquivo binário. Substitua tts-sua-chave pela sua chave real e defina o modelo e voz desejados no corpo JSON.
- Envie
POSTparahttps://api.getpk7.com/v1/audio/speech - Header:
Authorization: Bearer tts-sua-chave - Body: `{"model": "tts-1", "voice": "nova", "input": "Seu texto aqui", "response_format": "mp3"}`
Integração com SDK OpenAI
Como o endpoint segue o formato da API de speech da OpenAI, você pode usar o SDK oficial ajustando apenas a URL base. Isso facilita a manutenção se você já utiliza a biblioteca em outros projetos.
- Instale o SDK oficial da OpenAI (ex:
composer require openai-php/clientou equivalente em sua linguagem). - Configure
base_urlparahttps://api.getpk7.com/v1 - Use
OpenAI::audio()->speech()com os mesmos parâmetros padrão.
Exemplo de endpoint
O endpoint processa requisições síncronas. Para textos curtos, o retorno é imediato. Para posts longos, o tempo de geração será proporcional ao tamanho, respeitando o limite de 4096 caracteres por chamada.
Tratamento de erros na integração
O tratamento de erros na integração da API VozBlog assegura que falhas na síntese não cobrem o usuário. Se a geração de áudio falhar, o valor é estornado integralmente, garantindo que o custo seja cobrado apenas por requisições bem-sucedidas.
Falhas de síntese gratuitas
Caso a API retorne erro durante o processamento, a cobrança não é aplicada. O valor correspondente é devolvido automaticamente ao saldo da conta, sem necessidade de solicitação manual.
Manejo de limites de taxa
A API limita o consumo a 60 requisições por minuto por chave. Antes do primeiro recarga, o limite é de 10 requisições por minuto. Exceder esse limite resulta em erro 429, exigindo que o sistema aguarde ou implemente lógica de retry.
Retorno de status HTTP
Requisições bem-sucedidas retornam status 200 com o arquivo de áudio. Erros de autenticação ou formato retornam códigos 4xx, enquanto limitações de taxa retornam 429. O sistema deve verificar o status code para decidir se tenta novamente ou exibe uma mensagem ao usuário.
Otimização de performance
Para evitar custos desnecessários e latência na carga da página, armazene o arquivo de áudio gerado. Como o texto do post não muda frequentemente, o cache do servidor ou do CDN serve o arquivo já convertido, eliminando a necessidade de novas requisições API para o mesmo conteúdo.
A geração sob demanda é útil para posts atualizados dinamicamente, mas exige cuidado com os limites de taxa. Use a geração em lote ou pré-processamento para posts principais, garantindo que o áudio esteja disponível antes da visita do usuário, reduzindo o tempo de carregamento inicial.
Cache de áudio gerado
Armazene o arquivo de áudio (mp3, wav, opus, flac ou pcm) retornado pela API após a primeira síntese bem-sucedida. Utilize o cache do servidor ou um CDN para servir esse arquivo diretamente, evitando novas chamadas HTTP para o mesmo texto.
Isso reduz drasticamente o tempo de carregamento da página para os leitores e economiza caracteres faturados, já que a síntese ocorre apenas uma vez por versão do texto.
- Armazene o arquivo de áudio na primeira geração bem-sucedida.
- Utilize cache do servidor ou CDN para servir o arquivo.
- Economiza caracteres faturados e tempo de carregamento.
Geração sob demanda
Em cenários onde o conteúdo é atualizado frequentemente ou é altamente dinâmico, a geração sob demanda pode ser aplicada via AJAX ou geração no servidor no momento da visualização.
Considere o impacto no tempo de resposta do usuário, pois a síntese pode levar alguns segundos para frases curtas e mais tempo para textos longos, dependendo da fila de processamento.
- Use AJAX ou geração no servidor para conteúdo dinâmico.
- Atenção ao tempo de resposta do usuário.
- Avalie o impacto na fila de processamento.
Divisão de textos longos
O limite de 4096 caracteres por requisição exige a divisão do texto em partes menores. Após a síntese de cada parte, junte os arquivos de áudio resultantes.
Essa divisão deve ser feita no lado do servidor para evitar múltiplas requisições síncronas que podem exceder o limite de 60 requisições por minuto, especialmente em posts muito longos.
- Limite de 4096 caracteres por requisição.
- Junte os arquivos de áudio após a síntese.
- Realize a divisão no servidor para gerenciar limites de taxa.
Acessibilidade para leitores
Oferecer áudio em blogs amplia o acesso ao conteúdo, permitindo que leitores consumam artigos enquanto realizam outras tarefas ou têm dificuldade visual. A narração automatizada garante que a informação chegue a todos, independentemente da preferência de leitura.
Benefícios do áudio em blogs
A conversão de texto para voz elimina barreiras de tempo e formato, transformando posts estáticos em experiências auditivas imediatas. Isso é especialmente útil para textos longos ou técnicos, onde a escuta pode ser mais eficiente.
Público que prefere ouvir
Muitos usuários preferem ouvir notícias e artigos enquanto se deslocam ou trabalham. Oferecer essa opção atende a essa demanda crescente sem exigir esforço manual de produção de conteúdo extra.
Engajamento do usuário
A disponibilidade de áudio pode aumentar o tempo de permanência na página, pois os leitores têm a opção de escolher o modo de consumo. Isso gera mais interações e valoriza o conteúdo escrito original.
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.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
Fontes e leituras adicionais
- Wikipedia
- Creative Commons Attribution 4.0
- curl documentation
- Python documentation
- LibriTTS-R paper (arXiv 2305.18802)
- ISO 639 language codes
- TRON developer hub: TRC-20
- LibriVox public-domain audiobooks
- Node.js documentation
- W3C WAI: making audio and video accessible
- openai-node on GitHub
- openai-python on GitHub
