Perguntas frequentes
Qual voz é melhor para aulas?
Para aulas, recomenda-se Sage (calma e instrucional) ou Luna (suave e narrativa). Use Felix para promoções ou Milos para conversas. Todas as 8 vozes suportam português e outros idiomas listados. Escolha conforme o tom da sua lição para manter o engajamento dos alunos sem cansá-los.
Posso usar MP3 ou WAV?
Sim, você pode escolher entre mp3, wav, opus, flac ou pcm no campo response_format. O formato MP3 é leve e compatível com a maioria dos LMS. O WAV oferece qualidade sem perda. A escolha depende apenas da necessidade de armazenamento ou qualidade de áudio do seu curso, além da compatibilidade do player.
Como lidar com textos longos?
O limite é de 4096 caracteres por requisição. Para textos maiores, divida o conteúdo em partes desse tamanho e junte os arquivos de áudio resultantes. Isso garante que cada solicitação seja processada corretamente sem erros de limite, mantendo a integridade do áudio final gerado para seus alunos.
A API é rápida para textos curtos?
Textos curtos levam alguns segundos para serem gerados. O processamento é sequencial, então sob carga, pode haver espera na fila. Para textos longos, a velocidade é aproximadamente em tempo real (25 caracteres por segundo). Planeje o tempo de geração considerando possíveis filas durante picos de uso.
Preciso de servidor para armazenar áudio?
O áudio é retornado na resposta e não é armazenado por nós. Você precisa gerenciar o armazenamento local ou em nuvem dos arquivos gerados. O metadata de uso é mantido apenas para faturamento. Sua infraestrutura deve lidar com o download e hospedagem dos arquivos de áudio finais.
Posso alterar a velocidade na reprodução?
Sim, o parâmetro speed permite ajustar a velocidade entre 0.25 e 4.0 diretamente na API. Isso é útil para ajustar a clareza em aulas complexas ou acelerar revisões. A alteração é feita no momento da geração do áudio, garantindo que o arquivo final tenha a velocidade desejada.
As vozes soam naturais?
As vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox). Cada arquivo gerado contém uma marca d'água inaudível que indica ser fala sintética. A qualidade é clara e profissional, adequada para educação, mas não imita perfeitamente a fala humana espontânea ou emoções complexas.
Qual o custo para 1000 caracteres?
O custo é de $0,01 por 1.000 caracteres. Isso equivale a $10 por milhão de caracteres. Espaços e pontuação contam como caracteres. Solicitações falhas são gratuitas. O saldo não expira, permitindo que você pague apenas pelo uso real sem custos fixos mensais ou mínimos.
Posso usar em apps de mobile?
A API funciona via HTTP, podendo ser usada em apps mobile. Não oferecemos SDK mobile específico, mas o SDK oficial da OpenAI funciona alterando o base_url. Você pode integrar diretamente via código ou usar bibliotecas HTTP padrão. Não há restrição de plataforma para o uso da API.
A API suporta inglês e português?
Sim, suportamos português (e inglês) entre 23 idiomas listados. Se o idioma não for definido, o sistema tenta adivinhar, mas para português em script latino, defina o parâmetro language explicitamente. Todos as 8 vozes falam todos os idiomas suportados, garantindo consistência na experiência do usuário.
Como faço o top-up da conta?
Adicione saldo via USDT na rede TRON (TRC-20). O mínimo é $5. O crédito é creditado automaticamente em minutos após a transferência. Não aceitamos cartões, PayPal ou faturas. O saldo não expira. Acesse sua conta para ver o endereço de depósito e o status do saldo.
O áudio tem marca d'água?
Sim, cada arquivo de áudio gerado contém uma marca d'água inaudível que o identifica como fala sintética. Isso ajuda na transparência sobre a origem do conteúdo. A marca é invisível ao ouvinte e não afeta a qualidade auditiva ou a usabilidade do áudio em seus cursos.
Posso usar a API sem código?
A API é baseada em HTTP e requer integração técnica. Não oferecemos interface visual para gerar áudio sem código nem plugins prontos. Você precisa enviar requisições JSON. Para facilitar, usamos o formato padrão da API de fala da OpenAI, permitindo o uso de SDKs existentes com ajuste de URL.
Qual a diferença entre tts-1 e tts-1-hd?
Ambos usam o mesmo motor de síntese e têm o mesmo preço. A diferença está no modelo (tts-1 ou tts-1-hd), que usa o mesmo motor e preço. Escolha tts-1-hd para produções mais refinadas ou tts-1 para economizar recursos quando a qualidade máxima não for crítica para o seu curso.
As vozes são fixas ou mudam?
As vozes são fixas em 8 predefinições: Aria, Nova, Luna, Sage, Felix, Milo, Atlas e Orion. Não oferecemos clonagem de voz personalizada nem design de vozes novas sob demanda. Você escolhe uma das opções disponíveis no endpoint /v1/voices e a mantém consistente em seus projetos.
Posso usar em projetos comerciais?
Sim, o serviço é voltado para criadores de cursos e plataformas LMS. Não há restrições específicas de uso comercial listadas. Os áudios gerados são seus para uso. Não garantimos SLA ou suporte empresarial dedicado, mas o produto é estável e projetado para integração em aplicações reais.
Existe limite de uso diário?
O limite é de 60 requisições por minuto por chave. Não há limite diário fixo, apenas o limite de taxa por minuto. Antes do primeiro recarga, o limite é de 10 requisições por minuto. Você pode gerar tanto áudio quanto necessário, respeitando essa taxa de requisições.
Como vejo o histórico de uso?
O histórico de uso, incluindo tempo, caracteres e status, é visível na página da sua conta após o login. Os dados são mantidos para faturamento e transparência. Você pode monitorar seu saldo, caracteres restantes e o histórico de solicitações diretamente no painel da sua conta no site.
O serviço funciona 24 horas?
Não garantimos disponibilidade 24/7 nem SLA de uptime. O serviço é processado sequencialmente e pode sofrer variações de velocidade sob carga. Não há garantia de tempo de atividade. Para uso crítico em tempo real, considere redundância. O serviço opera continuamente, mas sem garantias contratuais de uptime.
Posso cancelar a conta a qualquer momento?
Sim, você pode cancelar sua conta a qualquer momento. Não há contratos de longo prazo ou assinaturas mínimas. O saldo não expira, então você pode usar o crédito restante antes de cancelar. A chave da API pode ser revogada a qualquer momento, interrompendo o acesso imediatamente.
Escolhendo a voz certa
Escolher a voz adequada é o primeiro passo para garantir que seus alunos mantenham o foco. A clareza da narração impacta diretamente na retenção do conteúdo, especialmente em cursos longos.
Vozes femininas
Aria oferece uma narrativa clara e quente, ideal para introduções. Luna é perfeita para histórias, enquanto Nova traz um tom mais animado para vídeos curtos.
Vozes masculinas
Atlas fornece neutralidade para notícias e fatos. Milo cria uma conversa próxima, e Orion é recomendado para documentários com tom mais profundo.
Uso didático
Use Sage para instruções técnicas e Felix para promoções de módulos. Todas as vozes falam os 23 idiomas disponíveis, permitindo adaptação regional sem complicação.
Formatos de áudio
A API oferece cinco formatos de áudio (mp3, wav, opus, flac, pcm) para equilibrar qualidade, tamanho e compatibilidade com diferentes players de LMS. A escolha depende do seu público-alvo e da infraestrutura de armazenamento disponível.
O MP3 é o padrão para web, o WAV garante máxima fidelidade e o OPUS otimiza o tráfego. Todos são suportados nativamente pela API.
MP3 para web
O formato MP3 é o mais amplamente compatível com navegadores e players de cursos online. Ideal para a maioria das integrações padrão, oferece um bom equilíbrio entre qualidade de áudio e tamanho de arquivo.
Recomendado para a maioria dos casos de uso educacional, garantindo que seus alunos possam ouvir as aulas em qualquer dispositivo sem problemas de codec.
- Alta compatibilidade com players HTML5
- Tamanho de arquivo moderado
- Qualidade auditiva suficiente para conteúdo falado
WAV para alta qualidade
O formato WAV entrega áudio sem compressão, preservando todos os detalhes da voz sintética. É a melhor escolha quando a fidelidade sonora é prioritária, como em materiais de treinamento técnico ou para usuários com necessidades auditivas específicas.
Embora os arquivos sejam maiores, a qualidade superior pode ser importante para gravações de livros didáticos ou audiolivros onde a clareza vocal é crucial.
- Qualidade sem perda de dados
- Arquivos maiores para armazenamento
- Ideal para arquivamento de alta fidelidade
OPUS para eficiência
O formato OPUS oferece compressão eficiente, resultando em arquivos menores. É excelente para reduzir custos de banda e armazenamento, especialmente em grandes volumes de conteúdo.
Recomendado para plataformas com limitações de largura de banda ou quando você precisa distribuir muitos arquivos de áudio para uma grande base de alunos.
- Tamanho de arquivo reduzido
- Eficiência de largura de banda
- Boa qualidade em baixas taxas de bits
Fluxo de trabalho
O fluxo de trabalho conecta seu conteúdo didático ao áudio final de forma prática. Comece preparando o texto, envie-o para nossa API e configure a reprodução no seu LMS ou plataforma de cursos.
Pré-processamento do texto
Limite o texto a 4096 caracteres por requisição. Remova formatações complexas que a API não interpreta, mantendo apenas a estrutura essencial para a leitura fluida.
Envio para API
Envie uma requisição POST para o endpoint de speech com sua chave de API. O serviço processa o texto e retorna o arquivo de áudio diretamente, pronto para uso.
Exibição no player
Carregue o arquivo recebido em um player de áudio padrão no seu site. Configure controles básicos de play e pause para garantir uma experiência de aprendizado suave para seus alunos.
Custos e orçamento
A API cobra $10 por milhão de caracteres, o que equivale a $0,01 por mil caracteres. Espaços e pontuação contam como caracteres. Requisições falhas não têm cobrança.
O crédito inicial gratuito é de $0,50 (aproximadamente 50.000 caracteres) válido por 7 dias ao usar login Google. Recargas são via USDT (TRC-20), mínimo $5.
Cálculo por caractere
O custo é baseado na contagem exata de caracteres do texto enviado. Cada caractere, incluindo espaços, influencia o preço final.
- Preço: $0,01 por 1.000 caracteres
- Inclui espaços e pontuação na contagem
Previsão de gastos
O texto é processado em tempo real, mas a fila pode atrasar respostas. Use o painel para monitorar o saldo restante.
- Saldo não expira
- Crédito grátis inicial para testes
Controle de volume
Limite de 60 requisições por minuto. Recargas são automáticas após transferência USDT.
- Mínimo de recarga: $5
- Saldo visível no painel
Acessibilidade
A API TTS do Spinaudio facilita a inclusão digital em plataformas LMS, convertendo materiais didáticos em áudio acessível para alunos com deficiência visual ou dislexia. A leitura automatizada garante que o conteúdo seja consumido de forma independente, sem necessidade de legendas ou transcrições manuais.
Além disso, o sistema suporta 23 idiomas, permitindo que cursos internacionais ou bilíngues ofereçam áudio nativo. A velocidade de reprodução é ajustável de 0,25 a 4,0, permitindo que alunos com diferentes velocidades de processamento auditivo adaptem o áudio ao seu ritmo de aprendizado.
Leitura para deficientes visuais
A conversão de texto para fala elimina barreiras de leitura para alunos com baixa visão ou cegueira. O áudio gerado pode ser integrado diretamente aos módulos do LMS, permitindo o consumo de aulas e leituras via dispositivo móvel ou leitor de tela.
A voz sintetizada mantém clareza e entonação natural, facilitando a compreensão de conceitos complexos sem a fadiga visual associada à leitura prolongada de textos na tela.
- Integração direta com players de áudio do LMS
- Suporte a leitores de tela
Idiomas diversos
O suporte a 23 idiomas, incluindo português, espanhol, inglês, francês e alemão, permite a criação de cursos globais sem necessidade de contratar múltiplos locutores. A API detecta o idioma automaticamente pelo script, mas permite definição explícita para textos em latim-script (que por padrão são tratados como inglês).
Isso garante consistência na pronúncia e na experiência do aluno, independentemente de sua localização geográfica ou língua nativa, desde que o idioma esteja na lista de suporte.
Velocidade ajustável
O parâmetro speed permite ajustar a velocidade de reprodução entre 0,25x e 4,0x. Isso é crucial para alunos que necessitam de maior tempo para processar informações auditivas ou para aqueles que já dominam o conteúdo e desejam revisão rápida.
Ajustar a velocidade não altera a clareza da voz, mantendo a inteligibilidade mesmo em velocidades aceleradas, o que otimiza o tempo de estudo para usuários experientes.
Integração técnica
A integração da API Spinaudio é projetada para ser simples, utilizando o formato JSON padrão e compatibilidade com SDKs existentes.
Você pode enviar requisições HTTP diretas ou utilizar bibliotecas populares, facilitando a conexão com sua plataforma LMS existente.
Endpoint JSON
Envie textos para o endpoint POST https://api.spinaud.info/v1/audio/speech. O corpo da requisição deve conter model, input, voice e response_format.
Use chaves Bearer (tts-...) na header de autenticação para validar suas solicitações.
- Endpoint: POST /v1/audio/speech
- Formato: JSON
- Autenticação: Bearer token
SDK OpenAI
Como a estrutura de requisição é idêntica à da OpenAI, você pode usar o SDK oficial alterando apenas o base_url.
Isso permite reutilizar código existente sem necessidade de uma biblioteca proprietária adicional.
Curl simples
Para testes rápidos, utilize comandos cURL diretamente no terminal.
Substitua YOUR_API_KEY pela sua chave e seu_texto pelo conteúdo a ser convertido.
- curl -X POST https://api.spinaud.info/v1/audio/speech
- -H "Authorization: Bearer YOUR_API_KEY"
- -d '{"model": "tts-1", "input": "Olá", "voice": "nova"}'
Gestão de conteúdo
Para cursos com livros didáticos ou aulas extensas, o limite de 4096 caracteres por requisição exige planejamento. O texto deve ser dividido em partes de até 4096 caracteres e os arquivos de áudio resultantes devem ser unidos manualmente.
Textos longos
A API aceita textos de até 4096 caracteres por chamada. Para materiais didáticos extensos, como capítulos de livros ou transcrições de aulas, o limite técnico define o tamanho máximo de cada lote enviado.
- Limite de 4096 caracteres por requisição JSON
- Espaços e pontuação contam como caracteres
- Ideal para capítulos ou lições modulares
Divisão em partes
O workflow ideal consiste em segmentar o texto antes do envio. Cada parte é processada individualmente, permitindo que o sistema gerencie a fila de geração sem erros de tamanho de payload.
Juntar arquivos
Após a síntese, os arquivos de áudio resultantes devem ser concatenados. A integração com seu LMS ou player de áudio deve unir essas partes sequencialmente para reproduzir o conteúdo completo de forma contínua.

Qualidade sonora
A qualidade sonora da Spinaudio prioriza a clareza e a naturalidade, essencial para a compreensão em ambientes de aprendizado. As vozes são geradas a partir de gravações licenciadas, garantindo uma entonação consistente e livre de excessos robóticos.
Clareza da voz
Cada modelo foi ajustado para evitar distorções comuns em textos longos. A articulação é nítida, facilitando a retenção do conteúdo pelos alunos, mesmo em reproduções contínuas.
Marca d'água
Todos os arquivos gerados contêm uma marca d'água inaudível que identifica o áudio como síntese artificial. Isso ajuda na transparência sobre a origem do conteúdo auditivo.
Artefatos de áudio
Em frases muito curtas, podem ocorrer alguns segundos de latência inicial. O processamento sequencial garante que o áudio final não apresente cortes abruptos ou ruídos de fundo indesejados.
Exemplos de uso
A API TTS da Spinaudio permite transformar textos estáticos em áudio natural, ideal para enriquecer o conteúdo dos seus cursos. Com vozes claras e velocidade ajustável, você garante que seus alunos tenham acesso a materiais didáticos mais dinâmicos e acessíveis, sem a necessidade de estúdios profissionais.
Ao automatizar a produção de áudio, você economiza tempo de gravação e mantém a consistência pedagógica em todos os seus módulos. Veja como aplicar essa tecnologia em três cenários comuns no ensino online.
Aulas gravadas
Utilize a API para converter roteiros de aula em áudios narrados, oferecendo uma alternativa de aprendizado para quem prefere ouvir enquanto estuda. Você pode usar vozes como 'sage' para instruções claras ou 'nova' para conteúdos mais dinâmicos.
A velocidade ajustável permite que alunos revisem o material rapidamente, acelerando a narração sem perder a clareza, essencial para revisão de conceitos complexos.
- Narrativa consistente em todos os módulos
- Controle de velocidade de 0.25x a 4.0x
- Foco na clareza da enunciação
Livros didáticos
Transforme capítulos de livros digitais em áudios audíveis, permitindo que estudantes consumam o conteúdo enquanto realizam outras tarefas. Cada capítulo pode ser processado independentemente, mantendo a organização do material.
A qualidade da voz garante uma experiência de leitura fluida, ideal para estudantes com diferentes estilos de aprendizado ou limitações visuais temporárias.
- Capítulos convertidos em arquivos de áudio
- Suporte a múltiplos idiomas
- Texto não utilizado para treinamento
Notificações
Envie avisos automáticos para alunos sobre prazos de entrega ou novos materiais, utilizando uma voz amigável como 'milo' ou 'aria'. Isso aumenta o engajamento e garante que a comunicação seja percebida como pessoal.
O formato MP3 ou OPUS é leve, facilitando o envio via e-mail ou integração direta com plataformas LMS sem sobrecarregar o servidor.
- Comunicação proativa com alunos
- Integração simples com sistemas de aviso
- Formatos leves para entrega rápida
Limites conhecidos
A API possui limites técnicos claros que afetam diretamente o fluxo de produção de conteúdo para seus cursos. Conhecer essas restrições evita erros na integração e garante uma experiência estável para seus alunos.
Ao planejar a carga de áudio, considere que cada solicitação deve respeitar o tamanho máximo de texto e a taxa de requisições permitida. Isso é crucial para manter a fluidez da reprodução sem interrupções desnecessárias.
4096 caracteres
Cada chamada à API aceita no máximo 4.096 caracteres por solicitação, incluindo espaços e pontuação. Para textos longos, como capítulos inteiros de livros didáticos, é necessário dividir o conteúdo e unir os arquivos de áudio gerados.
Essa divisão deve ser feita manualmente ou via script no seu LMS para garantir que a narração não seja cortada no meio de uma frase, preservando a clareza pedagógica.
- Máximo de 4096 caracteres por requisição.
- Espaços e pontuação contam como caracteres.
60 requisições/min
O limite de taxa é de 60 requisições por minuto por chave de API (10 antes da primeira recarga). Isso significa que gerações em massa devem ser escalonadas para evitar erros temporários.
Em picos de uso, as requisições podem ficar em fila. Para a maioria dos cursos, isso não impacta a experiência do aluno, mas é importante ao gerar grandes bibliotecas de áudio de uma vez.
- Limite padrão: 60 requisições por minuto.
- Limite inicial: 10 requisições por minuto.
Sem streaming
O áudio é gerado completo antes do envio, não há transmissão parcial em tempo real. O arquivo é entregue apenas quando a síntese termina.
Isso garante que o arquivo esteja íntegro, mas significa que não há áudio parcial disponível durante o processo de geração. Ideal para downloads e players estáticos.
- Entrega do arquivo completo.
- Sem áudio parcial durante a geração.
Privacidade
Nossos dados são projetados para respeitar a privacidade de seus alunos e sua instituição. Entendemos que o conteúdo didático é valioso e sua proteção é fundamental para a integridade pedagógica.
Utilizamos uma abordagem minimalista na retenção de dados, garantindo que suas informações sensíveis permaneçam seguras e sob seu controle.
Uso do texto
O texto enviado para síntese é utilizado exclusivamente para gerar o arquivo de áudio correspondente. Não utilizamos seu conteúdo para treinar nossos modelos ou criar novas vozes, preservando a originalidade do seu material didático.
Armazenamento
O áudio gerado é retornado na resposta e não fica armazenado em nossos servidores permanentemente. Apenas metadados da requisição (tempo, caracteres, status) são mantidos, exclusivamente para fins de cobrança e faturamento.
Direitos autorais
As vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox), garantindo conformidade com as licenças CC BY 4.0 e domínio público. Seus textos, contudo, continuam sendo de sua propriedade intelectual.
Próximos passos
Para começar, acesse a página /get-api-key/ e registre-se com sua conta Google. Isso ativa imediatamente o crédito gratuito de US$ 0,50, suficiente para gerar cerca de 50.000 caracteres em sete dias.
Criar conta
O registro é rápido e cria uma conta independente para este site. Após o cadastro, você terá acesso ao painel de controle com seu saldo e histórico de uso.
Obter chave
Sua chave de API é exibida no painel. Ela é única e ativa imediatamente. Você pode gerar uma nova a qualquer momento, revogando a anterior instantaneamente.
Testar API
Utilize o exemplo de curl fornecido na página da chave para enviar seu primeiro texto. Verifique se o áudio é gerado corretamente antes de integrar ao seu LMS.
- Use o endpoint POST para /v1/audio/speech
- Defina o modelo tts-1 ou tts-1-hd
- Verifique o formato de resposta
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. A conversão de texto para fala elimina barreiras de leitura para alunos com baixa visão ou cegueira.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
Fontes e leituras adicionais
- Wikipedia
- FFmpeg documentation
- LibriTTS-R corpus (OpenSLR 141)
- LibriVox public-domain audiobooks
- Creative Commons Attribution 4.0
- openai-python on GitHub
- TRON developer hub: TRC-20
- OpenAI API reference: create speech
- ISO 639 language codes
- IETF RFC 7845: Ogg Opus
- Node.js documentation
- W3C WAI: making audio and video accessible
