Perguntas frequentes
O que é a API de TTS?
É uma API em nuvem que recebe texto e retorna um arquivo de áudio. Basta enviar uma requisição POST para o endpoint /v1/audio/speech com o texto e as configurações desejadas, como voz e idioma, para gerar o áudio.
Quais idiomas são suportados?
Suportamos 23 idiomas, incluindo português, inglês, espanhol, alemão, francês, japonês, coreano, chinês, árabe, hindi, russo e turco. Qualquer voz pode falar qualquer um desses idiomas. Idiomas como vietnamita e tailandês ainda não são suportados.
Quantas vozes estão disponíveis?
Oferecemos 8 vozes predefinidas: quatro femininas (Aria, Nova, Luna, Sage) e quatro masculinas (Felix, Milo, Atlas, Orion). Cada uma tem um tom distinto, de narrador claro a narrador de documentário, baseado em gravações licenciadas.
Quanto custa a API?
O custo é de US$ 10 por 1 milhão de caracteres, ou US$ 0,01 por mil caracteres. Espaços e pontuação contam como caracteres. Solicitações falhas são gratuitas e o crédito é devolvido integralmente em caso de erro.
Como faço o pagamento?
Aceitamos apenas USDT na rede TRON (TRC-20), com depósito mínimo de US$ 5. O crédito é creditado automaticamente em minutos. Não há cartões, PayPal, assinaturas ou faturas com VAT. O saldo não expira.
O texto enviado é armazenado?
O texto de entrada é usado apenas para produzir o áudio e não é usado para treinamento. O áudio gerado é retornado na resposta e não é armazenado. Apenas metadados de solicitação são mantidos para faturamento.
Posso usar a API para e-commerce?
Sim. A ClarezaVoz é pensada para integrar áudio em plataformas de comércio eletrônico e aplicações SaaS. Oferecemos controle técnico preciso sobre vozes, idiomas e custos por uso, sem surpresas em contratos complexos ou planos mensais.
Qual o limite de caracteres por requisição?
Cada requisição aceita até 4096 caracteres. Para textos mais longos, você deve dividi-los em partes dentro desse limite e juntar os arquivos de áudio gerados. Recomendamos ajustar o tamanho do lote para otimizar o fluxo.
A API suporta SSML?
Não. A API não suporta marcação SSML, dicionários de fonemas ou lexicons de pronúncia personalizados. O controle é feito apenas através dos parâmetros de voz, idioma e velocidade fornecidos na requisição JSON padrão.
Existe streaming de áudio?
Não. Não há streaming, WebSocket ou áudio parcial em tempo real. O áudio é gerado completo e retornado como um arquivo na resposta da requisição HTTP após o processamento da síntese.
Como funciona o crédito de teste?
Novos usuários que fazem login com Google recebem US$ 0,50 de crédito, válido por 7 dias. Contas criadas com e-mail e senha começam sem crédito. O saldo não expira após o período de teste.
Quais formatos de áudio posso solicitar?
Você pode solicitar os formatos mp3, wav, opus, flac e pcm. Basta definir o campo 'response_format' na requisição JSON. O modelo escolhido (tts-1 ou tts-1-hd) não altera o preço ou a qualidade base.
A API é compatível com OpenAI SDK?
Sim. A forma de requisição é idêntica ao endpoint de fala da OpenAI. Você pode usar os SDKs oficiais da OpenAI alterando o 'base_url' para https://api.778bet.info/v1 e usando sua chave de API.
O áudio gerado tem marca d'água?
Sim. Cada arquivo de áudio gerado contém uma marca d'água inaudível que marca o conteúdo como fala sintética. Isso ajuda na identificação da origem do áudio gerado pela nossa API.
Quanto tempo leva para gerar o áudio?
O tempo é aproximadamente em tempo real para textos longos (25 caracteres por segundo). Frases curtas levam alguns segundos. As solicitações são processadas em fila, então sob carga, pode haver um pequeno atraso.
O que é a API de TTS
A ClarezaVoz oferece uma API de conversão de texto em fala (TTS) projetada para integrar áudio em plataformas de comércio eletrônico e aplicações SaaS. Ao enviar texto para nossa API, você recebe um arquivo de áudio pronto para uso, com controle técnico preciso sobre vozes, idiomas e custos por uso, sem surpresas em contratos complexos.
Conversão de texto para áudio
O serviço funciona como um endpoint RESTful simples: você envia um texto (até 4096 caracteres) e recebe um arquivo de áudio sintetizado. O processo é direto, ideal para integrar narrativas automatizadas em lojas online ou aplicativos.
Endpoint RESTful simples
A integração utiliza o método POST em https://api.778bet.info/v1/audio/speech, seguindo a mesma estrutura de requição da OpenAI. Isso facilita a adoção técnica, mantendo a simplicidade que desenvolvedores buscam para integrações rápidas e estáveis.
Integração com SDKs existentes
Como a forma das requisições é compatível com a API da OpenAI, você pode utilizar os SDKs oficiais dela, bastando alterar o base_url para o nosso domínio e usar sua chave de API. Isso elimina a necessidade de aprender uma biblioteca nova ou manter código específico para nosso endpoint.
Vozes e Idiomas Disponíveis
Nossa API oferece oito vozes predefinidas, gravadas a partir de audiobooks licenciados e de domínio público. Cada voz possui uma característica única, permitindo que você escolha a mais adequada para o tom da sua plataforma de comércio eletrônico ou aplicação SaaS, sem a necessidade de clonagem personalizada.
As vozes cobrem diferentes registros e estilos, garantindo flexibilidade técnica para diversos tipos de conteúdo, desde narrações até promoções dinâmicas.
8 vozes predefinidas
Escolha entre vozes femininas e masculinas, cada uma otimizada para diferentes contextos de uso. Todas as vozes são baseadas em gravações licenciadas (LibriTTS-R, CC BY 4.0) e de domínio público (LibriVox), garantindo clareza e qualidade técnica.
A lista inclui: Aria (narradora clara), Nova (energia alta), Luna (histórias), Sage (instrucional), Felix (promocional), Milo (conversacional), Atlas (neutro) e Orion (documentário).
- Aria: tom quente e claro para narrativas
- Nova: tom brilhante e enérgico
- Luna: suave, ideal para storytelling
- Sage: calma e instrucional
- Felix: energético, focado em promoções
- Milo: amigável e conversacional
- Atlas: neutro, estilo noticiário
- Orion: grave, estilo documentário
23 idiomas suportados
O sistema suporta 23 idiomas, permitindo que qualquer uma das oito vozes fale qualquer um deles. Isso inclui árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, suaili, sueco e turco.
Idiomas não listados, como vietnamita ou tailandês, não são suportados atualmente.
- Árabe, Chinês, Dinamarquês, Holandês, Inglês
- Finlandês, Francês, Alemão, Grego, Hebraico
- Hindi, Italiano, Japonês, Coreano, Malaio
- Norueguês, Polonês, Português, Russo, Espanhol
- Suaili, Sueco, Turco
Detecção automática de idioma
Se o parâmetro language não for definido, o sistema tenta adivinhar o idioma com base no script do texto. Textos em caracteres latinos são padrão para inglês. Para textos em outros idiomas latinos, é recomendável definir o language explicitamente para evitar erros de pronúncia.
Essa flexibilidade facilita a integração inicial, embora a especificação explícita garanta a precisão desejada para mercados específicos.
image":
Formatos de Áudio
A API aceita cinco formatos de saída: mp3, wav, opus, flac e pcm. Essa variedade permite que desenvolvedores otimizem o armazenamento e a largura de banda, escolhendo entre compressão eficiente ou qualidade sem perdas, conforme a necessidade da aplicação de comércio eletrônico ou SaaS.
MP3, WAV, Opus, FLAC, PCM
Cada formato atende a diferentes casos de uso. O MP3 e o Opus oferecem boa relação qualidade-tamanho, ideais para transmissão web. O WAV e o FLAC preservam a integridade original, úteis para arquivamento ou edição posterior. O PCM fornece dados brutos para processamento em tempo real (raw data).
- MP3 e Opus para eficiência de banda
- WAV e FLAC para alta fidelidade
- PCM para processamento direto
Qualidade ajustável por modelo
A qualidade não varia pelo formato, mas pela escolha do modelo. Os modelos tts-1 e tts-1-hd utilizam o mesmo motor de síntese e têm preço idêntico. A diferença está na arquitetura do modelo de IA, que pode influenciar a naturalidade em certos contextos, embora o custo por caractere permaneça constante.
Transparência sobre marca d'água
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso garante transparência sobre a origem do áudio, sem impactar a experiência do ouvinte final, sendo útil para conformidade e rastreamento de conteúdo gerado automaticamente.
Preços e Pagamento
A API de TTS ClarezaVoz opera com um modelo de custo direto e previsível: $0,01 por mil caracteres processados. O cálculo inclui espaços e pontuação, garantindo transparência total na fatura. Não há taxas de infraestrutura ocultas ou custos de armazenamento para os arquivos gerados.
Para testes iniciais, contas criadas com login Google recebem $0,50 de crédito (aproximadamente 50.000 caracteres) por 7 dias. Contas criadas via e-mail e senha iniciam sem esse crédito. Requisições falhas são gratuitas e o valor é estornado integralmente.
$0,01 por mil caracteres
O preço é fixo e independente da complexidade do texto ou do modelo escolhido. Cada caractere, incluindo espaços, é cobrado individualmente ao final da conversão.
Crédito de teste gratuito
O crédito de $0,50 permite validar a integração antes de investir. Ele expira em 7 dias, ideal para validar o fluxo da API.
Pagamento via USDT (TRC-20)
O topo de saldo é feito exclusivamente com USDT na rede TRON (TRC-20), com depósito mínimo de $5. O crédito é aplicado automaticamente em minutos após a confirmação da transferência. Não há assinaturas mensais, faturas com VAT ou processamento de cartão de crédito.
- Rede: TRON (TRC-20)
- Mínimo: $5
- Sem cartões ou PayPal
Limitações Técnicas
A API impõe um limite rígido de 4.096 caracteres por chamada. Para textos maiores, o texto deve ser dividido manualmente em partes menores e os arquivos de áudio resultantes unidos posteriormente. Isso garante previsibilidade no processamento, mas exige lógica adicional no seu código para gerenciar a concatenação.
O formato de entrada é texto simples. Não há suporte a SSML, o que significa que não é possível ajustar entonação, pausas específicas ou pronúncia através de marcações XML. O processamento é direto, exigindo que o texto seja preparado sem elementos de formatação complexos antes do envio.
4096 caracteres por requisição
Cada solicitação POST aceita no máximo 4.096 caracteres, incluindo espaços e pontuação. Se o seu conteúdo excede esse limite, é necessário fragmentar o texto em múltiplas requisições sequenciais e concatenar os arquivos de áudio retornados. Essa limitação é técnica e não reflete capacidade do motor de síntese.
As requisições são processadas uma após a outra. Em momentos de alta demanda, sua solicitação pode entrar em uma fila de espera antes da síntese começar, especialmente se você estiver próximo do limite de velocidade ou se a fila estiver longa.
- Limite de 4.096 caracteres por payload JSON.
- Textos longos requerem lógica de split e concatenação no lado do cliente.
- Espaços e pontuação contam para o limite de caracteres.
Sem suporte a SSML
A API não interpreta marcações complexas, exigindo processamento de texto simples antes do envio. Não há suporte para tags de pausa, ênfase ou pronúncia fonética customizada. Isso simplifica a integração, mas reduz o controle fino sobre a entonação da voz gerada.
Sem streaming em tempo real
Não há envio de áudio parcial via WebSocket ou streaming. A API retorna o arquivo de áudio completo apenas após a síntese terminar. Para aplicações que exigem latência extremamente baixa (como chatbots em tempo real), considere armazenar os áudios previamente ou aceitar o tempo de espera da requisição síncrona.
Privacidade e Dados
Seu texto entra e sai sem deixar rastro. Utilizamos sua entrada exclusivamente para gerar o arquivo de áudio solicitado, sem utilizá-lo para treinar ou aprimorar nossos modelos de inteligência artificial.
O áudio gerado é entregue diretamente na resposta da API e não fica armazenado em nossos servidores após o envio. Isso garante que não retenhamos cópias do conteúdo que você processou.
Texto não usado para treinamento
O texto enviado é processado apenas para a síntese imediata da fala. Não o utilizamos para melhorar os motores de TTS da ClarezaVoz nem para alimentar bases de dados de treinamento de modelos de linguagem.
Áudio não armazenado
Os arquivos de áudio gerados são retornados na resposta HTTP e não são persistidos em nossos sistemas de armazenamento de longo prazo. Isso significa que não mantemos cópias do áudio que você solicitou.
Metadados de uso conservados
Conservamos apenas os metadados necessários para a faturamento e controle de conta. Isso inclui o timestamp da solicitação, a quantidade de caracteres processados e o status (sucesso ou falha) da requisição.

Como Começar
Para utilizar a ClarezaVoz, acesse a página /get-api-key/ e crie sua conta. Você pode registrar-se usando o Google ou um e-mail com senha. Cada conta é independente e específica deste site, garantindo que você tenha controle total sobre suas credenciais desde o início.
Criação de conta
O processo é imediato. Ao se registrar, você obtém acesso à sua área de gestão. Se usar o login com Google, recebe US$ 0,50 de crédito de teste, válido por 7 dias. Contas criadas com e-mail e senha começam sem esse crédito inicial, mas o saldo não expira.
Obtenção da chave de API
Sua chave de API aparece automaticamente na página de gestão. Ela começa com "tts-" e é usada no cabeçalho de autorização. Você possui apenas uma chave ativa por conta. Se precisar revogá-la, pode emitir uma nova a qualquer momento, invalidando a anterior instantaneamente.
Primeira requisição com cURL
Utilize o endpoint POST para https://api.778bet.info/v1/audio/speech. Substitua <SUA_CHAVE> por sua credencial e defina o texto e a voz desejados. O sistema retorna o arquivo de áudio diretamente na resposta, pronto para ser integrado ao seu fluxo de trabalho sem configurações complexas.
- Endpoint: POST https://api.778bet.info/v1/audio/speech
- Autenticação: Authorization: Bearer tts-...
- Formato: JSON com campo 'input' e 'voice'
Modelos de Áudio
A API oferece dois identificadores de modelo: "tts-1" e "tts-1-hd". Ambos utilizam exatamente o mesmo motor de síntese subjacente, garantindo consistência acústica na geração de áudio.
O diferencial não está na qualidade do som, mas na forma como o sistema é referenciado nas requisições. Isso permite que você mantenha o código compatível com o formato padrão da indústria sem precisar ajustar a lógica de negócios.
Utilizar "tts-1-hd" ou "tts-1" não altera o custo nem a performance. Ambos são processados pela mesma engine licenciada, oferecendo a mesma clareza e naturalidade descritas nas especificações técnicas do produto.
tts-1 e tts-1-hd
Os modelos são simplesmente rótulos para o mesmo serviço de síntese. Você pode alternar entre eles sem impacto na qualidade percebida ou no tempo de processamento.
Essa estrutura simplifica a integração, pois permite o uso de SDKs padrão sem a necessidade de camadas complexas de abstração para gerenciar diferentes tipos de áudio.
- Identificadores válidos: tts-1 e tts-1-hd
- Útil para compatibilidade com bibliotecas existentes
Mesmo motor de síntese
Tanto o modelo básico quanto o 'hd' geram áudio usando a mesma base de dados de vozes e o mesmo algoritmo de processamento.
Isso significa que as 8 vozes predefinidas têm exatamente as mesmas características vocais, independentemente do modelo selecionado na requisição JSON.
Preço idêntico para ambos
O custo é calculado por caractere processado, não pelo nome do modelo. Portanto, você paga $0,01 por mil caracteres, seja qual for a escolha.
Não há surpresas na fatura ao migrar de um modelo para o outro, facilitando o controle de custos em plataformas de e-commerce e SaaS.
- Custo: $0,01 por 1.000 caracteres
- Sem taxa adicional por "HD"
Limites e Performance
A API opera com um limite claro de 60 requisições por minuto por chave, sendo que as primeiras 10 requisições (antes do primeiro depósito) têm um limite reduzido de 10 por minuto. Isso exige que aplicações em escala ajustem suas chamadas para evitar gargalos.
Como as requisições são processadas sequencialmente, picos de demanda podem fazer com que uma solicitação aguarde na fila. Isso garante a estabilidade do serviço, mas implica que o tempo de resposta total varia conforme a carga do momento.
60 requisições por minuto
O limite padrão permite 60 chamadas por minuto. Antes do primeiro recarga, o limite é reduzido para 10 requisições por minuto, o que é suficiente para testes iniciais mas pode exigir otimização em produção.
Processamento em fila
O motor processa as solicitações uma após a outra. Durante picos de uso, sua requisição pode entrar em uma fila de espera antes de iniciar a síntese, garantindo que não haja falhas no serviço.
Velocidade próxima do tempo real
Para textos longos, a geração ocorre em ritmo aproximado de 25 caracteres por segundo de áudio gerado. Isso significa que um texto de 1.000 caracteres levará cerca de 40 segundos para ser processado, excluindo o tempo de espera na fila.
Para frases curtas, o overhead de inicialização faz com que o tempo total de resposta seja de alguns segundos, independente do tamanho mínimo do áudio.
Suporte e Conta
A gestão da sua conta é direta e transparente. Ao criar uma conta, você recebe uma única chave de API ativa, visível no painel de controle junto com o saldo e o histórico de uso.
Não há assinaturas complexas ou cobranças surpresa. Tudo o que você precisa saber sobre sua chave e limite de requisições está disponível na interface da plataforma.
Suporte por e-mail
Nossa equipe de suporte opera exclusivamente por e-mail. Não há número de telefone, chat ao vivo ou botas automatizadas. Cada mensagem é tratada com atenção técnica.
Chave única por conta
Cada conta mantém apenas uma chave de autenticação ativa por vez. Isso simplifica a segurança e a gestão de acesso para equipes pequenas ou startups que precisam de agilidade.
Renovação imediata de chave
Se necessário, você pode emitir uma nova chave a qualquer momento. A chave anterior deixa de funcionar imediatamente, garantindo controle total sobre quem tem acesso à sua API.
Comparação com Concorrentes
A comparação com provedores estabelecidos revela diferenças estruturais claras. Enquanto alguns competidores cobram por minuto de áudio gerado, nosso modelo é baseado estritamente na entrada de texto, oferecendo previsibilidade imediata para projetos de e-commerce e SaaS que variam em volume.
A ausência de assinaturas mensais fixas elimina o custo de ociosidade. Você paga apenas pelo que sintetiza, com um custo marginal baixo e transparente, sem surpresas em faturas complexas ou taxas de infraestrutura ocultas.
Diferenças de preço
O custo é fixo em $0,01 por mil caracteres, independentemente da complexidade do texto. Diferente de modelos baseados em duração, isso garante que textos longos com pausas não encarecem a geração proporcionalmente.
A transparência permite calcular o orçamento exato antes da implementação, algo raro em plataformas que variam preços por qualidade de voz ou idioma.
Sem assinaturas mensais
Não há planos recorrentes obrigatórios. Cada conta opera no modelo pay-as-you-go, onde o saldo negativo simplesmente interrompe o serviço até o próximo depósito.
Isso remove o risco de pagar por um plano premium que não utiliza totalmente, ideal para startups com fluxo de caixa variável.
Pagamento por uso real
O pagamento é feito via USDT (TRC-20), com crédito automático em minutos. Não há faturas com IVA ou processos manuais de cobrança.
Requisições falhas são gratuitas, garantindo que você só pague pelo áudio entregue com sucesso.
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Textos maiores que o limite precisam ser segmentados logicamente.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
