Aplicativo de texto para voz para apps móveis

Por Equ editorial SomLeve · Atualizado 2026-11-19

Esta página explica como integrar uma API de texto para fala (TTS) em aplicativos móveis usando o padrão OpenAI. Você verá como enviar texto e receber arquivos de áudio rapidamente, com controle de velocidade, idiomas e formatos. Ideal para times de produto que buscam previsibilidade e integração simples sem complexidade adicional.

Aqui você encontra detalhes sobre as 8 vozes disponíveis, os 23 idiomas suportados e o preço claro de $10 por milhão de caracteres, com pagamento via USDT (TRC-20). Veja como começar com crédito grátis, entenda os limites de performance e descubra casos de uso reais para acessibilidade, notificações e narrativas em apps móveis.

Aplicativo de texto para voz para apps móveis

Perguntas frequentes

O que é uma API de texto para voz para apps?

É um serviço em nuvem que converte texto em áudio via endpoint POST. Você envia texto e recebe o arquivo de áudio. A API segue o formato de requisição da OpenAI, facilitando a integração em aplicações móveis sem necessidade de SDKs proprietários ou configurações complexas.

Quais idiomas estão disponíveis?

O suporte inclui 23 idiomas: árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, suahili, sueco e turco. Idiomas como vietnamita, indonésio e tailandês ainda não são suportados.

As vozes podem falar qualquer idioma?

Sim, todas as 8 vozes disponíveis conseguem falar qualquer um dos 23 idiomas suportados. Se o idioma não for especificado, o sistema tenta adivinhar pelo script, mas para textos em latim fora do inglês, recomenda-se definir o campo language explicitamente para garantir precisão.

Quanto custa a geração de áudio?

O custo é de US$ 10 por 1 milhão de caracteres, ou US$ 0,01 por mil caracteres. Espaços e pontuação contam como caracteres. Requisições falhas são gratuitas, com reembolso integral se a síntese não for concluída com sucesso, garantindo previsibilidade nos custos.

Como funciona o pagamento com USDT?

O pagamento é feito exclusivamente via USDT na rede TRON (TRC-20). O valor mínimo é de US$ 5. O crédito é creditado automaticamente em minutos após a transferência. Não há cartões, PayPal, assinaturas ou faturas com IVA. O saldo não expira.

Existe teste grátis?

Sim, ao fazer login com Google, você recebe US$ 0,50 de crédito, válido por 7 dias. Contas criadas com e-mail e senha iniciam sem crédito de teste. Isso permite testar a qualidade da API antes de realizar o primeiro depósito via USDT.

Posso usar o SDK oficial da OpenAI?

Sim, a API segue o mesmo formato de requisição da OpenAI. Você pode usar o SDK oficial da OpenAI alterando o base_url para https://api.air123.cc/v1 e utilizando sua chave de API. Isso facilita a integração em apps móveis existentes sem código extra.

O texto enviado é usado para treinamento?

Não. O texto de entrada é utilizado exclusivamente para produzir o áudio solicitado e não é usado para treinar modelos. Apenas metadados de solicitação (tempo, caracteres, status) são mantidos para fins de cobrança e controle de uso da conta.

Os áudios gerados ficam armazenados?

Não. O áudio gerado é retornado diretamente na resposta da requisição e não é armazenado em nossos servidores após a entrega. Apenas os metadados necessários para faturamento são conservados. Isso garante privacidade e conformidade para o uso de dados em seus aplicativos.

Qual o limite de caracteres por requisição?

Cada requisição pode conter até 4096 caracteres. Para textos maiores, você deve dividir o conteúdo em partes menores e juntar os arquivos de áudio resultantes. Isso garante processamento eficiente e evita erros de limite no endpoint de síntese de voz.

Como lidar com textos longos?

Divida o texto em partes de até 4096 caracteres e envie requisições separadas. Em seguida, junte os arquivos de áudio gerados. O processamento é sequencial, então sob carga, pode haver algum tempo de espera na fila entre as partes.

Há suporte por telefone ou chat?

Não. O suporte é realizado exclusivamente por e-mail. Não há número de telefone, chat ao vivo ou suporte telefônico disponível. Para dúvidas técnicas ou sobre sua conta, envie um e-mail para a equipe de suporte indicada no site.

Existe garantia de uptime (SLA)?

Não. Não oferecemos contrato de nível de serviço (SLA) nem garantia de uptime. A API é processada em sequência, e sob carga, as requisições podem aguardar na fila. Não há certificações como SOC 2 ou HIPAA associadas ao serviço.

Posso clonar minha própria voz?

Não. Oferecemos apenas 8 vozes predefinidas baseadas em gravações licenciadas. Não há recurso de clonagem de voz personalizada, nem upload de áudio próprio para criação de vozes. As vozes são fixas e baseadas em leituras de domínio público.

Primeira solicitação

curl

curl https://api.air123.cc/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 API

Ilustração de onda sonora para: Como funciona a API

A API de texto para fala (TTS) da SomLeve funciona com simplicidade: você envia texto e recebe um arquivo de áudio. O endpoint principal é POST https://api.air123.cc/v1/audio/speech, aceitando o mesmo formato de corpo JSON usado pela OpenAI. Isso elimina a necessidade de adaptar bibliotecas ou criar parsers personalizados para cada chamada de síntese.

Envie texto e receba áudio

Envie texto e receba áudio

O processo é direto: passe o texto (até 4.096 caracteres) e defina os parâmetros como modelo, voz e idioma. O serviço processa a requisição e retorna o áudio sintetizado pronto para ser reproduzido no seu aplicativo móvel.

SDK OpenAI com base_url

Equipes de produto podem usar o SDK oficial da OpenAI, ajustando apenas o parâmetro base_url para https://api.air123.cc/v1. Essa compatibilidade permite reutilizar código existente e reduzir o tempo de integração técnica.

Múltiplos formatos de saída

Selecione o formato de áudio ideal para seu player móvel. O suporte inclui MP3, WAV, OPUS, FLAC e PCM, garantindo compatibilidade com diferentes estratégias de compressão e qualidade de reprodução em dispositivos Android e iOS.

Vozes e idiomas

Ilustração de onda sonora para: Vozes e idiomas

A API oferece 8 vozes pré-configuradas, projetadas para diferentes contextos de uso. De narrativas suaves a locuções institucionais, cada voz é baseada em gravações licenciadas, garantindo consistência e qualidade sem necessidade de personalização extra.

8 vozes com personalidades distintas

O sistema inclui quatro vozes femininas (Aria, Nova, Luna, Sage) e quatro masculinas (Felix, Milo, Atlas, Orion). Cada uma tem um timbre e ritmo específicos, como a voz clara de Aria para narradores ou a profundidade de Orion para documentários.

  • Aria: narradora clara e quente
  • Nova: voz brilhante e animada
  • Luna: suave, ideal para histórias
  • Sage: calma, para instruções
  • Felix: energética, para promoções
  • Milo: conversacional e amigável
  • Atlas: neutra, para notícias
  • Orion: profunda, para documentários

23 idiomas, incluindo português

As vozes suportam 23 idiomas, incluindo português, inglês, espanhol e japonês. Qualquer voz pode falar qualquer idioma da lista. O idioma é detectado automaticamente pelo script, mas para textos em latim fora do inglês, defina o campo language explicitamente.

  • Português, inglês, espanhol, francês
  • Alemão, italiano, russo, japonês
  • Chinês, coreano, árabe, hindi
  • Sueco, norueguês, dinamarquês, finlandês
  • Polonês, tcheco, grego, turco
  • Swahili, malaio, holandês, hebraico

Marca d’água invisível em cada áudio

Cada arquivo de áudio gerado contém uma marca d’água inaudível que identifica o conteúdo como fala sintética. Isso ajuda na transparência e na identificação de origem, sem afetar a experiência de escuta do usuário final.

Integração para mobile

Ilustração de onda sonora para: Integração para mobile

Para times de produto que constroem apps móveis, a integração com a API de texto para fala deve ser direta e previsível. O endpoint POST aceita JSON no formato padrão, permitindo que você utilize os SDKs oficiais da OpenAI bastando ajustar o base_url para https://api.air123.cc/v1. Isso elimina a necessidade de bibliotecas proprietárias e reduz o tempo de desenvolvimento na camada de áudio do seu aplicativo.

Endpoint POST consistente

Envie texto e receba um arquivo de áudio pronto para reprodução. A estrutura da requisição segue o padrão conhecido, facilitando a implementação em qualquer stack mobile moderna sem curvas de aprendizado complexas.

Controle de velocidade e idioma

Você pode ajustar a velocidade de fala entre 0.25x e 4.0x e definir o idioma ISO opcionalmente. Isso garante que a pronúncia e o ritmo se ajustem ao contexto do seu app, seja para instruções rápidas ou narrações mais lentas.

Tratamento de textos longos

O limite é de 4.096 caracteres por requisição. Para textos maiores, o fluxo envolve dividir o conteúdo em partes, gerar os arquivos de áudio separadamente e uni-los para a reprodução final no aplicativo.

Preço e pagamento

Ilustração de onda sonora para: Preço e pagamento

O custo é fixo e previsível: $10 por cada 1 milhão de caracteres processados. Isso equivale a $0,01 por 1.000 caracteres, onde espaços e pontuação também contam. Se a síntese falhar, o valor é devolvido integralmente, sem cobranças ocultas.

O pagamento é feito exclusivamente via USDT na rede TRON (TRC-20), sem cartões, PayPal ou assinaturas mensais. O saldo mínimo para recarga é de $5 e é creditado automaticamente em minutos após a transferência.

$10 por 1 milhão de caracteres

O preço é linear e transparente, baseado no volume de texto enviado. Cada requisição conta caracteres individuais, garantindo que você saiba exatamente quanto gastará antes de integrar a voz no seu app.

Pagamento via USDT (TRC-20)

Utilizamos criptomoedas para simplificar transações globais sem intermediários bancários. Basta enviar USDT na rede TRON para o endereço da conta; o saldo é atualizado automaticamente em poucos minutos, permitindo que você comece a gerar áudio imediatamente.

Saldo sem validade

Seus créditos não expiram. Diferente de modelos com planos mensais, você paga pelo que usa e mantém o saldo disponível para uso futuro, sem pressão de renovação ou custos de inatividade.

Casos de uso em apps

Ilustração de onda sonora para: Casos de uso em apps

A API TTS do SomLeve permite que equipes de produto integrem áudio natural diretamente em apps móveis, substituindo sintetizadores básicos por vozes com personalidade definida. Isso melhora a experiência do usuário final sem exigir infraestrutura complexa de streaming, já que o serviço não oferece streaming.

Ao gerar arquivos de áudio sob demanda, os times garantem consistência de marca e acessibilidade, processando apenas o necessário para cada contexto de uso dentro da aplicação.

Acessibilidade e leitura em voz alta

Integre a API para converter textos de interfaces ou artigos em áudio instantâneo. Com suporte a 23 idiomas, incluindo português, o sistema garante que usuários com deficiência visual ou dificuldades de leitura tenham acesso ao conteúdo sem perda de fidelidade.

O formato de resposta permite salvar o áudio localmente ou reproduzi-lo diretamente, oferecendo uma alternativa fluida à leitura estática em telas de dispositivos móveis.

  • Suporte a múltiplos idiomas nativos
  • Geração rápida para leitura imediata
  • Conformidade com padrões de acessibilidade

Notificações por áudio

Substitua alertas sonoros genéricos por mensagens faladas personalizadas. A API aceita textos curtos e retorna arquivos mp3 ou wav, ideais para notificações push ou lembretes em segundo plano que exigem atenção imediata do usuário.

Como cada requisição é processada individualmente, o app pode disparar mensagens contextualizadas sem bloquear a interface principal, mantendo a performance do aplicativo estável.

  • Formatos leves (mp3, wav)
  • Integração com push notifications
  • Personalização por evento

Narrativas em jogos e e-learning

Para jogos ou cursos, utilize as 8 vozes pré-definidas para dar voz a personagens ou instrutores. Cada voz tem uma personalidade distinta, como a voz calma de 'sage' para instruções ou a energia de 'felix' para promoções.

O texto é enviado via API e convertido em áudio, permitindo que equipes de conteúdo atualizem narrativas sem precisar gravar novos áudios profissionais, reduzindo custos de produção e tempo de lançamento.

  • 8 vozes com estilos distintos
  • Atualização rápida de conteúdo
  • Sem necessidade de estúdio
Casos de uso em apps

Performance e limites

Ilustração de onda sonora para: Performance e limites

A geração de áudio opera em tempo real aproximado para textos longos, processando cerca de 25 caracteres por segundo. Para frases curtas, a latência pode variar, exigindo alguns segundos para a síntese completa.

Como as requisições são processadas sequencialmente, picos de carga podem introduzir espera na fila. Isso é normal e não indica falha no serviço.

Aproximadamente tempo real em textos longos

O motor produz áudio a uma taxa de processamento equivalente ao tempo de reprodução real, gerando aproximadamente 25 caracteres de texto por segundo de áudio. Para textos extensos, isso significa que a duração do arquivo final corresponde à duração da síntese, sem compressão temporal artificial.

Fila de processamento sob carga

As solicitações são executadas uma após a outra. Sob alta demanda, uma requisição pode aguardar na fila antes de iniciar a síntese. A latência aumenta proporcionalmente ao número de solicitações simultâneas, mas o processamento continua na fila.

60 requisições por minuto por chave

Cada chave de API permite até 60 requisições por minuto, garantindo estabilidade para integração em apps móveis. Antes do primeiro depósito, o limite é de 10 requisições por minuto. Esse controle evita sobrecarga e mantém a previsibilidade do tempo de resposta.

Segurança e dados

Ilustração de onda sonora para: Segurança e dados

Para times de produto que integram voz em apps, a privacidade dos dados de entrada é fundamental. Nossa API TTS processa o texto enviado exclusivamente para gerar o arquivo de áudio correspondente. Diferente de muitos serviços que utilizam o conteúdo para aprimorar seus modelos, aqui o texto digitado não entra no ciclo de treinamento dos nossos motores de síntese.

Texto não é usado para treinamento

O conteúdo enviado nas requisições é processado apenas para a síntese imediata. Não há retenção ou uso secundário do texto fornecido para alimentar algoritmos de machine learning ou melhorar a qualidade geral do serviço de forma não específica.

Áudio não fica armazenado

O arquivo de áudio gerado é retornado na resposta da API e não é persistido em nossos servidores após o envio. Cada geração é efêmera, garantindo que o conteúdo sintetizado não permaneça armazenado para futuras consultas ou auditorias de conteúdo.

Metadados para cobrança

Para garantir a precisão da sua fatura, mantemos apenas os metadados da requisição. Isso inclui o timestamp, o número de caracteres processados e o status da operação (sucesso ou falha). Esses dados são essenciais apenas para o controle do saldo e emissão de histórico de uso.

Comece agora

Ilustração de onda sonora para: Comece agora

A criação da conta ocorre na página /get-api-key/, onde você pode usar login com Google ou e-mail e senha. O painel exibe imediatamente sua chave API, saldo e um exemplo de uso pronto para copiar.

Obtenha sua chave API

A autenticação utiliza o cabeçalho Authorization: Bearer com sua chave única. Cada conta possui uma chave ativa por site da rede, garantindo controle simples sobre o acesso à API.

Crédito grátis de $0,50 por 7 dias

Registre-se com o Google para receber $0,50 de crédito (cerca de 50.000 caracteres), válido por 7 dias. Contas criadas apenas com e-mail e senha iniciam sem esse crédito de teste.

Exemplo pronto com curl

O painel fornece o comando cURL completo para integrar imediatamente. Basta substituir your-api-key pela sua chave gerada e ajustar os parâmetros de voz e texto conforme necessário.

  • POST https://api.air123.cc/v1/audio/speech
  • Body JSON com model, input e voice

Suporte e limites

Ilustração de onda sonora para: Suporte e limites

Nossa operação é enxuta e focada na eficiência da API. Para dúvidas ou problemas técnicos, o canal oficial é o e-mail. Responderemos em tempo hábil, sem a complexidade de filas de atendimento ou sistemas automatizados que muitas vezes dificultam a resolução de casos específicos de integração.

Ao integrar SomLeve em seus aplicativos móveis, você deve considerar que operamos como uma infraestrutura de API pura. Não mantemos contratos de nível de serviço (SLA) garantidos, o que significa que não há compensação financeira formal por eventuais interrupções ou variações de performance, comum em soluções independentes de alto custo-benefício.

Suporte por e-mail

O suporte é exclusivo via e-mail. Eliminamos o ruído de múltiplos canais para focar na qualidade das respostas técnicas. Envie sua dúvida com detalhes do endpoint e formato de resposta para que possamos analisar o caso com precisão.

Sem SLA garantido

Não oferecemos garantias contratuais de uptime ou latência máxima. A API opera com processamento sequencial e filas sob carga, conforme descrito na seção de performance. Para a maioria dos apps móveis, essa estrutura é suficiente e previsível, mas não é coberta por SLA.

Sem chat ao vivo

Não utilizamos chat ao vivo. Essa decisão reduz custos operacionais e é refletida no preço por caractere. Se precisar de ajuda imediata para testes, verifique a documentação ou envie um e-mail com o código de erro.

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Para apps móveis com alto volume, considere o uso de múltiplas chaves ou implemente lógica de retry com backoff exponencial.

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-python on GitHub
  3. LibriVox public-domain audiobooks
  4. FFmpeg documentation
  5. MDN: Web Speech API
  6. IETF RFC 7845: Ogg Opus
  7. TRON developer hub: TRC-20
  8. Tether (USDT)
  9. Node.js documentation
  10. curl documentation
  11. LibriTTS-R corpus (OpenSLR 141)
  12. Creative Commons Attribution 4.0

Mais neste site