Perguntas frequentes
Qual o melhor modelo: tts-1 ou tts-1-hd?
Ambos utilizam o mesmo motor de síntese e possuem o mesmo preço. A escolha entre 'tts-1' e 'tts-1-hd' é puramente nominal, pois utilizam o mesmo motor e possuem o mesmo preço. Você pode usar qualquer um dos dois identificadores na requisição sem alterar o valor cobrado por caractere.
Qual formato de áudio é mais econômico?
O custo é calculado por caractere processado, independentemente do formato de saída. Portanto, mp3, wav, opus, flac e pcm têm o mesmo preço base. A escolha deve ser baseada na compatibilidade do seu player móvel ou necessidade de compressão, sem impacto direto na fatura da API.
Quantas vozes estão disponíveis?
O catálogo conta com 8 vozes predefinidas, divididas entre perfis femininos e masculinos. As opções incluem aria, nova, luna e sage, além de felix, milo, atlas e orion. Cada voz possui uma característica vocal distinta, permitindo que você selecione a mais adequada para o contexto do seu aplicativo.
Os idiomas são limitados por voz?
Não. Qualquer uma das 8 vozes pode falar qualquer um dos 23 idiomas suportados. A seleção da voz é independente da língua do texto. Se o idioma não for especificado, o sistema tenta adivinhar pelo script, mas para textos em latim fora do inglês, recomendamos definir o código ISO manualmente.
Qual o limite de caracteres por requisição?
Cada requisição POST aceita até 4096 caracteres no campo 'input'. Para textos mais longos, você deve dividir o conteúdo em partes dentro desse limite e concatenar os arquivos de áudio resultantes. Espaços e pontuação contam como caracteres, então monitore o tamanho total do seu texto antes de enviar.
Como funciona o pagamento com USDT?
O pagamento é feito exclusivamente via USDT na rede TRON (TRC-20), com mínimo de $5. O saldo é creditado automaticamente em minutos após a transferência. Não há cartões, PayPal ou assinaturas. O saldo não expira e as requisições falhas são estornadas integralmente, garantindo que você pague apenas pelo uso real.
Existe plano mensal ou apenas pagamento por uso?
Não há planos mensais, cotas de assentos ou gastos mínimos. O modelo é estritamente pay-as-you-go, cobrando $0,01 por mil caracteres. Você paga apenas pelo volume processado, e o saldo restante permanece disponível indefinidamente até ser utilizado, sem taxas de manutenção ou vencimento periódico para acessar a API.
O texto enviado é usado para treinar modelos?
Não. O texto de entrada é utilizado exclusivamente para a geração imediata do arquivo de áudio solicitado. Não há uso desses dados para treinamento de modelos de machine learning. Apenas metadados de consumo, como tempo e status, são mantidos para fins de faturamento e controle de conta.
Os áudios gerados são armazenados?
Os arquivos de áudio são retornados diretamente na resposta da requisição e não são armazenados em nossos servidores após o envio. O ciclo de vida do arquivo termina na entrega ao cliente. Isso garante que seus dados de áudio permaneçam efêmeros, dependendo apenas da implementação de cache do seu aplicativo.
Há garantia de tempo de resposta (SLA)?
Não oferecemos SLA (Acordo de Nível de Serviço) nem garantia de uptime. A velocidade média é de aproximadamente 25 caracteres por segundo para textos longos. Em picos de demanda, as requisições podem aguardar em uma fila, pois o processamento é sequencial. Não há contrato de responsabilidade por atrasos.
Posso usar mais de uma chave ao mesmo tempo?
Cada conta possui apenas uma chave ativa por vez. Se você emitir uma nova chave, a anterior é invalidada imediatamente. Para escalar, você pode criar múltiplas contas independentes, cada uma com sua própria chave e saldo, distribuindo assim as requisições e contornando os limites de taxa de uma única chave.
Como otimizar custos para apps de alto volume?
Divida textos longos em blocos de até 4096 caracteres para evitar erros. Monitore o uso via endpoint /v1/models e ajuste a velocidade (0.25–4.0) para equilibrar tempo de geração e latência. Como falhas são gratuitas, implemente retries robustos. Utilize múltiplas contas para distribuir a carga e evitar gargalos de taxa.
Qual a velocidade máxima permitida?
O parâmetro 'speed' aceita valores entre 0.25 e 4.0. Isso permite acelerar a narração em até quatro vezes a velocidade normal ou reduzi-la para uma leitura mais pausada. Ajustar a velocidade pode afetar a latência percebida, mas não altera o custo por caractere cobrado pela API de síntese.
O que acontece se exceder 60 requisições por minuto?
O limite é de 60 requisições por minuto por chave (10 antes do primeiro depósito). Se você exceder essa taxa, as requisições adicionais podem ser rejeitadas ou colocadas em uma fila de espera até que a taxa retorne ao limite permitido. O processamento é sequencial, garantindo a ordem de entrega.
Critério: preço por caractere
O modelo de precificação da SomLeve é baseado no volume de caracteres processados, cobrando $10 por cada 1 milhão de caracteres enviados à API. Essa estrutura elimina a complexidade de planos de assinatura e oferece previsibilidade financeira direta para equipes de produto que precisam escalar o uso de voz em aplicativos móveis sem surpresas na fatura.
$10 por 1 milhão de caracteres
Cada milhar de caracteres custa $0,01, facilitando o cálculo exato do custo por recurso ou tela no app. O limite de uso é determinado pelo saldo da conta, sem taxas fixas mensais.
Espaços e pontuação contam
A contagem de caracteres inclui espaços e sinais de pontuação. Textos com formatação densa ou listas extensas devem ser monitorados para evitar consumos inesperados, já que cada símbolo ocupa espaço na fatura.
Sem mensalidade mínima
Não há compromisso de volume mínimo ou planos recorrentes. Você paga apenas pelo que consumir. Se não houver uso, não há cobrança. Isso permite testar a integração com baixo risco inicial.
Critério: modelos e vozes
A API oferece dois modelos, tts-1 e tts-1-hd, que utilizam o mesmo motor de síntese e possuem preço idêntico. A escolha entre eles não impacta a conta, permitindo que times de produto testem diferentes qualidades de áudio sem alterar a estrutura de custos prevista no orçamento do app.
tts-1 e tts-1-hd mesmo preço
Como ambos os modelos compartilham a mesma base de processamento e tarifação, a decisão técnica foca exclusivamente na preferência de qualidade de áudio para o caso de uso específico, sem surpresas na fatura final.
8 vozes com estilos distintos
O conjunto de vozes inclui oito presets baseados em gravações licenciadas do LibriTTS-R (CC BY 4.0) e de leituras de audiolivros do domínio público LibriVox. As opções variam de narradoras quentes e claras a locutores neutros para notícias, permitindo que equipes de produto ajustem a personalidade da interface do usuário.
- Aria: narradora clara
- Nova: voz animada
- Felix: promocional
- Atlas: neutro para notícias
Marca d’água em cada arquivo
Cada arquivo de áudio gerado contém uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso é útil para auditoria e transparência, garantindo que o usuário final saiba que está ouvindo uma síntese gerada por API.
Critério: idiomas suportados
O suporte multilíngue é um requisito fundamental para aplicativos móveis globais. Nossa API processa 23 idiomas, permitindo que equipes de produto expandam o alcance sem gerenciar múltiplos provedores de voz.
Cada voz possui versatilidade linguística, mas a configuração correta de parâmetros é essencial para garantir a pronúncia precisa e a naturalidade da fala em diferentes contextos culturais.
23 idiomas disponíveis
O sistema suporta 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 uma das oito vozes pode pronunciar qualquer um desses idiomas com clareza e entonação adequada.
- Árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, suaíli, sueco, turco
Qualquer voz fala qualquer idioma
A arquitetura não vincula vozes a idiomas específicos. Isso permite que você utilize uma única voz consistente, como 'Aria' ou 'Atlas', para narrar conteúdo em português, espanhol ou japonês, mantendo a identidade da marca em todo o aplicativo.
Detecção por script com fallback inglês
Se o parâmetro language não for enviado, o sistema infere o idioma pelo script do texto. Para textos em latim, o padrão é o inglês. Para evitar pronúncias incorretas em outros idiomas latinos, defina explicitamente o código ISO da linguagem na requisição.
Critério: formatos de saída
O endpoint aceita cinco formatos de saída: mp3, wav, opus, flac e pcm. A escolha impacta diretamente a largura de banda e a compatibilidade do player no app móvel.
Para a maioria dos casos, o mp3 é o formato recomendado. Ele oferece a melhor relação entre qualidade auditiva e tamanho de arquivo, reduzindo o consumo de dados dos usuários.
Use pcm para testes de baixa latência ou quando precisar processar o áudio brutamente. O formato sem compressão elimina etapas de decodificação, mas consome mais memória e banda.
mp3, wav, opus, flac, pcm
O campo response_format aceita valores como mp3, wav, opus, flac ou pcm. Cada um tem implicações diferentes no tamanho do payload retornado pela API.
Formatos sem compressão, como wav e pcm, geram arquivos significativamente maiores. Isso pode impactar o tempo de carregamento em conexões móveis lentas.
- mp3: compressão com perda, ideal para distribuição.
- wav: sem compressão, alto tamanho de arquivo.
- opus: alta eficiência.
- flac: compressão sem perda, tamanho intermediário.
- pcm: áudio bruto, menor latência de processamento.
mp3 recomendado para banda
O mp3 é a escolha padrão para a maioria dos aplicativos. Ele equilibra qualidade sonora e eficiência de rede.
Usar mp3 reduz o custo de transferência de dados para o dispositivo final do usuário, especialmente importante para apps com grande volume de usuários.
pcm para testes de baixa latência
O formato pcm retorna dados brutos não comprimidos. Isso é útil para testes de latência ou quando o app precisa aplicar filtros personalizados.
Embora mais rápido para decodificar, o pcm consome mais largura de banda. Avalie se o benefício em latência justifica o uso de dados adicionais.
Critério: limites de uso
Limites de uso definem como sua aplicação escalona as chamadas de síntese. Com 60 requisições por minuto por chave, equipes de produto devem implementar filas ou semáforos para evitar erros 429. Antes do primeiro recarga, o limite é reduzido para 10 requisições por minuto, o que exige cuidado em testes iniciais.
O tamanho do texto é limitado a 4096 caracteres por requisição. Para textos longos, é necessário dividir a entrada e juntar os arquivos de áudio resultantes. Espaços e pontuação contam como caracteres, afetando a contagem de crédito.
60 requisições por minuto por chave
Cada chave de API permite até 60 chamadas por minuto. Para apps móveis com alto volume, considere o uso de múltiplas chaves ou implemente lógica de retry com backoff exponencial.
O limite é por chave, não por usuário final. Se sua arquitetura utiliza uma única chave para todos os usuários, ela será o gargalo principal sob carga.
- Implemente filas de prioridade
- Use backoff exponencial para retries
10 por minuto antes do primeiro top-up
Contas recém-criadas sem recarga iniciam com 10 requisições por minuto. Isso pode limitar a velocidade de testes automatizados ou lançamentos iniciais.
Após a primeira recarga via USDT, o limite volta a 60 requisições por minuto, permitindo maior throughput.
Texto máximo de 4096 caracteres
Cada requisição POST aceita até 4096 caracteres. Textos maiores devem ser segmentados manualmente pelo desenvolvedor.
Os arquivos de áudio gerados para cada segmento devem ser concatenados para formar o áudio completo. Isso adiciona complexidade ao pipeline de áudio, mas garante a entrega do conteúdo.
- Segmentação manual necessária
- Concatenação de arquivos de áudio
Critério: integração
Integrar voz em aplicativos móveis exige consistência e velocidade. A API do SomLeve segue o padrão de endpoints do OpenAI, permitindo que times de produto reutilizem bibliotecas existentes com adaptações mínimas. Isso reduz o tempo de desenvolvimento e a curva de aprendizado para engenheiros já familiarizados com ecossistemas de IA.
O método HTTP utilizado é simples e direto, focado na conversão de texto em áudio. A estrutura de payload mantém compatibilidade com os SDKs oficiais, facilitando a implementação em iOS, Android ou React Native sem necessidade de criar adaptadores complexos ou camadas intermediárias desnecessárias.
Compatível com SDK OpenAI
O endpoint segue exatamente o formato da API de speech da OpenAI. Isso significa que bibliotecas como openai-python, openai-node ou openai-swift funcionam nativamente. Você só precisa ajustar a configuração do cliente para apontar para o nosso domínio, sem reescrever a lógica de requisição ou manipulação de respostas.
Essa compatibilidade permite que equipes integrem TTS em menos horas. Não é necessário aprender uma nova sintaxe de JSON ou lidar com formatos de resposta proprietários. A mesma estrutura de erros e successos que você conhece no OpenAI se aplica aqui, garantindo previsibilidade no código.
- SDKs oficiais funcionam com ajuste de base_url
- Mesma estrutura de payload JSON
- Erro e sucesso tratados da mesma forma
Alteração simples de base_url
A única mudança técnica necessária é alterar a URL base das requisições. Para a API do SomLeve, o base_url deve ser definido como https://api.air123.cc/v1. Essa alteração é localizada e não exige modificações em todo o código da aplicação.
Após ajustar a URL, o SDK utiliza automaticamente os endpoints corretos para geração de áudio. Isso mantém a integridade da arquitetura existente e permite que a integração seja feita como uma configuração de ambiente, facilitando o deploy entre staging e produção.
Método POST consistente
Todas as requisições de geração de áudio utilizam o método HTTP POST. O corpo da requisição deve conter os parâmetros model, input, voice e response_format. Essa consistência garante que você possa usar os mesmos padrões de retry e manipulação de erro que aplica em outras APIs REST.
A resposta retorna o arquivo de áudio diretamente no corpo, no formato solicitado. Não há necessidade de fazer requisições adicionais para baixar o arquivo, o que simplifica o fluxo de trabalho e reduz a latência percebida pelo usuário final do aplicativo.
Critério: pagamento
O método de pagamento é simplificado para evitar burocracia financeira recorrente. Utilizamos apenas USDT na rede TRON (TRC-20), eliminando a necessidade de cartões de crédito, PayPal ou faturas com VAT. Isso garante que o fluxo de caixa do seu projeto seja previsível e sem surpresas em mensalidades.
USDT na rede TRC-20
A recarga é feita exclusivamente via blockchain, o que reduz custos de intermediários e acelera a disponibilidade dos fundos. Não exigimos contratos complexos ou validações bancárias tradicionais, permitindo que times de produto foquem na integração técnica.
Mínimo de $5 por transação
O valor mínimo para top-up é de US$ 5. Essa configuração é ideal para times que preferem gerenciar o orçamento de forma granular, carregando apenas o necessário para a próxima fase de desenvolvimento ou lançamento.
Crédito automático em minutos
Após a confirmação da transferência na rede, o crédito é adicionado à sua conta automaticamente em poucos minutos. Não há intervenção manual necessária para liberar o acesso, garantindo que sua integração continue sem interrupções.

Critério: teste e crédito
O crédito inicial de $0,50 permite testar a API com cerca de 50.000 caracteres gerados. É um recurso exclusivo para quem se autentica via Google, facilitando a validação técnica sem compromisso financeiro imediato.
$0,50 para contas com Google
Essa quantia é suficiente para validar a integração e verificar a qualidade das vozes antes de realizar o primeiro top-up. Ideal para equipes que precisam confirmar a viabilidade técnica rapidamente.
Válido por 7 dias
O crédito expira automaticamente após uma semana, incentivando a decisão rápida de migração ou expansão. Não há renovação automática nem cobrança surpresa ao término do período.
Contas por e-mail não recebem crédito
Usuários que criam conta com e-mail e senha iniciam sem saldo de teste. Eles precisam realizar o primeiro depósito em USDT (TRC-20) para começar a gerar áudio imediatamente.
Critério: dados e privacidade
A integração de texto para voz em apps móveis exige clareza sobre o destino dos dados. Na SomLeve, a privacidade é estruturada para minimizar a retenção de informações sensíveis, garantindo que o conteúdo enviado para síntese não altere os modelos base nem fique retido indefinidamente.
Texto não é usado para treinamento
O texto enviado para a API é processado exclusivamente para gerar o arquivo de áudio correspondente. Após a síntese, essa informação não é utilizada para treinar ou melhorar os modelos de machine learning da plataforma, mantendo o isolamento do seu conteúdo.
Áudio não fica armazenado
Os arquivos de áudio gerados são retornados diretamente na resposta da requisição e não são armazenados em nossos servidores após a entrega. Isso reduz a superfície de exposição de dados, sendo ideal para fluxos onde o áudio é consumido imediatamente pelo app.
Metadados para cobrança
Para garantir a precisão financeira, mantemos registros de metadados que incluem timestamp, volume de caracteres processados e status da requisição. Esses dados servem exclusivamente para fins de cobrança e auditoria, sem conter o conteúdo textual ou de áudio em si.
Critério: suporte e garantias
A comunicação com a equipe de suporte ocorre exclusivamente por e-mail. Não há canais diretos para interação imediata, o que exige que times de produto organizem seus tickets com detalhes técnicos suficientes para acelerar a resolução.
Diferente de grandes provedores, não oferecemos contratos de nível de serviço (SLA) que garantam tempo de resposta ou disponibilidade mínima. A infraestrutura opera sem garantia formal de uptime, uma escolha comum para APIs focadas em custo previsível.
Suporte por e-mail apenas
Todas as dúvidas e relatos de incidentes devem ser enviados via endereço de e-mail listado na página de contato. A equipe analisa os logs associados à sua chave de API para investigar problemas de geração ou cobrança.
- Envie logs de erro e timestamps para agilizar a análise.
- Inclua o ID da requisição se disponível na resposta.
Sem SLA ou uptime garantido
Não assinamos contratos que compensem financeiramente por interrupções ou lentidão. A disponibilidade é melhor-effort, adequada para apps internos ou testes onde um leve atraso não quebra a experiência do usuário final.
Sem chat ou telefone
Não mantemos linhas telefônicas nem bate-papos ao vivo. Isso reduz custos operacionais e mantém o preço por caractere estável. Para urgências, o e-mail continua sendo o único canal oficial.
Critério: velocidade
O tempo de geração varia conforme o volume. Textos longos atingem cerca de 25 caracteres por segundo, equivalente ao tempo real, mas frases curtas podem levar alguns segundos.
Em picos de uso, as requisições são processadas em fila. Isso significa que a latência inicial pode aumentar até que o servidor libere a demanda acumulada.
Você pode ajustar a velocidade entre 0.25 e 4.0 para adaptar o ritmo à experiência do usuário final, mantendo a naturalidade da voz selecionada.
Aproximadamente tempo real em textos longos
Para narrativas extensas, a taxa de processamento se estabiliza em aproximadamente 25 caracteres de texto por segundo de áudio gerado. Isso permite prever com precisão o tempo de espera em fluxos de produção em massa, onde o custo por caractere se torna o fator dominante.
Fila de processamento sob carga
As requisições são executadas sequencialmente. Quando o volume de solicitações excede a capacidade imediata do servidor, os pedidos entram em uma fila de espera. Isso pode resultar em latência variável, especialmente durante horários de pico ou após lançamentos de conteúdo simultâneos.
Controle de velocidade de 0.25 a 4.0
A API permite ajustar a velocidade de fala entre 0.25 e 4.0. Isso oferece flexibilidade para criar experiências mais lentas, ideais para aprendizado ou acessibilidade, ou aceleradas para resumos rápidos, sem alterar a qualidade da síntese ou o preço final.
Resumo para decisão
Para times de produto, a previsibilidade de custo é crítica. Com a tarifação de $10 por milhão de caracteres, onde espaços e pontuação contam, o orçamento escala linearmente com o volume sem surpresas de mensalidade.
O fluxo de integração se beneficia da compatibilidade nativa com o SDK OpenAI. Basta alterar o base_url para https://api.air123.cc/v1, mantendo a estrutura de requisição e autenticação familiares, o que reduz o tempo de desenvolvimento.
Priorize custo previsível por volume
O modelo de pagamento por uso elimina custos fixos. Você paga apenas pelo que gera, com falhas sendo estornadas integralmente. Isso permite testar diferentes vozes e formatos sem risco financeiro significativo.
O mínimo de top-up de $5 via USDT (TRC-20) torna a entrada acessível. O saldo não expira, permitindo acumular crédito para picos de demanda sem necessidade de renovação mensal.
- Taxa fixa de $0,01 por mil caracteres
- Crédito não expira
- Falhas não cobradas
Valide integração com SDK OpenAI
A API segue o formato JSON do endpoint /v1/audio/speech. Isso permite reutilizar código existente de clientes OpenAI, ajustando apenas a URL base e a chave de autenticação (tts-...).
Suporte a 8 vozes e formatos como mp3, wav e opus facilita a adaptação para diferentes contextos de app, desde narrativas até notificações rápidas.
- SDK OpenAI compatível
- POST /v1/audio/speech
- Autenticação Bearer token
Teste com crédito e ajuste formatos
Contas criadas via Google recebem $0,50 de crédito válido por 7 dias. Use esse período para validar a latência e a qualidade em diferentes idiomas e vozes.
Recomenda-se usar mp3 para economia de banda e pcm para testes de baixa latência. Ajuste a velocidade entre 0.25 e 4.0 para otimizar a experiência do usuário final.
- $0,50 de crédito inicial
- Válido por 7 dias
- mp3 para produção, pcm para testes
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.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
