Perguntas frequentes
O que é uma API de voz?
É uma API de texto para fala (TTS) na nuvem. Você envia texto e recebe um arquivo de áudio. O endpoint é POST /v1/audio/speech, com corpo JSON. Funciona com SDKs oficiais da OpenAI ajustando o base_url para https://api.tk89.info/v1.
Como funciona a API de voz?
Envie texto via POST para /v1/audio/speech. Especifique model, input, voice, response_format e speed. Autentique com Bearer tts-... A API retorna o arquivo de áudio sintetizado. Use GET /v1/voices para listar vozes disponíveis e seus formatos suportados.
Qual a latência da API?
A velocidade é aproximadamente tempo real (25 caracteres por segundo). Frases curtas levam alguns segundos. Longos textos são processados sequencialmente; sob carga, há fila. Não há streaming de áudio parcial, apenas o arquivo completo final.
As vozes soam naturais?
As vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox). Cada arquivo possui uma marca d'água inaudível que o identifica como fala sintética. São vozes consistentes e claras, adequadas para meditação e fitness, sem personalidades artificiais exageradas.
Posso usar em apps iOS e Android?
Sim. Como é uma API REST padrão, funciona em qualquer plataforma que suporte HTTP. Use a SDK da OpenAI ou requisições diretas. Não há SDK nativo específico para mobile, mas a integração é via endpoints web padrão.
Qual o custo para 1 hora de áudio?
O custo é $0,01 por 1.000 caracteres. Para estimar 1 hora, considere a velocidade de geração. O preço é baseado em caracteres enviados, incluindo espaços. Não há custo fixo por minuto de áudio, apenas por volume de texto processado.
Há limite de requisições?
Sim, 60 requisições por minuto por chave. Antes do primeiro recarga, o limite é de 10 por minuto. Exceder o limite resulta em erro. Cada conta tem uma chave ativa, que pode ser substituída a qualquer momento.
Os dados são seguros?
O texto de entrada é usado apenas para gerar o áudio e não é usado para treinamento. O áudio gerado é retornado na resposta e não é armazenado. Metadados de requisição são mantidos apenas para faturamento. Sem garantias de SLA ou certificações específicas.
Posso usar para apps comerciais?
Sim, não há restrições de uso comercial. O modelo é baseado em dados de domínio público (LibriVox) e licenciamentos CC BY 4.0. Não há necessidade de contratos enterprise ou pagamentos recorrentes, apenas crédito pré-pago via USDT.
Qual a diferença entre tts-1 e tts-1-hd?
Ambos usam o mesmo motor de síntese e têm o mesmo preço. A diferença é apenas a nomenclatura do modelo. Ambos aceitam os mesmos parâmetros e produzem áudio de alta qualidade, adequado para narrativas de meditação e fitness.
Os formatos FLAC são necessários?
Não são necessários, mas disponíveis. Você pode escolher entre mp3, wav, opus, flac ou pcm. FLAC oferece perda zero, mas arquivos maiores. Para apps móveis, mp3 ou opus são mais eficientes em largura de banda e armazenamento.
Posso mudar a velocidade da voz?
Sim, o parâmetro speed aceita valores entre 0.25 e 4.0. Isso permite ajustar o ritmo da narração para meditação (mais lento) ou treinos intensos (mais rápido). A velocidade afeta diretamente o tempo de geração e o número de caracteres processados.
Há suporte para SSML?
Não. A API aceita apenas texto simples no campo input. Não há suporte para marcação SSML, dicionários de fonemas ou controle fino de pronúncia. A entonação é determinada automaticamente pelo modelo baseado no contexto do texto fornecido.
Qual o idioma mais natural?
Todos os 23 idiomas suportados usam as mesmas 8 vozes. A naturalidade depende da voz escolhida, não do idioma. Para textos em latim não inglês, defina o parâmetro language explicitamente para evitar detecção automática incorreta.
Critérios de escolha
Para apps de meditação e fitness, a consistência é crítica. A API processa requisições em fila, gerando áudio em velocidade aproximada de tempo real (25 caracteres por segundo), ideal para sessões contínuas.
Latência e velocidade
O tempo de geração é previsível, mas sob carga, as requisições aguardam na fila. Para textos longos, a divisão automática em partes de 4096 caracteres garante entrega contínua.
Qualidade da voz
Vozes naturais, baseadas em gravações licenciadas (LibriTTS-R), oferecem clareza essencial para instruções de meditação. A marca d'água inaudível identifica o áudio como sintético, mantendo a honestidade técnica.
Custo por caractere
O modelo é puramente baseado em volume: $10 por 1 milhão de caracteres. Espaços e pontuação contam. O custo é linear e previsível, sem surpresas em assinaturas complexas.
Comparação de preços
A API cobra $10 por milhão de caracteres, independente do tempo de geração. Isso elimina a complexidade de calcular minutos de áudio, comum em concorrentes. Você paga apenas pelo volume de texto processado, com clareza total na fatura.
Para sessões longas, o custo é linear e previsível. Não há penalidades por duração ou formatos. O sistema processa as requisições em fila, garantindo que cada caractere seja cobrado exatamente uma vez, sem surpresas no final do mês.
Modelo por caractere vs minuto
A cobrança é baseada estritamente em caracteres, incluindo espaços e pontuação. Diferente de APIs que cobram por segundo de áudio final, aqui o preço é fixo por unidade de texto enviada. Isso simplifica o cálculo de custo para projetos de meditação com durações variáveis.
Um caractere custa $0,00001. Isso permite prever exatamente quanto uma sessão de 500 palavras custará antes mesmo de enviar a requisição, facilitando o controle de orçamento em startups de bem-estar.
- $10 por 1 milhão de caracteres
- Espaços e pontuação contam como caracteres
- Sem cobrança por segundos de áudio
Custo para sessões longas
Textos longos são divididos em partes de até 4096 caracteres pelo cliente. Cada parte gera um arquivo de áudio separado, mas o custo total é a soma simples dos caracteres processados. Não há taxa adicional por divisão ou concatenação.
A velocidade média é de cerca de 25 caracteres por segundo. Embora o processamento seja sequencial, o custo permanece constante independentemente do tempo de espera na fila, garantindo previsibilidade financeira mesmo em picos de uso.
- Divisão automática a cada 4096 caracteres
- Custo linear independente da duração
- Sem taxas ocultas de processamento
Crédito gratuito disponível
Novos usuários que fazem login com Google recebem $0,50 de crédito, equivalente a aproximadamente 50.000 caracteres. O crédito é válido por 7 dias, permitindo testes reais de integração sem compromisso financeiro imediato.
Para contas criadas com email e senha, não há crédito inicial. A recarga mínima é de $5 via USDT (TRC-20), com crédito automático em minutos. O saldo não expira e não há mensalidades fixas.
- $0,50 grátis com login Google
- Válido por 7 dias
- Recarga mínima de $5 via USDT
Qualidade de áudio
A qualidade das vozes varia entre presets específicos, como Luna para narrativas suaves ou Sage para instruções calmantes, oferecendo clareza consistente para meditações. Não há variação emocional dinâmica, mas o tom é estável e previsível, ideal para apps de bem-estar que exigem uniformidade.
Vozes naturais vs robóticas
As vozes são baseadas em gravações licenciadas do LibriTTS-R e do LibriVox, resultando em um som natural, mas distinto de clones humanos. A entonação é uniforme, evitando flutuações inesperadas que podem distrair durante exercícios de respiração ou histórias para dormir.
Marca d'água sintética
Cada arquivo gerado carrega uma marca d'água inaudível que identifica o conteúdo como fala sintética. Isso permite a detecção automatizada de conteúdo gerado por IA sem impactar a experiência auditiva do usuário final.
Formatos de alta qualidade
A API suporta MP3, WAV, OPUS, FLAC e PCM. Para apps móveis, OPUS ou MP3 oferecem a melhor relação entre qualidade e largura de banda. WAV e FLAC são ideais para pós-produção ou arquivos locais de alta fidelidade.
- MP3 e OPUS para streaming eficiente
- WAV e FLAC para alta fidelidade
- PCM para processamento bruto
Facilidade de integração
Integre a Narrador Fit em minutos usando o SDK da OpenAI. Basta alterar o base_url para https://api.tk89.info/v1 e definir o cabeçalho Authorization. O formato de requisição JSON é idêntico, garantindo compatibilidade imediata com suas stacks existentes sem necessidade de adaptações complexas.
SDK OpenAI nativo
Utilize bibliotecas padrão da indústria. A consistência da interface POST /v1/audio/speech permite reutilizar clientes HTTP ou SDKs já implementados, reduzindo o tempo de onboarding de novos desenvolvedores.
Documentação técnica
Acesse /docs para especificações exatas de endpoints, parâmetros obrigatórios e exemplos de respostas. A documentação é técnica, focada em campos JSON e códigos de status HTTP.
Exemplos de código
Curl e Python estão disponíveis no painel /get-api-key/. Execute curl diretamente para testar latência ou integre via biblioteca Python/Node.js em menos de 10 linhas de código.
- Autenticação via Bearer Token
- Parâmetros: model, input, voice
- Retorno: arquivo de áudio binário
Limites técnicos
O endpoint de síntese aceita no máximo 4096 caracteres por requisição. Isso exige que textos longos, como sessões de meditação, sejam divididos logicamente antes do envio.
Limite de 4096 caracteres
Cada chamada POST para /v1/audio/speech processa apenas até esse limite. Caracteres incluem espaços e pontuação. Para narrativas extensas, o cliente deve implementar a lógica de chunking.
Gestão de filas
Requisições são processadas sequencialmente. Sob carga, uma solicitação pode aguardar na fila antes do início da síntese. A latência aumenta conforme o volume de requests simultâneos.
Concatenação de áudio
O cliente é responsável por juntar os arquivos de áudio gerados para cada fragmento de texto. A API retorna o áudio individual por chamada, sem mesclagem nativa.
Idiomas suportados
Nossa API suporta 23 idiomas, incluindo português, espanhol e mandarim. Cada voz pode falar qualquer um dos idiomas listados, garantindo consistência acústica em projetos multilíngues.
23 idiomas disponíveis
..
- Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish
Suporte a português
Tanto o português brasileiro quanto o europeio são cobertos pelas vozes padrão. A clareza é otimizada para meditação e instruções de fitness, sem necessidade de configurações específicas.
Detecção automática
Se o campo language não for definido, o sistema detecta o idioma pelo script (padrão para inglês em caracteres latinos). Para textos em português com caracteres latinos, defina language: "pt" para evitar erros de pronúncia.
Casos de uso específicos
Narrações consistentes são críticas para apps de meditação e bem-estar. A API fornece áudio claro em 23 idiomas, ideal para sessões guiadas, exercícios de respiração e sleep stories, sem latência perceptível.
Meditações guiadas
A voz clara de 'Luna' ou 'Sage' garante foco durante os exercícios. Cada solicitação processa até 4096 caracteres, gerando áudio em formatos MP3 ou WAV para integração rápida em apps móveis.
Exercícios de respiração
O controle de velocidade (0.25–4.0) permite sincronizar a narração com contagens respiratórias. A latência é baixa, mas o áudio não inicia imediatamente devido ao processamento sequencial.
Sleep stories

Integração com apps móveis
A API REST simplifica a integração em apps móveis de fitness e meditação. Basta enviar o texto via POST para o endpoint de speech e receber o arquivo de áudio diretamente no dispositivo ou no servidor backend.
A baixa complexidade técnica reduz o tempo de desenvolvimento. Não há necessidade de gerenciar conexões WebSocket ou streaming, focando apenas na requisição síncrona padrão que a maioria das bibliotecas HTTP móveis já suporta nativamente.
API REST simples
O endpoint POST https://api.tk89.info/v1/audio/speech aceita JSON padrão. Envie o texto e receba o áudio em formatos como MP3 ou WAV. A estrutura é idêntica à da OpenAI, facilitando a migração ou adaptação inicial.
Não há necessidade de protocolos complexos. A resposta retorna o arquivo binário, permitindo cache eficiente no app para sessões de meditação repetitivas.
- Endpoint único para síntese
- Resposta direta em JSON ou binário
- Suporte a MP3, WAV, OPUS, FLAC, PCM
Baixa complexidade
A integração exige apenas uma chamada HTTP com a chave Bearer no header. A lógica de split para textos longos (>4096 caracteres) pode ser implementada no client ou no backend, garantindo flexibilidade.
O controle de velocidade (speed entre 0.25–4.0) permite ajustar a narração para exercícios de respiração ou meditações guiadas sem processamento de áudio adicional no dispositivo.
- Autenticação via Bearer token
- Controle de velocidade simples
- Sem estado de sessão
Sem dependências pesadas
Não há SDK proprietário ou biblioteca nativa obrigatória. Use qualquer cliente HTTP padrão do iOS, Android ou React Native. Isso mantém o tamanho do app reduzido e evita conflitos de versão.
A ausência de dependências pesadas acelera o build time e reduz o consumo de memória no dispositivo, crucial para apps de bem-estar que precisam ser leves e rápidos.
- Qualquer HTTP client funciona
- Sem SDK proprietário
- Tamanho mínimo do app
Suporte técnico
O suporte é exclusivamente por e-mail, sem números de telefone nem chats ao vivo. Essa abordagem reduz custos operacionais e mantém a simplicidade, focando no que realmente importa para o desenvolvimento: estabilidade e clareza.
Não há garantias de SLA ou contratos empresariais específicos. O sistema de status HTTP fornece feedback imediato sobre falhas, permitindo que você ajuste a lógica de retry sem depender de equipes humanas para cada incidente.
Suporte por email
Envie suas dúvidas ou reportes de bugs diretamente para o e-mail listado no rodapé. Não há filas de atendimento telefônico ou chat em tempo real, garantindo que cada mensagem seja analisada com atenção técnica.
Respostas são fornecidas por engenheiros, não por agentes genéricos. Isso acelera a resolução de problemas específicos de integração com a API Narrador Fit.
- Único canal de comunicação: e-mail.
- Sem chat ao vivo ou telefone.
- Suporte técnico direto, não comercial.
Documentação clara
A documentação técnica está disponível na raiz do site e inclui exemplos práticos de integração. Você encontrará especificações exatas dos endpoints, formatos de resposta e limites de taxa desde o primeiro acesso.
Os exemplos de código seguem o padrão da API OpenAI, facilitando a migração ou uso imediato com SDKs existentes.
Tudo o que você precisa saber sobre parâmetros, erros e formatação está centralizado e atualizado.
Status de requisição
Cada resposta da API retorna um código HTTP claro. Requests bem-sucedidos retornam 200 com o arquivo de áudio. Erros de autenticação ou limite de caracteres retornam códigos 4xx apropriados.
Isso permite que você automatize o tratamento de falhas. Se a síntese falhar, o crédito é devolvido e você pode retryar imediatamente sem custo adicional.
Monitore o status do seu serviço através da resposta HTTP, sem necessidade de consultar painéis de status externos.
Privacidade de dados
Para startups de bem-estar, a privacidade é um diferencial técnico crítico. A API Narrador Fit processa texto e áudio com transparência sobre o ciclo de vida dos dados, garantindo que a informação do usuário permaneça controlada.
O texto enviado é utilizado exclusivamente para a síntese da voz no momento da requisição. Após a geração do arquivo de áudio, ele não é persistido em nossos servidores, reduzindo a superfície de armazenamento.
Texto não é treinado
O conteúdo textual enviado via API é processado apenas para gerar o áudio correspondente. Esses textos não são utilizados para treinar ou melhorar modelos de linguagem, garantindo que a propriedade intelectual do usuário permaneça isolada.
Áudio não é armazenado
Os arquivos de áudio gerados são retornados na resposta HTTP e não são armazenados de forma persistente por nós. Isso elimina o risco de vazamento de gravações de meditações ou exercícios guiados armazenados em nossos bancos de dados.
Metadados para billing
Para garantir a precisão da faturamento, mantemos metadados básicos da requisição, incluindo timestamp, número de caracteres processados e status (sucesso ou falha). Esses dados são estritamente necessários para o cálculo da conta e não contêm o conteúdo do áudio.
Escalabilidade
A API não impõe limites de usuários simultâneos ou planos de capacidade fixa. Você pode atender milhares de sessões de meditação ou exercícios de respiração sem precisar negociar upgrades de infraestrutura com a provedora.
A escalabilidade é puramente funcional e baseada no consumo. Não há picos de custo surpresa nem necessidade de provisionamento antecipado de servidores para lidar com horários de pico, como manhãs ou finais de semana.
Sem limite de usuários
Não há restrição no número de contas ou instâncias que podem consumir a API simultaneamente. Cada chave de API opera dentro dos limites de taxa (60 requisições por minuto), permitindo que você escale horizontalmente conforme a demanda dos seus usuários finais.
Pague pelo uso
O custo é estritamente proporcional aos caracteres processados ($0,01 por 1.000 caracteres). Se seus usuários não gerarem áudio, não há custo. Não existem mensalidades obrigatórias, taxas de licenciamento por assento ou custos mínimos garantidos, mantendo o custo fixo previsível.
- Sem custos fixos de infraestrutura TTS
- Cobrança apenas por caractere gerado com sucesso
Crescimento linear
Seu custo de operação cresce linearmente com o volume de áudio entregue. Diferente de modelos com tiers de capacidade, aqui cada milhar de caracteres adiciona um valor fixo e conhecido à sua fatura, facilitando o cálculo de unit economics para apps de fitness e bem-estar.
Conclusão para devs
Narrações consistentes são críticas para apps de bem-estar. A API remove a complexidade de infraestrutura, permitindo que você foque na experiência do usuário.
Foco na engenharia
Integre com SDKs OpenAI ou HTTP padrão. Sem dependências pesadas ou SDKs proprietários para manter. A estrutura de requisição é simples e direta.
Custo previsível
Pague apenas $0,01 por mil caracteres. Sem planos mensais ou custos fixos. O saldo não expira e falhas na síntese são gratuitas, garantindo eficiência.
Integração rápida
Endpoints RESTful com documentação clara. Suporte técnico via email para resolver dúvidas específicas. Comece a gerar áudio em minutos, sem complexidade desnecessária.
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Requisições falhas são gratuitas e o crédito é estornado automaticamente.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
