Adam
MasculinaInglês (Reino Unido)
ReadSpeaker speechCloud API
API de conversão de texto em fala para qualquer aplicativo, dispositivo ou fluxo de trabalho
Envie texto para um único endpoint REST e receba voz natural em 90 idiomas e 300 vozes. SSML, pronúncia personalizada e seis formatos de áudio, prontos para produção desde a primeira chamada.
Já é cliente? Faça login no Portal do Cliente- 90 idiomas
- 300 vozes
- Sediada na UE, GDPR, ISO 27001
A escolha de 12.000 clientes em todo o mundo
Experimentar uma voz
Ouça o que sua API vai retornar
Quatro vozes em quatro idiomas. O mesmo mecanismo que você vai integrar pela API.
Roxane
FemininaFrançais (France)
Lena
FemininaDeutsch (Deutschland)
Sayaka
Feminina日本語 (Japan)
Quer uma voz personalizada ou um idioma que não está na lista? Ver todas as 300 vozes →
Casos de clientes
Marcas que criam produtos de voz com a ReadSpeaker
Sonos
A abordagem da ReadSpeaker à voz personalizada é inovadora e extremamente rigorosa, exatamente o que precisávamos para este projeto.
Ler o caso completo
Geração de voz na nuvem
Em tempo real ou em lote, onde quer que seu produto precise de voz
A speechCloud API é um serviço de conversão de texto em fala na nuvem, de servidor para servidor. Chame-a dentro do seu próprio aplicativo para gerar áudio na hora para os usuários finais, ou para produzir áudio em massa para reprodução posterior. Ela substitui gravações manuais caras e funciona 24 horas por dia, para que você nunca precise hospedar nem dimensionar um mecanismo de conversão de texto em fala.
Aplicativos e dispositivos em tempo real
Adicione conversão de texto em fala a um aplicativo móvel, a um carro conectado, a um aparelho médico ou industrial, a um dispositivo vestível ou a um quiosque. Transmita áudio sob demanda sem incluir um mecanismo de conversão de texto em fala no dispositivo, para que o espaço ocupado e o consumo de bateria continuem baixos. Receba voz natural em 90 idiomas com uma única chamada REST.
Produção de áudio em lote
Produza áudio em massa para cursos de e-learning, avaliações, conteúdos de treinamento, audiolivros, audioguias e diálogos para filmes ou animações. O áudio transmitido pode ser servido aos usuários finais a partir da sua própria infraestrutura, quando seu contrato permitir. Os dicionários de pronúncia personalizados garantem que nomes de marca e termos técnicos sejam lidos corretamente em todas as faixas.
Telefonia, IVR e agentes de voz
Dê voz natural a sistemas telefônicos, centrais de atendimento e agentes de voz baseados em LLM. Os formatos de saída A-law e μ-law são os codecs G.711 usados em sistemas de telefonia. Use SSML para controlar o ritmo, mudar de idioma no meio do texto e pronunciar nomes de marca a partir do seu dicionário personalizado. Os canais simultâneos em tempo real acompanham seu contrato.
Funcionalidades
Conversão de texto em fala em produção, de ponta a ponta
Tudo o que seu produto precisa para responder por voz.
90 idiomas, 300 vozes
Escolha em um catálogo de vozes profissional e abrangente, por idioma. As vozes são licenciadas individualmente; você pode adicionar mais a qualquer momento.
Entrada em SSML
Use SSML para pausas, transcrições fonéticas e mudança de voz ou de idioma dentro de um mesmo texto. A marcação SSML padrão é suportada.
Dicionários de pronúncia personalizados
Cada cliente pode editar um dicionário específico de cada voz no portal do cliente, para controlar como são pronunciados os nomes de marca, os termos técnicos e as palavras incomuns. Os linguistas da ReadSpeaker podem corrigir pronúncias erradas mediante solicitação.
Dados de sincronização (RSDS)
O RSDS retorna o áudio e as marcas de sincronização em uma única resposta, o que economiza créditos em comparação com duas chamadas separadas. É útil para destacar palavras e frases na sua interface. Disponível apenas em MP3 a 48 kbps e não em todas as vozes.
Seis formatos de saída de áudio
MP3 (16, 24, 32, 48, 64, 128 kbit/s), Ogg VBR, μ-law, A-law, PCM raw, WAV. PCM e WAV a 22050, 16000 ou 8000 Hz, com 16 bits de profundidade. Definido por pedido através dos parâmetros da API.
Streaming ou download
Defina streaming=1 para começar a reprodução assim que o áudio estiver pronto, ideal para uso ao vivo. Ou receba o arquivo finalizado em um único download.
API REST sobre HTTPS
Chave de API incluída em cada chamada. Consulte os idiomas disponíveis, as vozes, o uso atual e os créditos restantes pela mesma interface REST.
Portal do cliente SCAPI
Edite seu dicionário de pronúncia, acompanhe o uso e os créditos restantes, e crie uma nova chave de API assim que suspeitar de uso indevido, tudo em um único portal.
Infraestrutura hospedada e redundante
Hospedada pela ReadSpeaker em um ambiente de alta segurança, com redundância e recuperação automática. Nada para baixar ou instalar.
Experimente na sua infraestrutura
Do texto ao áudio em um único pedido
Veja como é uma chamada em quatro linguagens. Autentique-se com sua chave de API, enviada em cada pedido.
# Sintetizar uma frase em MP3 (48 kbps)
curl -X POST "https://0-tts-readspeaker-com.midhudsonlibraries.org/a/eg/v2.0" \
-d "key=YOUR_API_KEY" \
-d "voice=Adam" \
-d "lang=en_uk" \
-d "audioformat=mp3" \
-d "audiobitrate=48" \
-d "text=Welcome to ReadSpeaker." \
--output speech.mp3
# Com SSML, trocando de idioma no meio do texto
curl -X POST "https://0-tts-readspeaker-com.midhudsonlibraries.org/a/eg/v2.0" \
-d "key=YOUR_API_KEY" \
-d "voice=Adam" \
-d "lang=en_uk" \
-d "input=ssml" \
--data-urlencode 'text=<speak>Hello, <voice name="Roxane" xml:lang="fr-FR">bonjour</voice>.</speak>' \
--output greeting.mp3# Python 3, biblioteca requests
import requests
resp = requests.post(
"https://0-tts-readspeaker-com.midhudsonlibraries.org/a/eg/v2.0",
data={
"key": "YOUR_API_KEY",
"voice": "Adam",
"lang": "en_uk",
"audioformat": "mp3",
"audiobitrate": 48,
"text": "Welcome to ReadSpeaker.",
},
)
if resp.status_code == 200:
with open("speech.mp3", "wb") as f:
f.write(resp.content)
else:
print("Error:", resp.status_code, resp.text)// Node.js 18+, fetch nativo + fs/promises
import { writeFile } from "node:fs/promises";
const body = new URLSearchParams({
key: "YOUR_API_KEY",
voice: "Adam",
lang: "en_uk",
audioformat: "mp3",
audiobitrate: "48",
text: "Welcome to ReadSpeaker.",
});
const resp = await fetch("https://0-tts-readspeaker-com.midhudsonlibraries.org/a/eg/v2.0", {
method: "POST",
body,
});
if (!resp.ok) throw new Error(`SCAPI ${resp.status}`);
await writeFile("speech.mp3", Buffer.from(await resp.arrayBuffer()));<?php
// PHP 8, cURL
$ch = curl_init("https://0-tts-readspeaker-com.midhudsonlibraries.org/a/eg/v2.0");
curl_setopt_array($ch, [
CURLOPT_POST => true,
CURLOPT_POSTFIELDS => http_build_query([
"key" => "YOUR_API_KEY",
"voice" => "Adam",
"lang" => "en_uk",
"audioformat" => "mp3",
"audiobitrate" => 48,
"text" => "Welcome to ReadSpeaker.",
]),
CURLOPT_RETURNTRANSFER => true,
]);
$audio = curl_exec($ch);
$code = curl_getinfo($ch, CURLINFO_HTTP_CODE);
curl_close($ch);
if ($code === 200) {
file_put_contents("speech.mp3", $audio);
} else {
error_log("SCAPI error: $code");
}O formato do endpoint é ilustrativo. Consulte a Especificação do produto (abre em uma nova aba) e a documentação do Portal do Cliente para ver a URL atual do endpoint e os nomes dos parâmetros.
Especificações técnicas
Todas as especificações que sua análise de segurança vai querer saber
Autenticação, transporte, cobertura de idiomas, limites de taxa e formatos de áudio. As respostas de que suas equipes de segurança e operações precisam antes da integração.
| Especificação | Valor |
|---|---|
| Autenticação | Chave de API, incluída em cada pedido |
| Transportes | REST sobre HTTPS |
| Idiomas suportados | 90 idiomas |
| Vozes disponíveis | 300 vozes |
| Texto máximo por pedido | 5000 caracteres (excluindo espaços em branco), por padrão |
| Limite de uso previsto | ≤ 25 000 pedidos/dia · picos ≤ 2000 pedidos em uma única hora |
| Formatos de saída de áudio | MP3 · Ogg VBR · μ-law · A-law · PCM · WAV |
| Taxas de bits do MP3 | 16, 24, 32, 48, 64, 128 kbit/s |
| Frequências de amostragem PCM / WAV | 22050, 16000, 8000 Hz a 16 bits |
| Codificação de entrada | UTF-8 recomendado; as codificações mais comuns são suportadas |
| Suporte a SSML | Sim: pausas, transcrições fonéticas e mudança de voz ou de idioma no meio do texto |
| Dados de sincronização (RSDS) | Áudio e sincronização em uma só resposta · atualmente apenas MP3 a 48 kbit/s · nem todas as vozes |
| Modo de transmissão | streaming=1 (padrão) → redirecionamento para o servidor de streaming; streaming=0 → arquivo entregue após a geração completa |
| Regras de armazenamento do áudio | Sem armazenamento, reutilização ou redistribuição, salvo acordo explícito na confirmação do pedido |
| Integração com telefonia | Formatos de saída A-law e μ-law (codecs G.711) |
| Documentação | Especificação do produto (PDF) |
Preços
Pague o que gerar, cresça quando precisar
A speechCloud API usa um modelo de créditos. Os créditos de produção são solicitados ao seu Gerente de Conta ReadSpeaker e adicionados à sua conta pela equipe de suporte da ReadSpeaker. As contas novas normalmente recebem uma quantidade limitada de créditos de avaliação para os primeiros testes.
Comece gratuitamente: as novas contas normalmente recebem créditos de avaliação. Solicite acesso pelo formulário de contato.
Credits
speechCloud API
Modelo de créditos1 crédito = 1 caractere, excluindo espaços em branco
Como funcionam os créditos
- 1 crédito = 1 caractere, excluindo espaços em branco, incluindo quaisquer alterações resultantes das entradas do dicionário de pronúncia
- Variante por segundo de fala disponível na confirmação do pedido, para um custo previsível em áudios longos
- Créditos de avaliação na abertura da conta para você avaliar antes de se comprometer
A capacidade licenciada é medida por
- Número de caracteres durante o período do contrato
- Número de pedidos e tempo total de fala
- Canais simultâneos em tempo real para telefonia e casos de uso ao vivo
- Velocidade de geração quando a capacidade de resposta é crítica
Conformidade
Conformidade que você pode entregar diretamente ao seu auditor
A ReadSpeaker é uma organização certificada ISO/IEC 27001:2022, em conformidade com o GDPR, com Cláusulas Contratuais Padrão para as transferências internacionais de dados.
ISO/IEC 27001:2022 (ISO/IEC 27001:2022, gestão da segurança da informação)
Organização ReadSpeaker
GDPR (Regulamento Geral sobre a Proteção de Dados)
Aviso de Privacidade publicado
SCCs da UE (Cláusulas Contratuais Padrão da UE)
Para transferências internacionais
Sediada na UE (Organização sediada na União Europeia)
Sede na Suécia (ReadSpeaker AB, Uppsala)
De acordo com o Aviso de Privacidade da ReadSpeaker, as vozes sintetizadas da ReadSpeaker são modelos de voz combinados que não constituem Informação Pessoal nos termos do GDPR.
FAQ
Perguntas sobre a speechCloud API
A speechCloud API (SCAPI) é uma API REST de conversão de texto em fala hospedada na nuvem, da ReadSpeaker. Você envia texto para os servidores da ReadSpeaker via HTTPS e recebe áudio de alta qualidade no formato que escolher (MP3, Ogg, PCM, WAV, A-law ou μ-law). Ela suporta 90 idiomas e 300 vozes, marcação SSML, dicionários de pronúncia personalizados e dados de sincronização para o destaque sincronizado. Funciona no servidor, sem software para instalar; a integração é feita com uma chave de API e pedidos HTTP.
O webReader e o docReader são produtos para o usuário final, com interface própria. O webReader coloca um botão Ouvir nas páginas HTML do seu site; o docReader faz o mesmo com os documentos que você publica. A speechCloud API não tem interface de usuário. Você a chama de servidor para servidor a partir do seu aplicativo para gerar áudio. Use-a em dispositivos conectados, telefonia e IVR, aplicativos móveis, plataformas de e-learning que produzem áudio, audiolivros ou qualquer produto em que você precise de texto para fala dentro do seu próprio software.
A speechCloud API retorna áudio em seis formatos: MP3 (taxa de bits configurável de 16, 24, 32, 48, 64 ou 128 kbit/s), Ogg VBR, μ-law, A-law, PCM raw e WAV. O PCM e o WAV suportam frequências de amostragem de 22050, 16000 ou 8000 Hz, com 16 bits de profundidade. O formato e os parâmetros de áudio são definidos em cada pedido, por meio dos parâmetros da API.
Cada pedido aceita até 5000 caracteres por padrão, contando tudo exceto os espaços em branco. O serviço padrão é dimensionado para até 25 000 pedidos por dia, com picos de até 2000 por hora. Tem um tráfego mais alto ou constante? Fale com a ReadSpeaker sobre uma configuração dedicada ao seu volume.
Sim. A entrada em SSML é suportada, incluindo pausas, transcrições fonéticas e mudança de voz ou de idioma dentro de um mesmo texto. Também estão disponíveis dicionários de pronúncia personalizados: cada cliente pode editar um dicionário específico de cada voz no portal do cliente, para controlar como são pronunciados os nomes de marca, os termos técnicos ou as palavras incomuns.
Sim. A speechCloud API pode retornar RSDS, que combina o áudio e as informações de sincronização em uma única resposta, economizando créditos em comparação com dois pedidos separados. O RSDS está disponível atualmente em MP3 a 48 kbit/s e não existe para todos os idiomas ou vozes; entre em contato com a ReadSpeaker para conhecer a lista atual.
A speechCloud API funciona com créditos: um crédito cobre um caractere, contando tudo exceto os espaços em branco, mais quaisquer caracteres adicionados pelo seu dicionário de pronúncia. Os créditos de produção são solicitados ao seu Gerente de Conta ReadSpeaker, e as contas novas normalmente começam com créditos de avaliação. Mediante solicitação, está disponível um modelo por segundo de fala. A capacidade pode ser licenciada por caracteres, por pedidos, por tempo de fala, por canais simultâneos ou por velocidade de geração. Entre em contato com a ReadSpeaker para obter um orçamento adequado ao seu volume.
A ReadSpeaker, como organização, é certificada ISO/IEC 27001:2022 e está em conformidade com o GDPR. Todo o tráfego da API usa HTTPS. Para clientes da UE e para transferências internacionais de dados, a ReadSpeaker se baseia nas Cláusulas Contratuais Padrão (SCCs). De acordo com o Aviso de Privacidade da ReadSpeaker, as vozes sintetizadas da ReadSpeaker são modelos de voz combinados que não constituem Informação Pessoal nos termos do GDPR. Os dados de áudio não podem ser armazenados, reutilizados nem redistribuídos, salvo acordo explícito na confirmação do pedido.
A speechCloud API suporta casos de uso em tempo real. Por padrão, os pedidos usam o modo de streaming (streaming=1), em que a resposta redireciona para um servidor de streaming que começa a entregar áudio o mais rápido possível, para o menor tempo até o som. Para entrega em lote, defina streaming=0 e o arquivo é retornado depois de totalmente gerado. O número de canais simultâneos em tempo real faz parte da capacidade que você licenciou e pode ser ajustado na confirmação do pedido.
Crie uma conta na ReadSpeaker. As novas contas normalmente recebem uma quantidade limitada de créditos de avaliação para que você possa testar a speechCloud API. Sua chave de API está disponível no portal do cliente SCAPI e deve ser incluída em cada pedido. As instruções de implementação e uso, os exemplos de código nas linguagens de programação mais comuns e seu dicionário de pronúncia editável também podem ser acessados pelo portal. Entre em contato com a ReadSpeaker para abrir sua conta.
VoiceLab
Precisa de uma voz de marca própria?
A speechCloud API oferece nosso catálogo de vozes profissionais.
Uma voz de marca criada com você em estúdio
Para uma voz de marca totalmente personalizada, criada com você em estúdio, conheça o VoiceLab. Os linguistas computacionais da ReadSpeaker criam vozes de marca desde 1999.