Português (PT)

A conversão de Texto para Voz permite transformar conteúdo escrito em fala usando vozes neurais com prosódia natural. A ferramenta destina-se a criadores de conteúdo, educadores, especialistas em acessibilidade e desenvolvedores que precisam de áudio escalável para vídeos, e-learning, sites e apps. Suporta vários idiomas e vozes, estilos de fala configuráveis e SSML para controle fino, tornando-a adequada para narração, legendas e experiências interativas em várias plataformas.
Conceitualmente, o serviço normaliza o texto de entrada, seleciona idioma e voz, aplica ajustes de prosódia e timing e sintetiza o áudio com um vocoder neural. Aceita entradas estruturadas como text, language_code, voice_id, speaking_rate, pitch e volume_gain, e produz um arquivo de áudio ou streaming em mp3, wav ou ogg. Elementos SSML são interpretados para ajustar ênfase, pausas e pronúnia. Para desenvolvedores, uma API REST ou SDK permite geração em lote, streaming de textos longos e endpoints de progresso/estado.
O valor vem da qualidade, flexibilidade e automação. Usuários geram áudio consistente e acessível em larga escala, otimizam fluxos de narração e ajustam vozes à marca ou público. Casos de uso típicos incluem narração de cursos, vozes para vídeos, intros de podcasts e narrativas acessíveis para sites. Saídas incluem metadados como duração e tamanho do arquivo para facilitar publicação e indexação.