Perguntas frequentes
Qual a melhor voz para notícias?
A voz recomendada para notícias é Atlas. Com uma entonação neutra e direta, ela é ideal para narrativas informativas. Como todas as vozes, Atlas é uma síntese baseada em gravações licenciadas, garantindo consistência e profissionalismo para o seu conteúdo jornalístico ou de atualizações rápidas.
Aria é melhor que Luna?
Não existe uma voz superior à outra; a escolha depende do contexto. Aria oferece uma narração quente e clara, ideal para textos diretos e informativos. Já Luna traz uma voz suave, mais voltada para storytelling e narrativas emocionais. Ambas são vozes femininas válidas dentro da API. Para agências, selecione Aria quando a prioridade for clareza e objetividade, ou Luna quando o objetivo for criar uma atmosfera narrativa mais envolvente.
Orion é muito grave?
Orion é classificada como uma voz profunda, ideal para documentários. Sua tonalidade grave e séria cria uma atmosfera imersiva e dramática. Se seu conteúdo exige seriedade e profundidade sonora, Orion é a escolha técnica adequada, diferenciando-se das vozes mais agudas ou neutras da plataforma.
Posso misturar vozes no mesmo vídeo?
Sim. Você pode gerar arquivos de áudio separados com vozes diferentes usando a API e editá-los juntos. A API não mistura vozes internamente, mas permite múltiplas solicitações. Você controla a transição entre as vozes durante a edição do vídeo, mantendo a consistência do projeto.
As vozes são reais ou sintetizadas?
As vozes são sintetizadas. Cada arquivo gerado carrega uma marca d'água inaudível que identifica o áudio como fala sintética. Elas são baseadas em gravações licenciadas (LibriTTS-R), mas a saída final é gerada por inteligência artificial, não sendo uma gravação humana direta reproduzida.
A voz Nova serve para vídeos sérios?
Nova é descrita como brilhante e animada, o que pode não ser ideal para contextos sérios ou institucionais. Para vídeos mais graves, Atlas (neutro) ou Sage (calmo) são opções mais adequadas. Nova funciona melhor para conteúdos leves, promocionais ou de alta energia, como anúncios dinâmicos.
Milo é adequado para empresas?
Milo é amigável e conversacional, o que pode funcionar para marcas com tom de voz próximo do cliente. Para empresas que buscam neutralidade ou autoridade, Atlas ou Sage podem ser mais apropriados. A escolha depende da identidade da marca: conversacional (Milo) ou formal (Atlas/Sage).
Sage é muito lento?
Sage é descrita como calma e instrucional, não necessariamente lenta. A velocidade é controlada pelo parâmetro speed (0.25–4.0), permitindo ajustar o ritmo conforme necessário. A definição de 'calma' refere-se à entonação, não à velocidade de fala fixa, que você pode acelerar ou desacelerar.
Felix é bom para vendas?
Felix é energético e promocional, sendo uma escolha adequada para vendas. Sua voz clara e dinâmica funciona bem em anúncios de TikTok ou Reels. Para maximizar a conversão, ajuste a velocidade entre 1.2x e 1.5x, mantendo o ritmo ágil sem perder a inteligibilidade, ideal para destacar ofertas e chamadas para ação em vídeos curtos.
As vozes mudam com o tempo?
A: Não. Nossas vozes são baseadas em gravações licenciadas (LibriTTS-R e LibriVox) e mantêm características fixas, como o tom grave de Orion. Não há variação aleatória ou envelhecimento entre gerações. A única alteração possível é a velocidade, ajustada via parâmetro speed na API, que varia de 0.25 a 4.0.
Posso usar a voz em anúncios pagos?
Sim. Não há restrição de uso para anúncios pagos. Como as vozes são baseadas no licenciamento LibriTTS-R e a saída é sintetizada, você pode utilizá-las em campanhas no TikTok, Instagram ou YouTube. Lembre-se de que o áudio gerado contém uma marca d'água sintética inaudível, marcando-o como fala gerada por IA.
A voz funciona em português?
Sim. O português está na lista de 23 idiomas suportados. Você pode definir o parâmetro language para 'pt' para garantir a pronúncia correta. Sem essa definição, o sistema pode assumir inglês para textos em latim. Certifique-se de especificar o idioma para resultados precisos.
Há limite de uso por voz?
Não há limite específico por voz. O limite é de 60 solicitações por minuto por chave de API. Você pode usar qualquer uma das 8 vozes quantas vezes quiser, desde que respeite o limite geral de requisições. O custo é baseado em caracteres, não na voz escolhida.
A voz tem sotaque específico?
As vozes são neutras em relação a sotaques regionais específicos, focando na clareza do idioma especificado. Ao definir o parâmetro language, o sistema otimiza a pronúncia para esse idioma. Não há sotaques marcados (como sulista ou nordestino); o foco é na inteligibilidade padrão do idioma selecionado.
Vozes femininas para narrativas
As narração é o elemento que conecta a narrativa visual ao espectador. Para agências que produzem Reels, TikTok e Shorts, a escolha da voz define o tom emocional do conteúdo desde o primeiro segundo.
Aria: tom narrador clássico
Aria oferece uma voz quente e clara, ideal para narrativas tradicionais. Ela funciona como uma voz-off profissional, mantendo a atenção do usuário sem competir visualmente com a imagem.
Utilize Aria para roteiros que exigem uma entrega serena e confiável. É a escolha padrão para storytelling que precisa de clareza imediata.
- Tom quente e claro
- Ideal para narrativas clássicas
- Excelente para storytelling
Nova: energia para tendências
Nova é a escolha para conteúdos que precisam de impacto imediato. Sua voz vibrante e animada se alinha perfeitamente com as tendências de alta velocidade dos algoritmos atuais.
Use Nova para vídeos dinâmicos, transições rápidas e roteiros que exigem entusiasmo. Ela mantém o engajamento alto em formatos curtos.
- Voz vibrante e animada
- Ideal para tendências
- Mantém o engajamento
Luna: suavidade para histórias
Luna traz uma suavidade distinta, perfeita para narrativas mais íntimas ou emotivas. Sua entrega suave cria uma conexão mais próxima com o público.
Utilize Luna para histórias pessoais, depoimentos ou conteúdos que exigem delicadeza. Ela humaniza o conteúdo sem perder a clareza da mensagem.
- Voz suave e distinta
- Ideal para histórias íntimas
- Cria conexão emocional
Vozes masculinas para impacto
A seleção de vozes masculinas da PlayBuji é projetada para entregar clareza e autoridade em vídeos curtos. Cada preset oferece uma característica vocal distinta, permitindo que agências alinhem o tom da narração exatamente ao formato do conteúdo, seja ele informativo, documental ou conversacional.
Com quatro opções masculinas, é possível variar a identidade sonora dos reels e shorts sem perder a consistência da marca. A escolha correta impacta diretamente na retenção do público, garantindo que a mensagem seja ouvida com a intensidade adequada.
Atlas: neutralidade jornalística
Atlas oferece uma voz neutra e clara, ideal para notícias rápidas ou atualizações de mercado. Sua entrega é direta, sem inflexões excessivas, o que transmite credibilidade imediata ao espectador.
- Ideal para formatos de newsjacking ou updates rápidos
- Tom profissional e isento de viés emocional
- Alta legibilidade em vídeos com texto na tela
Orion: profundidade documental
Com um registro mais grave, Orion é perfeito para storytelling documental ou explicações profundas. A voz carrega uma presença cinematográfica que prende a atenção em narrativas mais longas dentro do formato curto.
Suas inflexões sutis criam uma atmosfera de seriedade, destacando-se em conteúdos que exigem mais peso narrativo.
- Voz grave e envolvente para storytelling
- Adequada para documentários e análises detalhadas
- Transmite autoridade e imersão visual
Milo: conversa autêntica
Milo traz uma voz amigável e próxima, simulando uma conversa real entre amigos. Essa naturalidade é crucial para tutoriais, dicas do dia a dia ou conteúdos de lifestyle que buscam conexão emocional.
A voz de Milo reduz a barreira entre o criador e o espectador, tornando a informação mais digerível e menos artificial.
- Tom conversacional e próximo
- Ideal para dicas práticas e lifestyle
- Aumenta a identificação do público
Felix para promoções e anúncios
A voz Felix é a escolha estratégica para agências que precisam de impacto imediato em anúncios e promoções. Com um tom energético e direto, ela destaca ofertas e cria urgência sem cansar o ouvido do espectador em vídeos de curta duração.
Tom energético e direto
Felix entrega uma performance vibrante que mantém a atenção do público desde o primeiro segundo. Sua entonação é clara e enérgica, ideal para destacar benefícios-chave de produtos ou serviços em poucos segundos de narrativa.
Ideal para calls to action
Para finais de vídeo que exigem conversão, Felix transmite a urgência necessária para um call to action eficaz. A voz guia o usuário para a ação seguinte com clareza, sem a formalidade excessiva de outras vozes masculinas.
Atração de atenção rápida
Em feeds rápidos como TikTok e Reels, a voz de Felix corta o ruído visual. Seu ritmo acelerado, mas articulado, captura o interesse do usuário antes que ele deslize para o próximo conteúdo, otimizando a retenção inicial.
Sage para conteúdo instrucional
Sage é a escolha ideal para conteúdos instrucionais que exigem clareza e didatismo. Com um tom calmo e instrucional, ela transforma explicações técnicas ou tutoriais passo a passo em áudios acessíveis, mantendo o espectador focado no aprendizado sem distrações emocionais excessivas.
Tom calmo e didático
A voz de Sage transmite estabilidade e confiança, sendo perfeita para vídeos educativos onde a precisão da mensagem é mais importante do que a dramatização. Seu timbre neutro mas acolhedor garante que a informação seja absorvida com facilidade, ideal para agências que produzem conteúdos de ensino ou onboarding.
Tutoriais e explicações
Para tutoriais de software, dicas de produtividade ou explicações de conceitos, Sage oferece uma leitura fluida que acompana o ritmo natural da atenção humana. Ela evita a monotonia de vozes muito planas, mantendo um interesse sustentado durante instruções mais longas, sem soar artificial ou exagerada.
Clareza na transmissão de dados
A dicção precisa de Sage garante que números, nomes e termos técnicos sejam articulados corretamente. Isso reduz a necessidade de repetições ou cortes de edição, acelerando a produção de vídeos explicativos para Reels e Shorts onde cada segundo de atenção conta para a retenção do público.
Como escolher a voz certa
A escolha da voz começa na análise do tom do roteiro. Identifique se o texto exige neutralidade jornalística, como Atlas, ou profundidade documental, como Orion. Para narrativas pessoais, opte por Milo ou Orion. A consistência entre o tom escrito e a entrega vocal é essencial para a retenção em formatos curtos.
Analise o tom do roteiro
Roteiros dramáticos beneficiam-se de Luna ou Aria. Já o conteúdo informativo exige a clareza de Sage ou a neutralidade de Atlas. Narrativas pessoais funcionam melhor com Milo ou Orion. A correspondência precisa evita que o áudio soe artificial em relação ao texto.
- Identifique o gênero do texto antes de selecionar a voz.
- Alinhe o tom narrativo com a intenção do roteiro.
Considere o público-alvo
Jovens e tendências respondem melhor à energia de Nova ou Felix. Para um público corporativo ou de notícias, Atlas e Sage transmitem autoridade. Documentários e conteúdos de profundidade exigem a voz grave de Orion ou a abordagem conversacional de Milo. A voz deve ressoar com quem assiste.
- Jovens e tendências: Nova, Felix.
- Corporativo e news: Atlas, Sage.
- Documentários e profundidade: Orion, Milo.
Teste diferentes vozes
Envie trechos do roteiro para múltiplas vozes e compare os resultados. O formato JSON permite ajustes rápidos de velocidade e idioma. Use os 50 mil caracteres da trial para validar qual voz mantém a atenção do espectador nos primeiros segundos do vídeo.
Vozes e idiomas disponíveis
A API da PlayBuji oferece suporte a 23 idiomas, incluindo árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, suaíli, sueco e turco. Vozes como Aria, Nova ou Atlas falam qualquer um desses idiomas com fluência natural.
Cada voz é universal e adapta-se ao idioma selecionado sem necessidade de vozes específicas por língua. O sistema detecta automaticamente o idioma pelo script do texto. Para textos em latim fora do inglês, defina o campo 'language' explicitamente para evitar erros de detecção.
Suporte a 23 idiomas
A lista inclui idiomas de alta demanda para conteúdo global, como inglês, espanhol e português, além de opções como tcheco não sendo suportado, mas polonês e húngaro (via caracteres) ou outros específicos estão cobertos conforme a lista oficial.
Não oferecemos suporte para vietnamita, indonésio, tailandês, ucraniano, romeno, bengali ou outros idiomas não listados. Verifique sempre a compatibilidade antes de iniciar a produção em massa para evitar retrabalho na locução.
- Inglês, Espanhol, Português, Francês, Alemão, Italiano
- Japonês, Coreano, Chinês, Árabe, Hindi
- Sueco, Norueguês, Dinamarquês, Finlandês, Holandês
- Turco, Russo, Polonês, Grego, Hebraico, Suaíli
- Malaio
- Danês
Vozes universais por idioma
As oito vozes (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) são treinadas para pronunciar corretamente os 23 idiomas suportados. Não há vozes dedicadas por idioma; a qualidade da entonação depende do modelo subjacente e da configuração correta de idioma.
Essa abordagem simplifica o fluxo de trabalho de agências que produzem conteúdo multilíngue. Uma única voz pode manter a consistência de marca entre vídeos em inglês, português e japonês, sem precisar gerenciar bibliotecas de vozes separadas.
Detecção automática de script
Se o campo 'language' não for fornecido, o sistema tenta adivinhar o idioma com base nos caracteres do texto. Texto em latim padrão é assumido como inglês por segurança.
Para textos em latim que não são ingleses (como espanhol ou holandês), é essencial definir o parâmetro 'language' explicitamente. Isso garante que a entonação e a pronúncia sigam as regras corretas do idioma alvo, evitando sotaques estranhos ou erros de leitura.
Qualidade de áudio e formatos
Escolher o formato de áudio adequado impacta diretamente no workflow de edição e na otimização de armazenamento das campanhas. A API oferece opções flexíveis para atender às necessidades específicas de cada etapa da produção de conteúdo para TikTok, Reels e Shorts.
MP3 para leveza
O formato MP3 é ideal para entrega final e compartilhamento rápido. Com compactação eficiente, os arquivos ocupam menos espaço no servidor e carregam mais rápido nas plataformas de vídeo, mantendo uma qualidade auditiva aceitável para o consumo final do usuário.
WAV para edição
Para quem precisa editar o áudio posteriormente, o WAV é a escolha técnica. Por ser não comprimido, preserva toda a fidelidade do sinal original. Isso permite ajustes de volume, cortes precisos e aplicação de efeitos sem perda de qualidade na masterização.
OPUS para eficiência
O formato OPUS oferece excelente relação entre qualidade e tamanho de arquivo. É especialmente útil para aplicações que priorizam a eficiência de banda ou onde o armazenamento é limitado, garantindo clareza na narração sem comprometer a performance da entrega.

Velocidade e ritmo
O campo speed na API aceita valores de 0.25 a 4.0, permitindo ajustar o ritmo da síntese para cada tipo de conteúdo. Esse controle é essencial para alinhar a voz gerada ao ritmo visual do vídeo, seja para vídeos mais dinâmicos ou para explicações detalhadas.
A velocidade padrão geralmente soa mais natural, mas ajustes finos podem destacar pausas dramáticas ou acelerar a entrega de informações em calls to action. O texto é processado sequencialmente, respeitando o tempo de geração de cerca de 25 caracteres por segundo em textos longos.
Ajuste de 0.25 a 4.0
Você pode definir a velocidade exata no corpo da requisição JSON. Valores abaixo de 1.0 tornam a fala mais lenta e pausada, enquanto valores acima de 1.0 aceleram a entrega.
Esse parâmetro é independente do modelo escolhido (tts-1 ou tts-1-hd), aplicando-se a todas as 8 vozes disponíveis.
- Valores válidos: 0.25 a 4.0
- Aplicável a todas as vozes e idiomas
Ritmo natural vs acelerado
Ritmos mais lentos (0.75-0.9) podem aumentar a clareza em tutoriais ou conteúdos instrucionais, garantindo que cada palavra seja compreendida.
Ritmos acelerados (1.2-1.5) mantêm o engajamento em conteúdos de entretenimento ou news, onde o tempo de atenção é curto.
- Lento: ideal para didática
- Rápido: ideal para engajamento
Impacto na retenção
Ajustar a velocidade ajuda a sincronizar a narração com cortes de vídeo rápidos, comuns em Reels e Shorts.
Textos muito longos podem parecer monótonos se a velocidade não for variada; usar ajustes sutis mantém o interesse do espectador.
Lembre-se que o processamento é sequencial, então mudanças de velocidade não afetam o tempo de fila, apenas a duração do áudio final.
- Sincronia com cortes visuais
- Variação para evitar monotonia
Licenciamento das vozes
As vozes utilizadas na API PlayBuji derivam de gravações licenciadas sob a base de dados LibriTTS-R, garantindo uma origem clara e verificável para cada timbre vocal disponível na plataforma.
Baseado em LibriTTS-R
O modelo de voz é construído sobre o dataset LibriTTS-R, que agrega milhares de horas de áudio de alta qualidade, servindo como a fundação técnica para a síntese de fala da nossa API.
- Dataset consolidado e validado
- Alta fidelidade de áudio
Licença CC BY 4.0
Todas as vozes são licenciadas sob a Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Essa permissão permite o uso comercial ilimitado, essencial para agências que monetizam conteúdo em larga escala.
- Uso comercial permitido
- CC BY 4.0
Origem LibriVox
As gravações base provêm de leituras de audiolivros do domínio público disponibilizadas pelo LibriVox. Essa origem assegura que as vozes não possuem restrições de direitos autorais complexos, simplificando a conformidade jurídica para seus projetos.
- Audiolivros de domínio público
- LibriVox
Marca d'água e originalidade
Cada arquivo de áudio gerado pela API da PlayBuji carrega uma marca d'água inaudível que identifica o conteúdo como fala sintética. Esse recurso técnico garante a transparência da origem do áudio sem afetar a experiência do ouvinte final.
Identificação de áudio sintético
A marca d'água digital permite que plataformas e ferramentas de detecção identifiquem facilmente que o áudio foi gerado por inteligência artificial. Isso é crucial para a conformidade com as diretrizes de conteúdo de redes sociais como TikTok e Instagram.
- Marca inaudível integrada ao arquivo final
- Compatível com detectores de IA existentes
- Não impacta a qualidade percebida do áudio
Uso comercial permitido
Apesar da presença da marca d'água, o áudio gerado é totalmente permitido para uso comercial. Agências podem utilizar esses áudios em campanhas publicitárias, reels patrocinados e conteúdos de clientes sem restrições adicionais relacionadas à originalidade.
Marca inaudível presente
A tecnologia de watermarking opera em nível de sinal de áudio, permanecendo invisível aos ouvidos humanos. Isso garante que a narrativa soe natural, mantendo a autenticidade da voz selecionada, seja ela Aria, Nova ou Atlas.
Integração técnica fácil
A API de texto para fala da PlayBuji segue o formato de requisição do endpoint de fala do OpenAI. Isso significa que você pode usar os SDKs oficiais do OpenAI em suas integrações, bastando alterar a URL base para https://api.playbuji.com/v1 e utilizar sua chave de API própria.
SDK OpenAI compatível
Utilize bibliotecas padrão do OpenAI em Python, Node.js, Go, Java, C# ou outras linguagens compatíveis com HTTP. A estrutura JSON de entrada é idêntica, facilitando a migração ou a criação de novos fluxos de geração de áudio para seus vídeos curtos.
Endpoints padrão
Envie textos para POST /v1/audio/speech e receba arquivos de áudio. Use GET /v1/voices para listar as 8 vozes disponíveis e GET /v1/models para confirmar os modelos tts-1 e tts-1-hd.
Documentação clara
Toda a referência técnica está disponível em /docs/. Os exemplos de código e a estrutura de resposta são padronizados para reduzir o tempo de integração da sua agência.
Dicas para agências de conteúdo
Agências que produzem volume alto de reels e shorts precisam de consistência auditiva. Definir uma voz padrão por canal ou cliente evita que o público se perca entre diferentes timbres e acelera a aprovação criativa.
Um glossário interno de vozes padroniza a escolha técnica. Isso reduz o tempo de teste e garante que cada projeto mantenha a identidade sonora definida, seja para narrativas ou promos.
A automação da seleção de vozes via API permite escalar a produção sem perder o controle criativo. Basta mapear os estilos de roteiro às vozes pré-definidas no sistema.
Padronize vozes por canal
Defina uma voz principal para cada tipo de conteúdo ou cliente. Isso cria uma identidade sonora reconhecível e evita inconsistências entre vídeos.
Use vozes distintas para diferentes formatos. Por exemplo, Atlas para notícias rápidas ou Luna para storytelling emocional dentro do mesmo canal.
- Defina uma voz principal por cliente ou campanha.
- Mantenha consistência auditiva entre posts consecutivos.
- Evite misturar vozes drasticamente no mesmo feed.
Crie glossário de vozes
Documente qual voz corresponde a qual tom de voz. Liste atributos como 'energetic', 'calm', 'neutral' para facilitar a comunicação com a equipe de criação.
Inclua exemplos de scripts que funcionam bem com cada voz. Isso ajuda novos membros da equipe a fazerem a escolha correta rapidamente.
- Documente o tom de cada voz.
- Liste scripts de exemplo para cada voz.
- Atualize o glossário conforme novas vozes forem testadas.
Automatize a seleção
Use a API para automatizar a escolha da voz com base em tags de roteiro. Isso economiza tempo e garante que a voz escolhida esteja alinhada com o conteúdo.
Integre a seleção de voz no fluxo de trabalho de produção. Isso permite que a equipe se concentre na qualidade do roteiro, não na configuração técnica.
- Mapeie tags de roteiro a vozes específicas.
- Integre a seleção ao fluxo de produção.
- Reduza o tempo de configuração manual.
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Verifique sempre a compatibilidade antes de iniciar a produção em massa para evitar retrabalho na locução.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
