Texto para Fala Online — Vozes Neurais

No total, 126 vozes em 34 idiomas, de cinco fontes: vozes na nuvem da Microsoft, as nossas vozes de servidor, vozes HD geradas pelo navegador e vozes de estúdio da OpenAI e da Yandex pagas em tokens. No idioma desta página há 42 vozes; cada idioma tem o seu conjunto — a tabela «Idiomas e vozes disponíveis» abaixo mostra quantas.

Seu texto é enviado ao nosso servidor, que se conecta ao serviço de fala neural da Microsoft via WebSocket seguro para gerar o áudio.

O limite depende da conta, então não há um número único: sem entrar — 3 000 caracteres por síntese e 3 000 por dia; com Premium — 30 000 por síntese e 100 000 por dia. O seu saldo atual aparece sempre abaixo do campo, e o próprio campo corta textos maiores que o seu limite. Para textos maiores, divida em partes que caibam no seu limite, gere cada uma e junte os MP3 com a nossa junção de áudio.

Pausas, sim, e com precisão: escreva [pause 3s] entre frases e o serviço insere uma pausa exatamente dessa duração (de 0,1 a 30 segundos — útil para exercícios, meditação, instruções passo a passo); /pause/ dá uma pausa curta. Enfatizar uma única palavra por marcação não é suportado nas vozes padrão — para uma leitura emotiva, escolha um estilo de fala nas configurações ou uma voz premium com 'Entonação'.

MP3 para tudo o que você vai publicar ou enviar; WAV se a fala vai para um editor e será cortada, sobreposta ou processada mais adiante. A fala em si chega como MP3 a 24 kHz, que é a taxa de amostragem em que a voz foi gerada; escolher WAV no download converte isso na página em vez de buscar um original melhor, então não acrescenta detalhe que nunca existiu. O que ele dá é evitar uma segunda rodada de codificação com perdas quando você reexportar do seu editor. Para um podcast ou um vídeo, o MP3 na taxa mais alta é indistinguível e ocupa um décimo.

A detecção automática funciona melhor com frases (3+ palavras). Para texto muito curto ou conteúdo em idiomas mistos, selecione o idioma manualmente no dropdown. A ferramenta detecta o idioma analisando intervalos de script Unicode e padrões comuns de palavras.