API TTS para Documentos: SDK OpenAI e 23 Idiomas

Por Equipe editorial LeitorJurídico · Atualizado 2026-11-18

Esta página explica como a API do LeitorJurídico converte contratos, petições e relatórios em áudio de forma programática. Você encontrará a documentação técnica, exemplos de código e detalhes sobre integração com SDKs OpenAI para equipes de produtos de tecnologia jurídica.

Aqui você entende o funcionamento das vozes, os 23 idiomas suportados, os formatos de áudio disponíveis e a precisão no processamento de documentos longos. Também explicamos a cobrança transparente por caractere e o método de pagamento via USDT (TRC-20), sem surpresas.

API TTS para Documentos: SDK OpenAI e 23 Idiomas

Perguntas frequentes

O que é um leitor de texto em voz para documentos jurídicos?

É uma API de nuvem que converte texto em áudio via endpoint POST. Envie texto e receba um arquivo de áudio, com SDKs compatíveis e suporte a 23 idiomas. Ideal para equipes de produtos de tecnologia jurídica automatizarem a leitura de contratos e relatórios de forma programática.

Como a API processa textos longos como contratos?

O texto deve ser dividido em partes de até 4096 caracteres. As requisições são processadas sequencialmente; em picos de carga, podem aguardar na fila. O cliente deve concatenar os arquivos de áudio resultantes.

Quais vozes são mais adequadas para leitura legal?

Sage (calma, instrucional) e Atlas (neutra, notícias) são ideais para precisão. Orion (documentário) também serve para narrativas longas. A escolha depende do tom: Sage para instruções claras e Atlas para neutralidade jornalística, garantindo clareza na leitura de termos técnicos.

O texto digitado é usado para treinar o modelo?

Não. O texto de entrada é utilizado exclusivamente para gerar o áudio correspondente. Após a síntese, o áudio é retornado na resposta e não é armazenado. Apenas metadados da requisição (tempo, caracteres, status) são mantidos para fins de faturamento.

Quantos idiomas são suportados?

São 23 idiomas: Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Suaíli, Sueco e Turco. Qualquer voz pode falar qualquer um desses idiomas, garantindo versatilidade.

Posso usar o SDK oficial da OpenAI?

Sim. A API segue o mesmo formato de requisição do endpoint de fala da OpenAI. Basta alterar o base_url para https://api.playf33.com/v1 e usar sua chave de API. Isso permite integração rápida sem necessidade de SDK proprietário.

Qual o limite de caracteres por requisição?

O limite é de 4096 caracteres por requisição. Textos maiores devem ser divididos em partes de até 4096 caracteres. Espaços e pontuação contam como caracteres. Para textos longos, divida o conteúdo e una os arquivos de áudio resultantes.

Como funciona a autenticação da API?

A autenticação é feita via cabeçalho Authorization: Bearer tts-.... Cada conta possui uma chave ativa por vez. Você pode emitir uma nova chave a qualquer momento, e a anterior será invalidada imediatamente, garantindo segurança no acesso aos recursos.

O áudio gerado é armazenado?

Não. O áudio é retornado diretamente na resposta da requisição e não é armazenado em nossos servidores. Apenas os metadados da solicitação, como tempo, número de caracteres e status, são mantidos temporariamente para fins de faturamento e controle de uso.

Qual o tempo médio de geração de áudio?

A velocidade é aproximadamente real-time (25 caracteres por segundo). Textos curtos levam alguns segundos. Como as requisições são processadas sequencialmente, sob carga, pode haver espera na fila. O tempo varia conforme a complexidade e o volume de solicitações simultâneas.

O que acontece se uma requisição falhar?

Requisições falhas são gratuitas. Se a síntese falhar, o valor cobrado é devolvido integralmente ao seu saldo. Isso garante que você não pague por áudio não entregue ou gerado com erro técnico, mantendo a precisão nos seus custos operacionais.

É possível ajustar a velocidade da voz?

Sim. O parâmetro speed aceita valores entre 0.25 e 4.0. Isso permite acelerar ou desacelerar a leitura conforme a necessidade do documento legal. Ajustes finos ajudam na clareza de termos técnicos ou na adaptação ao tempo de apresentação.

Quais formatos de áudio estão disponíveis?

Você pode escolher entre mp3, wav, opus, flac e pcm. Cada formato atende a diferentes necessidades de armazenamento e reprodução. O mp3 é leve, enquanto o wav e flac oferecem alta qualidade, ideal para arquivamento.

Como funciona o pagamento com USDT?

O pagamento é feito via USDT na rede TRON (TRC-20). O mínimo é US$ 5, com crédito automático em minutos. Não há mensalidades, cartões ou faturas. O saldo não expira. A tarifa é $10 por 1 milhão de caracteres.

Primeira solicitação

curl

curl https://api.playf33.com/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Como funciona a conversão

Ilustração de onda sonora para: Como funciona a conversão

A conversão de texto para fala ocorre via endpoint POST https://api.playf33.com/v1/audio/speech. Você envia o texto da petição ou contrato e recebe o arquivo de áudio pronto, de forma programática e integrada ao seu sistema.

A autenticação utiliza o cabeçalho Authorization: Bearer <sua-chave>. A API aceita o mesmo formato de corpo JSON do endpoint de speech da OpenAI, garantindo compatibilidade imediata com SDKs existentes.

Endpoint programático

Endpoint programático

O endpoint POST https://api.playf33.com/v1/audio/speech processa requisições JSON e retorna o áudio sintetizado. Ele aceita campos como model, input, voice, response_format e speed, seguindo a estrutura padrão do ecossistema OpenAI.

  • Endpoint único para síntese de áudio
  • Requisição via HTTP POST
  • Retorno do arquivo de áudio no corpo da resposta

Formatação JSON

O corpo da requisição deve ser um objeto JSON contendo o texto a ser convertido (até 4096 caracteres) e a voz desejada. Campos opcionais como language e speed permitem ajustes específicos para o contexto jurídico.

Qualquer chave de autenticação válida permite o envio de múltiplas requisições simultâneas, respeitando o limite de 60 pedidos por minuto.

Autenticação segura

Cada conta possui uma chave ativa (tts-...) enviada no cabeçalho Authorization. Caso necessário, você pode emitir uma nova chave a qualquer momento; a anterior é invalidada instantaneamente.

A segurança é gerenciada diretamente pelo painel da conta, sem necessidade de tokens de acesso externos ou fluxos complexos de OAuth para integrações backend.

Vozes naturais para leitura legal

Ilustração de onda sonora para: Vozes naturais para leitura legal

A clareza na leitura de contratos e petições é essencial para equipes jurídicas. Nossas vozes são baseadas em gravações licenciadas e podem ser usadas para ler termos técnicos, mantendo o ritmo natural da linguagem formal.

Vozes femininas

Opções como Aria, Nova, Luna e Sage oferecem tons que variam da narração clara até a narrativa suave. Elas são ideais para relatórios extensos, onde a distinção entre parágrafos e a ênfase em cláusulas específicas devem ser compreensíveis ao ouvinte.

Vozes masculinas

Atlas, Orion, Felix e Milo fornecem neutros para notícias ou profundos para documentários. Atlas é particularmente eficaz para leitura de listas de itens ou jurisprudência, enquanto Milo traz uma leveza conversacional para apresentações internas.

Estilo narrativo

Cada voz é baseada em gravações licenciadas, garantindo naturalidade sem soar robótica. A marca d'água inaudível identifica o áudio como sintético, mas o estilo mantém o foco no conteúdo do documento legal.

Idiomas suportados

Ilustração de onda sonora para: Idiomas suportados

A API suporta 23 idiomas, incluindo inglês, espanhol, português, alemão e francês. Qualquer voz disponível pode ser utilizada em qualquer um desses idiomas, garantindo consistência na leitura de contratos e petições, independentemente do idioma do texto original.

Idiomas principais

Além dos principais, oferecemos suporte para árabe, chinês, dinamarquês, finlandês, grego, hebraico, hindi, japonês, coreano, malaio, norueguês, polonês, russo, sueco e turco. Isso permite que equipes internacionais ou com documentos multilíngues utilizem uma única integração para todas as necessidades de síntese de voz.

  • Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Alemão, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Swahili, Sueco, Turco.

Configuração de idioma

Para textos em latim que não são em inglês, é recomendável definir explicitamente o campo language no corpo da requisição. Isso evita ambiguidades na pronúncia e garante a precisão na leitura de termos técnicos ou nomes próprios que possam ser interpretados incorretamente pelo modelo padrão.

Detecção automática

Se o campo language não for informado, o sistema tenta adivinhar o idioma baseado no script do texto. Para textos em latim sem configuração explícita, o padrão é inglês. Isso facilita o uso rápido, mas pode não ser ideal para documentos jurídicos multilíngues ou específicos.

Formatos de áudio

Ilustração de onda sonora para: Formatos de áudio

O formato de áudio define como seus sistemas interpretam o resultado da síntese. Cada formato atende a uma necessidade técnica diferente, desde a integração em interfaces web até a arquivamento de documentos legais.

A escolha correta garante compatibilidade com seus players e eficiência no armazenamento, sem perder a clareza da voz.

MP3 para web ['Formato compacto e universalmente suportado por navegadores e aplicativos móveis. Ideal para reprodução em tempo real dentro de dashboards de produto ou visualizações rápidas de petições.', 'Oferece o melhor equilíbrio entre qualidade de áudio e tamanho de arquivo, reduzindo o tempo de carregamento em ambientes com latência variável.'] ['Suporte nativo em HTML5 e JS', 'Tamanho de arquivo reduzido']

WAV para alta qualidade ['Formato não comprimido que preserva cada detalhe da síntese. Essencial para auditorias, onde a fidelidade do áudio é crítica para validação de conteúdo.', 'Recomendado para integração com sistemas de transcrição automática ou armazenamento de longo prazo que exigem o máximo de precisão acústica.'] ['Sem perda de dados', 'Alta fidelidade']

Opus e FLAC ['Opus oferece compressão eficiente, enquanto FLAC garante áudio sem perda para arquivamento.', 'Ambos são válidos para casos de uso específicos que exigem otimização de rede ou preservação absoluta da qualidade original da voz.'] ['Opus: baixo consumo de banda', 'FLAC: áudio sem perda']

Velocidade de processamento

Ilustração de onda sonora para: Velocidade de processamento

O processamento de áudio ocorre em tempo real aproximado, gerando cerca de 25 caracteres de texto por segundo de áudio sintetizado. Para frases curtas, o tempo de resposta varia alguns segundos, garantindo fluidez em fluxos de trabalho rápidos.

Tempo real

O motor de síntese produz áudio a uma taxa equivalente à fala natural. Esse ritmo garante que a conversão de textos médios seja rápida e previsível, mantendo a sincronia com processos automatizados de leitura de documentos.

Fases curtas

Para solicitações de frases isoladas ou parágrafos curtos, a geração leva apenas alguns segundos. Essa latência reduzida é ideal para validações rápidas de texto ou para sistemas que exigem feedback imediato ao usuário.

Fila de processamento

As requisições são processadas sequencialmente. Em momentos de alta demanda, uma solicitação pode aguardar na fila antes de iniciar a síntese. Essa arquitetura garante a integridade do áudio, mas pode aumentar ligeiramente o tempo total durante picos de uso.

Velocidade de processamento

Uso em documentos longos

Ilustração de onda sonora para: Uso em documentos longos

Para contratos ou petições que excedem o limite de entrada, o sistema divide o texto em partes de até 4.096 caracteres. Essa divisão é tratada internamente, permitindo que você envie grandes volumes.

Após a síntese de cada fragmento, os arquivos de áudio são unidos automaticamente. O resultado final é a junção dos arquivos de áudio gerados.

Divisão automática

A API processa textos longos segmentando-os internamente em blocos de até 4.096 caracteres. Você não precisa gerenciar a divisão manualmente; o sistema trata cada parte como uma requisição independente dentro do mesmo fluxo.

  • Segmentação automática baseada no limite de 4.096 caracteres por requisição

Limite de caracteres

Cada solicitação de síntese aceita no máximo 4.096 caracteres, contando espaços e pontuação. Para documentos jurídicos extensos, o sistema aplica essa regra repetidamente até processar todo o conteúdo fornecido.

Junção de arquivos

Após gerar o áudio de cada segmento, os arquivos são concatenados sequencialmente. O usuário recebe apenas um arquivo de áudio final, garantindo a continuidade da leitura sem interrupções manuais.

Privacidade de dados

Ilustração de onda sonora para: Privacidade de dados

Nossa API trata seu conteúdo jurídico com rigor. O texto enviado é processado exclusivamente para gerar o arquivo de áudio e não é retido para outros fins. A conformidade de dados é prioridade desde o primeiro byte.

Garantimos que sua informação sensível não alimenta nossos modelos. A privacidade está embutida na arquitetura, sem surpresas.

Transparência e controle são essenciais para equipes de tecnologia jurídica. Entenda como seus dados são tratados.

Uso único do texto

O texto digitado na sua requisição é utilizado apenas uma vez, no momento exato da síntese. Assim que o áudio é gerado e entregue, o conteúdo original não permanece armazenado para uso futuro.

  • Texto descartado após a geração do áudio

Sem treinamento

Diferente de plataformas que utilizam dados de clientes para melhorar seus modelos, o seu texto não é usado para treinamento. Seus contratos e petições mantêm sua integridade e originalidade.

Metadados de cobrança

Para garantir a precisão faturamento, mantemos apenas os metadados da requisição: data, hora, número de caracteres processados e status (sucesso ou falha). Esses dados servem exclusivamente para gerar sua conta e validar o crédito utilizado.

Integração fácil

Ilustração de onda sonora para: Integração fácil

A API segue o formato de solicitação do endpoint de fala da OpenAI, permitindo que equipes de tecnologia jurídica integrem a leitura automatizada de contratos e petições com mínimo esforço de adaptação. Basta alterar a URL base para https://api.playf33.com/v1.

O uso do SDK oficial da OpenAI facilita a implementação, enquanto requisições HTTP diretas oferecem flexibilidade para qualquer ambiente. A autenticação é feita via cabeçalho Bearer, garantindo segurança sem complexidade adicional.

SDK OpenAI

Utilize o SDK oficial da OpenAI alterando apenas a configuração de base_url para https://api.playf33.com/v1. Isso permite usar a mesma biblioteca de cliente com a chave da LeitorJurídico, mantendo a estrutura de código familiar para desenvolvedores.

HTTP direto

Para integrações mais leves ou em linguagens sem SDK dedicado, envie simplesmente uma requisição POST JSON. O corpo da solicitação aceita os parâmetros padrão de modelo, entrada, voz e formato, retornando o áudio diretamente na resposta.

Exemplo curl

Teste rapidamente a integração com curl. Substitua tts-sua-chave pela sua chave de API ativa e envie o texto do documento para o endpoint /v1/audio/speech. O retorno será o arquivo de áudio gerado.

Preço transparente

Ilustração de onda sonora para: Preço transparente

O cálculo é simples e direto: $10 por 1 milhão de caracteres, o que equivale a $0,01 por 1.000 caracteres. Espaços e pontuação contam como caracteres. Se a síntese falhar, o valor é devolvido integralmente.

Cobrança por caractere

O custo é baseado exclusivamente na extensão do texto enviado. Não há taxas de conexão ou custos fixos por solicitação, apenas o volume processado.

Crédito gratuito

Novos usuários recebem $0,50 de crédito (cerca de 50.000 caracteres) ao fazer login com Google, válido por 7 dias. Contas criadas com e-mail e senha iniciam sem esse crédito inicial.

Pagamento em USDT

O top-up é feito exclusivamente via USDT na rede TRON (TRC-20). O mínimo é $5 e o saldo é creditado automaticamente em minutos. Não aceitamos cartões, PayPal ou faturas com IVA.

  • Rede TRC-20 apenas
  • Mínimo de $5
  • Saldo sem validade

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Oferecemos oito vozes pré-configuradas, selecionadas para atender às demandas específicas de leitura de documentos jurídicos.

Avatar da voz aria
ariafeminino
Avatar da voz nova
novafeminino
Avatar da voz luna
lunafeminino
Avatar da voz sage
sagefeminino
Avatar da voz felix
felixmasculino
Avatar da voz milo
milomasculino
Avatar da voz atlas
atlasmasculino
Avatar da voz orion
orionmasculino

23 idiomas

Qualquer voz fala qualquer um desses idiomas.

Fontes e leituras adicionais

  1. Wikipedia
  2. Tether (USDT)
  3. FFmpeg documentation
  4. openai-python on GitHub
  5. W3C WAI: making audio and video accessible
  6. Python documentation
  7. curl documentation
  8. Creative Commons Attribution 4.0
  9. TRON developer hub: TRC-20
  10. OpenAI API reference: create speech
  11. LibriTTS-R corpus (OpenSLR 141)
  12. Node.js documentation

Mais neste site