Disponível10 modelos

API de texto para fala — geração natural de voz com IA

A API de texto para fala da Muapi transforma texto em áudio natural, com voz semelhante à humana, por meio de uma única integração REST. Escolha entre MiniMax, Google Gemini, ElevenLabs (incluindo a API Eleven v4) e Fish Audio (a API Fish Audio S2.1 Pro) para narração com voz única ou diálogos com vários falantes.Gere áudio com qualidade de estúdio ou em velocidade turbo, ajustando voz, emoção, ritmo, estabilidade e similaridade. Todos os modelos usam o mesmo fluxo assíncrono de envio e consulta, com preços a partir de $0.015 por 1,000 caracteres.

Obtenha uma chave da API de texto para fala Experimente o MiniMax Speech HD Experimente o Gemini Flash TTS Text-to-Speech API examples and comparison on GitHub

Texto para fala já está disponível na Muapi

Escolha um modelo de voz única ou de vários falantes, envie seu roteiro e consulte o ID da solicitação para obter um arquivo de áudio para download.

MiniMax Speech

Narração com voz única nas versões Studio e Turbo2 modelos

TTSDisponível

MiniMax

MiniMax Speech 2.6 HD

Fala com qualidade de estúdio, pronúncia clara, ritmo fluido e emoção realista para audiolivros, podcasts e narrações.

Text → audio

$0.13/1,000 chars

Experimentar modelo

TTSDisponível

MiniMax

MiniMax Speech 2.6 Turbo

Geração de fala rápida e leve, com qualidade natural e velocidade, volume, tom e emoção ajustáveis para produzir áudio em pouco tempo.

Text → audioRápido

$0.07/1,000 chars

Experimentar modelo

Gemini TTS

Diálogos expressivos com vários falantes e controles de voz e tom4 modelos

TTSDisponível

Google Gemini

Gemini 3.1 Flash TTS

Fala econômica com vários falantes, vozes, sotaques e estilos emocionais distintos, além de tags de tom no texto, como [whispers].

Dialogue → audioRápido

$0.035/1,000 chars

Experimentar modelo

TTSDisponível

Google Gemini

Gemini 2.5 Pro TTS

Fala premium com vários falantes para audiolivros, diálogos cinematográficos e narrações longas com alta fidelidade.

Dialogue → audio

$0.035/1,000 chars

Experimentar modelo

TTSnew

Google Gemini

Dialogue → audioRápido

$0.015/1,000 chars

Experimentar modelo

TTSnew

Google Gemini

Dialogue → audioRápido

$0.01/1,000 chars

Experimentar modelo

ElevenLabs

Fala expressiva com Eleven v4, voz única rápida e diálogos multilíngues3 modelos

TTSDisponível

ElevenLabs

ElevenLabs TTS Turbo 2.5

Fala rápida com voz única e estabilidade, similaridade e velocidade ajustáveis para locuções, URA e narrações em grande escala.

Text → audioRápido

$0.05/1,000 chars

Experimentar modelo

TTSDisponível

ElevenLabs

ElevenLabs Texto para Diálogo V3

Diálogos multilíngues com vários falantes a partir de um roteiro estruturado, IDs de voz individuais e alternância natural entre as falas.

Dialogue → audio

$0.10/1,000 chars

Experimentar modelo

TTSnew

ElevenLabs

Eleven v4

Texto para fala Eleven v4 da ElevenLabs para narrações expressivas com voz única: até 2,000 caracteres por solicitação, por $0.08/1,000 caracteres, com retorno em MP3.

Text → audio

$0.08/1,000 chars

Experimentar modelo

Fish Audio S2.1 Pro

Narração longa com até 10,000 caracteres por solicitação1 modelos

TTSnew

Fish Audio

Fish Audio S2.1 Pro

Texto para fala em formato longo: até 10,000 caracteres por solicitação, com cobrança de $15 por 1M bytes UTF-8 (cerca de $0.015/1,000 caracteres em inglês), com retorno em MP3.

Text → audio

$15/1M UTF-8 bytes

Experimentar modelo

O que é uma API de texto para fala?

Uma API de texto para fala (TTS) converte texto escrito em áudio falado por meio de uma única solicitação HTTP. Envie um roteiro, escolha uma voz e um estilo de interpretação e receba um arquivo de áudio para download, sem precisar criar uma infraestrutura de engenharia de áudio.

A Muapi oferece endpoints TTS ativos com um padrão REST unificado: uma chave de API, um fluxo de envio e consulta e cobrança conforme o uso. Escolha narração com voz única para locuções e URA (incluindo a API Eleven v4 e a API Fish Audio S2.1 Pro) ou diálogos com vários falantes para personagens, podcasts e audiolivros.

Recursos de texto para fala

Diálogos com vários falantes

Gemini TTS e ElevenLabs Text to Dialogue V3 atribuem vozes, sotaques e estilos de interpretação distintos a cada fala do roteiro.

Emoção e tom no texto

Os modelos Gemini aceitam tags no texto, como [whispers], [shouting] e [determination], para controlar a expressividade em cada fala.

Versões Studio e Turbo

Use MiniMax Speech 2.6 HD ou Gemini 2.5 Pro TTS para obter alta fidelidade, ou as versões mais rápidas quando latência e custo forem prioridade.

Parâmetros de voz ajustáveis

Ajuste velocidade, volume, tom, emoção, estabilidade, similaridade e outros controles específicos de cada modelo.

Vozes personalizadas e clonadas

Os endpoints ElevenLabs aceitam um ID de voz personalizado. Primeiro, crie uma voz reutilizável com um fluxo compatível de clonagem de voz.

Quatro provedores, uma API

Os modelos MiniMax, Google Gemini, ElevenLabs e Fish Audio usam a mesma autenticação Muapi, tarefas assíncronas, consulta de resultados e cobrança.

Aplicações de texto para fala

Narração e locução

Crie capítulos de audiolivros, narrações para vídeos, anúncios, vídeos explicativos e clipes para redes sociais a partir de roteiros.

Personagens e podcasts

Gere conversas com vários apresentadores e diálogos entre personagens, com vozes distintas e direção emocional.

Áudio para URA e aplicativos

Gere mensagens telefônicas, notificações, áudio de acessibilidade e outras falas dinâmicas em grande escala.

Localização

Use diálogos multilíngues e controles de idioma para conteúdos globais e materiais didáticos.

Comparação de modelos de texto para fala, incluindo as APIs Eleven v4 e Fish Audio S2.1 Pro

Modelo	Provedor	Preço	Ideal para
MiniMax Speech 2.6 HD	MiniMax	$0.13/1,000 characters	Narração com voz única e qualidade de estúdio
MiniMax Speech 2.6 Turbo	MiniMax	$0.07/1,000 characters	Geração rápida com voz única
ElevenLabs TTS Turbo 2.5	ElevenLabs	$0.05/1,000 characters	Narração em grande escala e URA
Gemini 3.1 Flash TTS	Google	$0.035/1,000 characters	Diálogo rápido com vários falantes
Gemini 2.5 Pro TTS	Google	$0.035/1,000 characters	Diálogo com vários falantes e qualidade de estúdio
ElevenLabs Texto para Diálogo V3	ElevenLabs	$0.10/1,000 characters	Conversas multilíngues com vários falantes
Eleven v4	ElevenLabs	$0.08/1,000 characters	Narração expressiva com voz única, até 2,000 caracteres por solicitação
Fish Audio S2.1 Pro	Fish Audio	$15/1M UTF-8 bytes (~$0.015/1,000 English characters)	Narração longa, até 10,000 caracteres por solicitação

O Fish Audio S2.1 Pro é cobrado por byte UTF-8: textos em inglês usam cerca de um byte por caractere, enquanto alfabetos não latinos usam de três a quatro bytes por caractere.

Exemplos de API de texto para fala

Envie texto simples ou um diálogo estruturado com sua chave de API Muapi, salve o ID da solicitação e consulte o endpoint padrão de resultados para obter o URL do áudio.

Gerar fala com voz única

curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'

# Response: {"request_id":"REQUEST_ID"}

Use um endpoint MiniMax ou ElevenLabs de voz única com prompt, voz e parâmetros opcionais de interpretação.

Gerar diálogo com Gemini

curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'

Defina os falantes e a ordem das falas; cada fala indica a configuração de voz que deve usar.

Gerar fala com a API Eleven v4

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'

# Response: {"request_id":"REQUEST_ID"}

Envie até 2,000 caracteres em prompt e escolha voice_daniel ou voice_liam; o Eleven v4 custa $0.08 por 1,000 caracteres.

Gerar fala longa com a API Fish Audio S2.1 Pro

curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'

# Response: {"request_id":"REQUEST_ID"}

Envie até 10,000 caracteres em prompt com voice_fish_narrator; a cobrança é de $15 por 1M bytes UTF-8.

Gerar diálogo com ElevenLabs

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'

Envie um array de diálogo estruturado com um ID de voz por fala para gerar áudio multilíngue com vários falantes.

Consultar o resultado de áudio

curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \
  -H "x-api-key: YOUR_API_KEY"

# Read the generated audio URL after status becomes completed.

Consulte até que o status seja completed e, em seguida, obtenha na resposta o URL do áudio para download.

Perguntas frequentes sobre a API de texto para fala

O que é a API de texto para fala?

A API TTS da Muapi transforma texto escrito em áudio natural por meio dos endpoints MiniMax, Google Gemini, ElevenLabs e Fish Audio, para narração com voz única e diálogos com vários falantes.

Qual modelo devo usar para diálogos com vários falantes?

Use Gemini 3.1 Flash TTS ou Gemini 2.5 Pro TTS para perfis de falantes e tags de tom no texto, ou ElevenLabs Text to Dialogue V3 para conversas estruturadas multilíngues com IDs de voz por falante.

Quanto custa a conversão de texto para fala?

Os preços começam em $0.015 por 1,000 caracteres em inglês para Fish Audio S2.1 Pro (cobrado a $15 por 1M bytes UTF-8), $0.035 por 1,000 caracteres para Gemini 3.1 Flash e 2.5 Pro TTS, $0.05 para ElevenLabs TTS Turbo 2.5, $0.08 para Eleven v4, $0.10 para ElevenLabs Dialogue V3, $0.07 para MiniMax Turbo e $0.13 para MiniMax HD. Gemini 3.8 Flash e Flash Lite custam $0.015 e $0.01 por 1,000 caracteres.

Como uso a API Eleven v4 e qual é o limite de caracteres?

Chame o endpoint elevenlabs-v4 com prompt (até 2,000 caracteres) e voice_id voice_daniel ou voice_liam; depois, consulte o ID da solicitação para obter um MP3. O Eleven v4 custa $0.08 por 1,000 caracteres.

O que é a API Fish Audio S2.1 Pro?

A API Fish Audio S2.1 Pro (fish-s2-1-pro) é um endpoint de texto para fala em formato longo que aceita até 10,000 caracteres por solicitação com voice_fish_narrator e retorna um MP3. A cobrança é de $15 por 1M bytes UTF-8, cerca de $0.015 por 1,000 caracteres em inglês.

Posso usar uma voz personalizada ou clonada?

Sim. Os endpoints ElevenLabs aceitam um ID de voz personalizado da ElevenLabs, e o MiniMax aceita IDs de vozes treinadas quando o esquema do modelo selecionado permite.

Qual formato de áudio é retornado?

Cada modelo retorna, pelo endpoint padrão de resultados, um URL para baixar o arquivo de áudio, pronto para incorporar, baixar ou usar em um fluxo de vídeo ou sincronização labial.

Como acesso os modelos da API de texto para fala?

Crie uma chave de API Muapi, chame o endpoint adequado ao seu roteiro e consulte o ID da solicitação retornado. Não é preciso entrar em uma lista de espera para usar os modelos disponíveis.

API Eleven v4 e endpoints ElevenLabs →Compare Eleven v4, TTS Turbo 2.5 e Text to Dialogue V3.API Fish Audio S2.1 Pro →Narração longa com até 10,000 caracteres por solicitação, cobrada por byte UTF-8.Conheça a linha Gemini TTS →Compare as quatro versões Gemini TTS: 3.8 Flash, 3.8 Flash Lite, 3.1 Flash e 2.5 Pro.Conheça a clonagem de voz →Crie uma voz reutilizável para fluxos de geração de fala compatíveis.Conheça o Suno Music →Gere, remixe e estenda músicas quando precisar de música em vez de fala.Explore os modelos de áudio →Compare endpoints de fala, música, efeitos sonoros e conversão de vídeo em áudio.Conheça os modelos de sincronização labial →Combine a fala gerada com um vídeo de rosto para criar um avatar falante.

Pronto para gerar fala natural?

Use uma única chave de API Muapi para narrações, diálogos entre personagens, URA, podcasts e áudio multilíngue.

Obtenha uma chave de API Experimente texto para fala