Ir para

Text-to-Speech

Converta texto em voz com som natural usando uma API desenvolvida com as tecnologias de IA do Google.
  • action/check_circle_24px Criado com o Sketch.

    Melhore as interações com os clientes com respostas inteligentes e realistas

  • action/check_circle_24px Criado com o Sketch.

    Envolva os usuários com a interface do usuário de voz nos seus dispositivos e aplicativos

  • action/check_circle_24px Criado com o Sketch.

    Personalize sua comunicação com base na preferência do usuário por voz e idioma

Benefícios

Fala com alta fidelidade

Implante as tecnologias inovadoras do Google para gerar voz com entonação similar à humana. Criada com base na experiência em síntese de voz da DeepMind, a API proporciona vozes com qualidade semelhante às humanas.

Seleção de voz mais ampla

Escolha entre um conjunto de mais de 220 vozes em mais de 40 idiomas e variantes, incluindo mandarim, hindi, espanhol, árabe, russo, entre outros. Escolha a voz que combina mais com seu usuário e aplicativo.

Voz exclusiva

Crie uma voz exclusiva para representar sua marca em todos os pontos de contato com o cliente, em vez de usar uma voz comum compartilhada com outras organizações.

Demonstração

Coloque a Text-to-Speech em ação

Digite o que você quer ouvir, selecione um idioma e clique em “Falar”.

Principais recursos

Principais recursos

Voz personalizada (Beta)

Treine um modelo de voz personalizado usando suas próprias gravações de áudio para criar uma voz única e mais natural para sua organização. Você pode definir e escolher o perfil de voz mais adequado à sua organização e se ajustar rapidamente às mudanças em necessidade de voz, sem precisar gravar novas frases.

Vozes WaveNet

Aproveite as mais de 90 Vozes WaveNet criadas com base na pesquisa inovadora da DeepMind para gerar falas que trazem um resultado significativamente mais próximo ao humano.

Ajuste de voz

Personalize o tom da voz selecionada em até 20 semitons acima ou abaixo do padrão. Ajuste sua taxa de fala para aumentar ou reduzir a velocidade da taxa normal em até quatro vezes.

Compatibilidade com texto e SSML

Personalize sua fala com tags SSML que permitem adicionar pausas, números, datas, formatação de data e hora, e outras instruções de pronúncia.

Veja todos os recursos

Novidades

O que há de novo

Inscreva-se para receber newsletters do Google Cloud com atualizações de produtos, informações sobre eventos, ofertas especiais e muito mais.

Documentação

Documentação

Princípios básicos do Google Cloud
Noções básicas sobre Text-to-Speech

Um guia para os conceitos fundamentais do uso da API Text-to-Speech.

Guia de início rápido
Guia de início rápido: como usar a linha de comando

Configure seu projeto e autorização do Google Cloud e faça uma solicitação para a Text-To-Speech criar áudio a partir de um texto.

Princípios básicos do Google Cloud
Vozes e idiomas compatíveis

Procure por guias e recursos desse produto.

Princípios básicos do Google Cloud
Visão geral da Voz personalizada (Beta)

Saiba como você pode criar uma voz única e mais natural com a Voz personalizada usando suas próprias gravações de áudio com qualidade de estúdio.

Tutorial
WaveNet e outras vozes sintéticas

Aprenda sobre as diferentes vozes sintéticas disponíveis para uso na Text-to-Speech, incluindo as vozes premium WaveNet.

Tutorial
Como falar endereços com SSML

Este tutorial demonstra como usar a Linguagem de marcação de síntese de fala (SSML, na sigla em inglês) para gerar falas a partir de um arquivo de texto de endereços.

Casos de uso

Casos de uso

Caso de uso
Bots de voz em centrais de contato

Ofereça uma melhor experiência de voz para o atendimento ao cliente com bots de voz no Dialogflow que geram fala dinamicamente, em vez de reproduzir áudio estático, pré-gravado. Interaja com vozes sintetizadas de alta qualidade que proporcionam aos autores da chamada uma sensação de familiaridade e personalização.

Bots de voz na arquitetura de referência das centrais de atendimento
Caso de uso
Geração de voz em dispositivos

Permita comunicações naturais com seus usuários, capacitando seus dispositivos a gerar vozes semelhantes às humanas como um leitor de texto. Crie uma interface de usuário de voz holística junto com a Speech-to-Text e a Natural Language para melhorar a experiência do usuário com interações fáceis e atrativas.

Geração de voz na arquitetura de referência de dispositivos
Caso de uso
EPGs (Guias de Programas Eletrônicos) acessíveis

Faça com que os EPGs leiam o texto em voz alta facilmente para fornecer uma melhor experiência de usuário aos seus clientes e atender aos requisitos de acessibilidade para seus serviços e aplicativos. Experimente a demonstração do EPG.

Implemente com facilidade a funcionalidade de conversão de texto em voz nos EPGs para oferecer uma melhor experiência de usuário aos clientes e atender aos requisitos de acessibilidade para seus serviços e aplicativos. 

Arquitetura de referência mostrando como a API TTS pode criar EPGs acessíveis

Todos os recursos

Todos os recursos

Voz personalizada (Beta) Treine um modelo de síntese de fala personalizado usando suas próprias gravações de áudio para criar uma voz única e mais natural para sua organização. Você pode definir e escolher o perfil de voz mais adequado à sua organização e se ajustar rapidamente às mudanças de necessidade de voz, sem precisar gravar novas frases. Saiba mais.
Seleção de voz e idioma Escolha entre uma ampla seleção de mais de 220 vozes em mais de 40 idiomas e variantes. Em breve, serão feitas mais adições.
Vozes WaveNet Aproveite as mais de 90 vozes WaveNet criadas com base na pesquisa inovadora da DeepMind para gerar falas que trazem um resultado significativamente mais próximo ao humano.
Compatibilidade com texto e SSML Personalize sua fala com tags SSML que permitem a você adicionar pausas, números, datas, formatação de tempo e hora, e outras instruções de pronúncia.
Ajuste de tom Personalize o tom da sua voz selecionada em até 20 semitons acima ou abaixo do padrão.
Ajuste da taxa de fala Ajuste sua taxa de fala para aumentar ou reduzir a velocidade da taxa normal em até quatro vezes.
Controle do ganho de volume Aumente o volume da saída em até 16 dB ou reduza-o em até -96 dB.
APIs REST e gRPC integradas Faça integrações facilmente com qualquer aplicativo ou dispositivo que possa enviar uma solicitação REST ou gRPC, incluindo telefones, PCs, tablets e dispositivos de IoT, como carros, TVs e alto-falantes.
Flexibilidade no formato de áudio Converta texto em MP3, Linear16, OGG Opus e vários outros formatos de áudio.
Perfis de áudio Otimize para o tipo de alto-falante em que sua fala deve ser reproduzida, como fones de ouvido ou linhas telefônicas.

Preços

Preços

Os preços da Text-to-Speech baseiam-se no número de caracteres enviados para que o serviço os sintetize em áudio a cada mês. Os primeiros um milhão de caracteres para vozes WaveNet são gratuitos a cada mês. Para vozes padrão (não WaveNet), os primeiros 4 milhões de caracteres são gratuitos a cada mês. Depois que o nível gratuito é atingido, a Text-to-Speech é cobrada a cada um milhão de caracteres de texto processado.

Se você não paga em dólar americano, valem os preços na sua moeda local listados na página SKUs do Google Cloud.