Perguntas frequentes
Qual voz masculina é mais clara?
Atlas é a voz masculina neutra e ideal para notícias, oferecendo clareza objetiva. Para narrativas mais quentes, Aria é a opção feminina clara. A clareza depende também da configuração de idioma correta, pois a API não adivinha idiomas em textos latinos sem o parâmetro language.
Milo é mais natural que Felix?
Ambas são naturais, baseadas em gravações licenciadas. Milo é descrita como 'amigável e conversacional', enquanto Felix é 'energetica e promocional'. A naturalidade depende do contexto: Milo é melhor para diálogos, e Felix para anúncios. Ambas têm a mesma qualidade de síntese de voz.
Atlas é muito robótico?
Não. Atlas é uma voz baseada em gravações licenciadas (LibriTTS-R), não robótica. Ela é neutra e adequada para notícias. O áudio gerado contém uma marca d'água inaudível que indica ser fala sintética, mas a voz em si soa natural e humana.
Orion é muito grave?
Orion é descrita como 'grave e documental'. Se o tom estiver muito baixo para seu caso de uso, ajuste a velocidade entre 0.25 e 4.0 ou escolha uma voz mais neutra como Atlas. A profundidade é uma característica fixa da preset, não ajustável individualmente.
Posso usar Atlas para jogos?
Sim. Atlas é neutra e pode ser usada para narrativas de jogos. Para sons mais energéticos e promocionais, Felix é mais indicado. Você pode alternar entre vozes masculinas e femininas em suas respostas de chatbot para variar a experiência do usuário no jogo.
Felix cansa o ouvinte?
Felix é 'energetica e promocional'. Em textos longos, essa energia pode cansar. Para assistentes virtuais, Milo ou Atlas podem ser mais adequados. Ajuste a velocidade (0.25–4.0) para tornar a fala mais calma ou mais rápida, conforme necessário para o contexto do chatbot.
Milo é adequado para crianças?
Milo é 'amigável e conversacional', o que pode ser adequado. Não há restrição de idade. Você pode usar qualquer uma das 8 vozes para crianças. A escolha depende do tom desejado: Milo para conversa, Luna para histórias suaves. A API não filtra conteúdo.
Qual voz é mais rápida?
Todas as vozes têm a mesma velocidade base. A velocidade é controlada pelo parâmetro speed (0.25–4.0) na API. O tempo de geração é de cerca de 25 caracteres por segundo. A escolha da voz não altera a velocidade natural de fala do motor.
As vozes mudam com a velocidade?
Sim, ao ajustar o parâmetro speed (0.25 a 4.0), a velocidade da fala muda. As vozes mantêm suas características (grave, clara, energética), mas falam mais rápido ou mais devagar. Isso permite adaptar o áudio para diferentes contextos de chatbot ou assistentes virtuais.
Posso usar Orion para educação?
Sim. Orion é 'profunda e documental', ideal para narrativas educativas. Atlas também é boa para instruções claras. Você pode usar qualquer voz para educação. A API suporta 23 idiomas, permitindo criar conteúdo educacional multilíngue com controle preciso de idioma e formato de áudio.
Qual voz tem melhor pronúncia?
Todas as 8 vozes têm a mesma qualidade de pronúncia, pois usam o mesmo motor. A pronúncia depende do idioma definido no campo language. Se não definido, o latino assume inglês. Defina o idioma ISO para garantir a pronúncia correta em textos não ingleses.
As vozes aceitam siglas?
Sim, as vozes processam texto normal. Não há suporte a SSML ou dicionários de pronúncia personalizados, então siglas podem ser lidas literalmente. Para melhor resultado, escreva as siglas por extenso ou teste a pronúncia. O texto é limitado a 4096 caracteres por requisição.
Qual voz é mais profissional?
Atlas (neutra, notícias) e Sage (calma, instrucional) são as mais profissionais. Orion (documental) também é adequada. A escolha depende do tom: Atlas para objetividade, Sage para instruções. Todas as vozes são baseadas em gravações licenciadas, garantindo qualidade profissional para seus chatbots.
Posso misturar vozes masculinas e femininas?
Sim. Você pode alternar entre as 8 vozes (4 femininas, 4 masculinas) em diferentes requisições. Isso permite criar diálogos dinâmicos para chatbots. Basta enviar o parâmetro voice correto em cada chamada da API. As vozes não mudam automaticamente entre si.
Critérios de seleção técnica
A seleção de vozes masculinas para chatbots exige critérios técnicos objetivos, não apenas preferências estéticas. A clareza é medida pela precisão da síntese, garantindo que cada fonema seja reproduzido sem ambiguidade. Juntamente com a resistência à fadiga auditiva e a compatibilidade com formatos de áudio, esses fatores determinam a eficácia da comunicação em tempo real.
Equipes de desenvolvimento devem priorizar a inteligibilidade acima da entonação decorativa. Um chatbot que não é compreendido rapidamente gera fricção no fluxo de atendimento. A escolha do voice model deve alinhar a característica vocal à densidade de informação transmitida, considerando o contexto de uso contínuo.
Clareza da articulação
A clareza é medida pela precisão da síntese. Vozes como Atlas e Milo mantêm a dicção consistente mesmo em frases longas, reduzindo a necessidade de repetição. A escolha da voz influencia diretamente a taxa de sucesso na compreensão do usuário, especialmente em ambientes ruidosos ou em chamadas de voz automatizadas.
Para assistentes virtuais, a consistência na pronúncia é crítica. Utilize o modelo tts-1-hd para maximizar a fidelidade fonética. Teste o input de texto com variações de acentuação para garantir que a API não introduza erros de articulação que comprometam o sentido da mensagem.
- Teste frases com números e datas para verificar precisão.
- Utilize o modelo
tts-1-hdpara máxima fidelidade. - Valide a compreensão com usuários reais, não apenas com métricas de tempo.
Resistência à fadiga auditiva
A fadiga auditiva ocorre quando o usuário se sente cansado após ouvir uma voz muito estridente ou monótona por períodos prolongados. Vozes como Orion, com timbre mais profundo, ou Milo, com tom conversacional, são projetadas para reduzir esse cansaço. A escolha errada pode aumentar a taxa de abandono em chamadas de longa duração.
O controle de velocidade (speed) também impacta essa fadiga. Aumentar a velocidade além do natural pode tornar a voz aguda e acelerada, enquanto reduzi-la pode soar artificialmente lenta. Encontre o equilíbrio entre eficiência e conforto, mantendo a taxa próxima de 1.0 para a maioria dos casos.
Monitore o feedback qualificado dos usuários para identificar sinais de irritação. Se a taxa de repetição aumentar, considere alternar entre Felix para urgência ou Milom para diálogo mais calmo.
- Monitorar taxas de repetição de áudio.
- Ajustar velocidade para manter conforto natural.
- Alternar vozes conforme o contexto emocional da conversa.
Compatibilidade com formato
O formato de áudio afetalatência e a largura de banda. Para chatbots em tempo real, WAV oferece baixa latência, mas consome mais banda. MP3 é ideal para web, equilibrando qualidade e tamanho. OPUS fornece eficiência superior para streams de dados.
Certifique-se de que o player do seu chatbot suporte o formato selecionado. A API suporta mp3, wav, opus, flac e pcm. Para integração rápida com SDKs padrão, mp3 é a escolha mais segura e universal.
O formato não altera a qualidade da síntese, apenas a eficiência da transmissão. Escolha com base na infraestrutura do seu cliente final e na velocidade da rede onde o chatbot será executado.
- WAV para baixa latência em conexões estáveis.
- MP3 para compatibilidade web universal.
- OPUS para eficiência de banda em apps móveis.
Análise das vozes masculinas
As vozes masculinas da VozSintonia oferecem perfis acústicos distintos para contextos específicos de chatbots e assistentes virtuais. Cada preset é baseado em gravações licenciadas, garantindo consistência e qualidade técnica na síntese de fala.
Esta seção detalha as características de Felix, Milo, Atlas e Orion.
Felix: energia e impacto
Felix é projetado para ser enérgico e promocional, ideal para mensagens de curto prazo que exigem atenção imediata. Sua timbre vibrante funciona bem em contextos de e-commerce para anúncios de ofertas.
Milo: conforto e diálogo
Milo apresenta uma voz amigável e conversacional, perfeita para fluxos de atendimento ao cliente e assistentes interativos. Sua natureza próxima reduz a artificialidade, facilitando diálogos naturais e contínuos.
Atlas: neutralidade e fato
Atas oferece uma tonalidade neutra e informativa, adequada para leitura de notícias ou atualizações factuais. Sua clareza objetiva garante que a informação seja transmitida sem viés emocional excessivo.
Orion: profundidade e autoridade
Orion possui um tom mais profundo, ideal para documentários ou contextos que exigem uma sensação de autoridade e seriedade. Sua voz transmite confiança e estabilidade para narrativas mais longas.
Casos de uso por setor
Vozes masculinas como Felix e Milo são ideais para e-commerce, onde a energia e o tom conversacional mantêm o engajamento durante promoções. Atlas garante neutralidade em atualizações, enquanto Orion adiciona autoridade a relatos educacionais. Cada voz é selecionada pelo contexto de uso, não apenas por preferência estética.
E-commerce e promoções
Felix transmite energia em anúncios de vendas, enquanto Milo mantém um diálogo natural no atendimento. A clareza articulada reduz a necessidade de repetição, otimizando o tempo do usuário na finalização da compra.
- Promoções relâmpago com tom dinâmico
- Atendimento ao cliente com naturalidade
Sua técnica e FAQ
Atlas oferece neutralidade ideal para respostas objetivas e factuais. A consistência vocal evita distrações, permitindo que o usuário foque na informação técnica fornecida pelo chatbot sem variações emocionais desnecessárias.
Jornalismo e atualizações
Atlas e Orion são adequados para notícias e atualizações em tempo real. A dicção clara e o ritmo controlado garantem que informações críticas sejam compreendidas rapidamente, mesmo em ambientes ruidosos.
Documentários e educação
Orion aporta profundidade e autoridade a conteúdos educativos longos. A voz narrativa mantém a atenção do ouvinte por períodos prolongados, ideal para cursos ou materiais didáticos distribuídos via API.
Impacto da velocidade na experiência
A velocidade de geração é de aproximadamente 25 caracteres por segundo, o que define o ritmo natural da síntese. Para textos longos, o áudio gerado tem duração próxima ao tempo real de fala. Frases curtas, por outro lado, podem levar alguns segundos para serem processadas, dependendo da carga do servidor. Sob alta demanda, as requisições entram em fila e são processadas sequencialmente, o que pode aumentar a latência inicial percebida pelo usuário final.
O controle de velocidade (0.25 a 4.0) permite ajustar a experiência, mas deve considerar a capacidade de compreensão auditiva. Ajustes extremos podem prejudicar a clareza da articulação, especialmente em idiomas complexos ou quando o usuário está em movimento.
Velocidade natural vs. acelerada
Manter a velocidade padrão garante que a entonação e as pausas sejam respeitadas. Acelerar muito pode tornar a fala robótica e dificultar o entendimento de números ou termos técnicos. Teste diferentes velocidades com o mesmo texto para identificar o limite onde a compreensão ainda é alta.
Lembre-se que o processamento é sequencial. Aumentos de velocidade não aceleram o tempo de resposta do servidor, apenas alteram a duração do arquivo final.
- Use 1.0 para narrações padrão.
- Aumente para 1.2-1.5 apenas se o contexto permitir fala rápida.
- Reduza para 0.75 em instruções críticas.
Compreensão em idiomas nativos
A velocidade ideal varia conforme o idioma. Idiomas como espanhol ou italiano tendem a ser mais rápidos naturalmente, enquanto japonês ou chinês têm sílabas mais densas. Ajuste a velocidade para manter uma densidade de informação confortável.
O parâmetro language deve ser definido explicitamente para textos em latim que não sejam inglês, garantindo que a pronúncia e o ritmo estejam corretos antes de ajustar a velocidade.
Ajuste por faixa etária
Idosos podem precisar de velocidades mais baixas (0.8-0.9) para processar informações auditivas com mais clareza. Jovens e usuários técnicos podem preferir velocidades ligeiramente aceleradas para eficiência.
Não existe uma configuração única. Use testes A/B para validar qual velocidade oferece melhor taxa de conclusão nas suas interações específicas.
Formatos de áudio e latência
A escolha do formato de áudio impacta diretamente a latência percebida pelo usuário final e a eficiência da transmissão de dados. Cada formato oferece um equilíbrio diferente entre tamanho do arquivo, qualidade sonora e velocidade de carregamento, aspectos críticos para aplicações de voz em tempo real.
MP3 para web
O MP3 é o padrão para transmissão web devido ao seu amplo suporte e compactação eficiente. Para assistentes virtuais, ele balanceia tamanho reduzido com qualidade aceitável, facilitando o cache e a reprodução em navegadores móveis sem exigir codecs adicionais complexos.
WAV para baixa latência
O formato WAV oferece áudio não comprimido e arquivos maiores. Essa ausência de compressão elimina o tempo de decodificação, garantindo que o áudio seja reproduzido imediatamente após o recebimento do primeiro byte, ideal para respostas rápidas em chatbots.
OPUS para eficiência
O OPUS proporciona alta compressão com qualidade preservada, reduzindo significativamente o uso de banda. É a opção mais eficiente para ambientes com limitações de largura de banda ou quando se busca minimizar os custos de transmissão de dados.
Testes A/B em produção
A validação em produção com chatbots exige métricas que reflitam a experiência real do usuário final, não apenas a latência técnica. O objetivo é garantir que a síntese de voz melhore a conversão ou a resolução do problema, medindo o impacto direto na interação.
O processo de teste A/B deve isolar a variável da voz, mantendo o conteúdo e a lógica do bot constantes. Isso permite atribuir mudanças no comportamento do usuário especificamente à escolha da voz masculina ou feminina, ajustando o tom conforme necessário.
Métrica de conclusão
Monitore a taxa de conclusão da chamada ou da tarefa final. Se a voz for muito rápida ou pouco clara, os usuários podem desistir antes de obter a informação necessária. Compare o tempo médio de interação entre grupos que usam vozes diferentes.
- Taxa de conclusão da conversa
- Tempo médio de resposta
- Taxa de abandono no meio da fala
Taxa de repetição
A taxa de repetição de comandos ou perguntas indica se o usuário não entendeu a síntese anterior. Vozes com entonação natural, como Milo ou Felix, tendem a reduzir essa taxa em comparação com vozes mais robóticas ou monótonas.
Registre quantas vezes o usuário repete a mesma solicitação ou pede para repetir a fala. Um aumento na repetição pode sinalizar que a velocidade ou o formato de áudio não são adequados para o contexto de ruído ou mobilidade.
- Repetição de comandos de voz
- Solicitações de 'repita por favor'
- Erros de interpretação do NLP
Feedback qualificado
Colete avaliações explícitas do usuário sobre a clareza e o tom da voz após a interação. Perguntas simples como 'A voz estava clara?' ou 'O tom era adequado?' ajudam a validar escolhas técnicas com dados humanos.
Utilize pesquisas pós-interação ou botões de reação (gosto/gostei) para agregar feedback qualitativo. Isso permite identificar se uma voz específica, como Atlas para notícias, é percebida como mais confiável ou profissional pelo seu público-alvo.
- Avaliação de clareza
- Adequação do tom
- Sugestões de melhoria
Integração com fluxos de chatbot
A integração eficiente exige que o fluxo de conversação seja acionado por eventos específicos, como a chegada de uma nova mensagem do usuário ou a conclusão de um turno anterior. O sistema deve enviar o texto processado para o endpoint de síntese, garantindo que a resposta de áudio seja retornada antes de exibir a próxima interface ao usuário, mantendo a fluidez da conversa.
Para otimizar o desempenho, implemente cache para frases curtas e frequentes, evitando requisições redundantes. Quando necessário, utilize streaming simulado dividindo textos longos em partes menores, processando cada segmento sequencialmente e concatenando os arquivos de áudio resultantes para uma experiência contínua.
Gatilho por evento
Configure seu bot para detectar momentos-chave da interação, como saudações ou perguntas específicas, e disparar a chamada de API imediatamente. Isso garante que a resposta vocal seja gerada no tempo certo, sincronizada com a lógica de decisão do chatbot.
Utilize eventos de finalização de turno para iniciar a síntese de resumos ou próximos passos, garantindo que o áudio seja entregue antes que o usuário encerre a sessão, melhorando a percepção de responsividade.
Cache de áudio curto
Armazene localmente os arquivos de áudio para frases comuns, como "Olá" ou "Aguarde um momento", reduzindo a latência e economizando caracteres da sua conta. Isso é particularmente útil para interações rápidas que ocorrem repetidamente.
Defina uma política de expiração para o cache, garantindo que atualizações de vozes ou mudanças de idioma sejam refletidas sem atrasos significativos na experiência do usuário final.
Streaming simulado por partições
Como a API não oferece streaming, divida textos longos em partes menores. Envie cada parte para o endpoint de síntese e concatene os arquivos de áudio resultantes. Isso cria a ilusão de continuidade, mantendo a qualidade do áudio e respeitando o limite de caracteres por solicitação.

Gerenciamento de escala
O limite de 60 requisições por minuto é aplicado por chave de API. Isso significa que, em picos de demanda, suas requisições podem entrar em fila e processar-se sequencialmente, especialmente se o volume exceder a capacidade imediata do servidor.
Para equipes grandes, um único token pode se tornar um gargalo. A arquitetura deve considerar o aumento de latência percebida pelo usuário final quando vários chatbots compartilham a mesma credencial.
Limite de 60 requests/min
Cada chave ativa permite 60 chamadas por minuto. Antes do primeiro top-up, esse limite é reduzido para 10 requisições por minuto. O processamento é sequencial; sob carga, as requisições aguardam na fila interna, o que pode aumentar o tempo de resposta para frases curtas.
Distribuição por chaves
Como apenas uma chave é ativa por conta, para escalar além dos 60 req/min, você precisa criar múltiplas contas independentes e distribuir as requisições entre elas. Isso exige gerenciar várias chaves em seu código, alternando-as ou balanceando a carga manualmente.
- Crie contas separadas para diferentes fluxos de chatbot.
- Alterne chaves ativas para evitar saturação do limite único.
- Considere a complexidade adicional de gerenciar múltiplos tokens.
Monitoramento de fila
Monitore o tempo de resposta para identificar quando as requisições estão sendo processadas em sequência devido à fila. Se o tempo de geração superar o tempo real de fala (aprox. 25 caracteres por segundo), avalie a necessidade de distribuir a carga entre mais chaves de API.
Considerações de licenciamento
As vozes da API são baseadas em gravações licenciadas sob a Licença CC BY 4.0, originárias do projeto LibriTTS-R e de audiobooks de domínio público do LibriVox. Essa fundação garante que o material base possui clareza de direitos para integração em sistemas automatizados sem ambiguidades jurídicas.
O uso comercial é permitido, permitindo que equipes de desenvolvimento integrem essas vozes em chatbots e assistentes virtuais sem restrições de licença adicionais. A estrutura simplificada facilita a escalabilidade para grandes volumes de atendimento, mantendo a conformidade legal desde o primeiro dia de operação.
Licença CC BY 4.0
A licença Creative Commons Atribuição 4.0 Internacional permite o uso, adaptação e distribuição do material original. Como as vozes derivam de gravações pré-existentes, a API preserva essa estrutura de permissão, garantindo que o áudio gerado herde os direitos claros do corpus base.
Atribuição quando necessário
Embora o uso comercial seja permitido, a atribuição adequada é recomendada para manter a conformidade estrita com os termos CC BY 4.0. Em contextos de atendimento ao cliente, a menção é geralmente implícita na interface do bot, mas deve ser verificada conforme o contrato final.
- Verifique os requisitos específicos de atribuição para seu caso de uso.
- Mantenha registros das fontes de áudio usadas na geração.
Uso comercial permitido
A licença permite explicitamente o uso em produtos comerciais, incluindo assistentes virtuais pagos ou gratuitos. Não há necessidade de pagar royalties adicionais por uso de voz, o que reduz o custo total de propriedade para equipes de desenvolvimento que escalam seus serviços.
Erros comuns na escolha
Escolher a voz errada para o contexto do chatbot impacta diretamente a retenção do usuário. É comum selecionar um tom baseado apenas na preferência estética, sem considerar se ele se adequa ao fluxo de interação ou ao tipo de informação sendo entregue.
Ignorar o contexto de uso
Felix pode parecer excessivamente energético para um suporte técnico detalhado, enquanto Atlas pode soar frio em uma experiência de vendas. O erro é aplicar um padrão único sem considerar a intenção da mensagem.
Superestimar clareza
A clareza de articulação é alta, mas não garante compreensão em todos os cenários. Textos muito densos ou com terminologia técnica específica podem perder eficácia se a voz não for escolhida para ressonar com o público-alvo.
Subestimar fadiga auditiva
Vozes muito energéticas em loops longos causam cansaço mais rápido. Ignorar a necessidade de variações de tom ou pausas adequadas entre as respostas do bot leva ao abandono da conversa por parte do usuário.
Checklist de implementação
A implementação bem-sucedida de vozes masculinas em chatbots exige alinhamento entre a identidade da marca e as capacidades técnicas da API. Definir o tom adequado garante que Felix, Milo, Atlas ou Orion completem a experiência do usuário sem soarem artificiais.
Testar em dispositivos reais valida a clareza da articulação e a resistência à fadiga auditiva em diferentes ambientes. A validação com usuários confirma se a velocidade e o formato escolhidos atendem às expectativas de compreensão e naturalidade.
Definir tom da marca
Escolha a voz masculina que melhor representa a personalidade do seu assistente virtual. Felix oferece energia para promoções, Milo traz conforto para diálogos, Atlas fornece neutralidade para fatos e Orion adiciona autoridade para documentários.
- Alinhar personalidade da marca com a presilha de voz (Felix, Milo, Atlas, Orion)
- Definir faixa de velocidade (0.25–4.0) que mantenha a clareza sem causar fadiga
- Selecionar formato de áudio (mp3, wav, opus) compatível com a plataforma de destino
Testar em dispositivos reais
Execute testes de áudio em smartphones, smart speakers e navegadores comuns para verificar a qualidade de reprodução. Verifique se a latência inicial e a duração do arquivo são aceitáveis para a experiência do usuário final.
- Testar reprodução em iOS, Android e desktop
- Verificar compatibilidade de formatos (mp3, wav, opus, flac, pcm)
- Medir tempo de resposta da API sob carga simulada
Validar com usuários
Conduza testes A/B com usuários reais para medir métricas de conclusão e taxa de repetição. O feedback qualificado ajuda a ajustar a velocidade e a escolha da voz antes do lançamento em produção.
- Coletar feedback sobre clareza e naturalidade
- Monitorar taxa de repetição de solicitações
- Ajustar parâmetros com base na compreensão do idioma
Próximos passos
Aproveite o crédito inicial de $0,50 para validar as vozes masculinas em seu ambiente de produção sem compromisso financeiro. Esse saldo equivale a aproximadamente 50.000 caracteres e expira em 7 dias após o cadastro via Google.
Configure a chave de API e inicie os testes diretos nos endpoints de síntese. Ajuste os parâmetros de velocidade e formato para alinhar o tom da marca às expectativas dos seus usuários finais.
Solicitar trial
Crie sua conta na página de obtenção de chave e selecione o login com Google para receber automaticamente o crédito de teste. Não há necessidade de cartão de crédito ou assinatura para iniciar.
O saldo está disponível imediatamente para gerar os primeiros arquivos de áudio, permitindo validar a qualidade das vozes Felix, Milo, Atlas e Orion em cenários reais.
- Login via Google ativa o crédito de $0,50
- Válido por 7 dias consecutivos
- Sem necessidade de cartão de crédito
Testar endpoints
Envie requisições POST para o endpoint de fala, utilizando o SDK oficial da OpenAI ou HTTP direto com o base_url configurado para o domínio da API. Utilize as chaves fornecidas na área da conta.
Verifique a recepção dos formatos de áudio suportados, como MP3 e WAV, garantindo que a integração técnica funcione conforme o esperado antes da escala.
- Use POST /v1/audio/speech
- SDKs OpenAI compatíveis
- Autenticação via Bearer token
Ajustar parâmetros
Modifique a velocidade entre 0.25 e 4.0 para adaptar o ritmo às necessidades específicas de cada setor, como promoções rápidas ou narrativas documentais. Defina o idioma explicitamente se o texto estiver em línguas não padrão.
Teste diferentes vozes masculinas em conjunto com os formatos de áudio selecionados para encontrar o equilíbrio ideal entre clareza e latência para seu chatbot.
- Velocidade: 0.25 a 4.0
- Defina idioma explicitamente
- Teste combinações de voz e formato
Ouça as 8 vozes
Cada amostra abaixo foi gerada por esta API a partir da mesma frase.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
Fontes e leituras adicionais
- Wikipedia
- MDN: Web Speech API
- TRON developer hub: TRC-20
- OpenAI API reference: create speech
- Creative Commons Attribution 4.0
- Python documentation
- LibriVox public-domain audiobooks
- Tether (USDT)
- ISO 639 language codes
- LibriTTS-R paper (arXiv 2305.18802)
- W3C WAI: making audio and video accessible
- openai-python on GitHub
