Introdução
Envie o texto a ser lido e, opcionalmente, uma voz predefinida, uma breve nota sobre a interpretação e um idioma. A tarefa retorna um arquivo de áudio com o roteiro lido naquela voz: um MP3 mono de 24 kHz, a menos que você defina output_format ou sample_rate. speed, pitch e volume ajustam a interpretação. instructions aceita orientações em linguagem simples sobre tom, emoção, ritmo ou volume, e não é lido em voz alta. A SpicyAPI não aplica filtro de conteúdo, então o roteiro que você envia é o que você ouve. A cobrança é por 1.000 caracteres do texto enviado.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Saída | Áudio |
| Campo obrigatório | text — de 1 a 5.000 caracteres |
| Campos opcionais |
|
| Resultado | Um arquivo de áudio: MP3 (24 kHz, mono) por padrão, ou Ogg Opus |
| Quantidade cobrada | Caracteres de text enviados, a cada 1.000 |
| Tempo típico | Cerca de 8 segundos para 300 caracteres |
| Retenção | O áudio gerado é mantido por 14 dias |
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
text | Sim | As palavras a serem faladas, exatamente como escritas. Cobrado a cada 1.000 caracteres, incluindo espaços e pontuação. pelo menos 1 caracteres · no máximo 5000 caracteres |
voice_id | Não | Uma das 41 vozes prontas. O sufixo mostra os idiomas para os quais a voz foi feita. |
instructions | Não | Direção em linguagem simples sobre tom, emoção, ritmo ou volume. Molda a interpretação e não é falado. no máximo 1000 caracteres |
speed | Não | Velocidade da fala de 0,5 (mais lenta) a 2 (mais rápida); 1 é o ritmo normal da voz. Não altera o preço. |
pitch | Não | Deslocamento de tom em semitons, de -12 a 12; 0 mantém o tom natural da voz. Não altera o preço. |
volume | Não | Multiplicador de volume de 0,5 a 2; 1 é o nível normal. Não altera o preço. |
language | Não | Força o idioma da leitura. Deixe em branco para que seja detectado a partir do roteiro. |
output_format | Não | Formato do arquivo: mp3 (padrão) ou opus, um arquivo Ogg Opus menor com a mesma qualidade. Não altera o preço. |
sample_rate | Não | Taxa de amostragem do áudio em Hz: 8000, 16000, 22050, 24000, 32000, 44100, 48000. Padrão: 24000. |
Preços
$0.072 / 1.000 caracteres
Cobrado a cada 1.000 caracteres do texto enviado, contando espaços e pontuação. O orçamento mostrado antes da execução é o preço final.
Casos de uso
Locução para vídeos curtos
Narração para explicativos, clipes de produto e posts de redes sociais. O preço é fixado pelo tamanho do roteiro, então você sabe quanto um lote vai custar antes de começar.
Conteúdo multilíngue
Leia o mesmo roteiro em inglês, japonês, espanhol, alemão e mais. Várias vozes são feitas para falar mais de um idioma com o mesmo timbre.
Histórias em áudio sem censura
Os roteiros são narrados como escritos, por mais ousados que sejam. Em nossos testes, o modelo falou cada palavra dos monólogos mais fortes e das cenas narradas que enviamos, sem pular nada nem cortar antes do fim.
Vozes de personagens
Dê a cada personagem uma voz pronta e uma nota de uma linha sobre como ele fala — ofegante, sonolento, provocante — e mantenha as duas coisas durante toda a série.
Guia de prompt e dicas práticas
Envie o roteiro em text
Escreva-o exatamente como deve ser falado, com pontuação para as pausas. Até 5.000 caracteres.
Escolha uma voz
voice_idusastokie_enpor padrão. O sufixo de cada voz mostra os idiomas para os quais ela foi feita, por exemplo _en ou _ja_es.Descreva a interpretação
Escreva uma ou duas frases em instructions, por exemplo "devagar, baixo e próximo, como se falasse com uma só pessoa". Isso não é lido em voz alta.
O que ele retorna
Um arquivo de áudio por tarefa: um MP3 mono de 24 kHz, a menos que você mude output_format ou sample_rate. O arquivo é copiado para o armazenamento da SpicyAPI e mantido por 14 dias. O resultado não tem marcação de tempo por palavra nem legendas.
Escolhendo uma voz
voice_id aceita uma das 41 vozes prontas e usa stokie_en por padrão. O sufixo de cada nome de voz lista os idiomas para os quais ela foi feita — tim_en é inglês, minimi_ja japonês, sven_de alemão, jess_ja_es_id_pt_en_zh fala vários. Vozes multilíngues mantêm o mesmo timbre em todos os seus idiomas.
Dirigindo a interpretação
instructions recebe uma ou duas frases em linguagem simples sobre como ler: tom, emoção, ritmo, volume. Isso molda a performance e não é falado. Para valores exatos, speed (0,5–2), pitch (de -12 a 12 semitons) e volume (0,5–2) têm controles deslizantes próprios.
Formato de saída
output_format escolhe mp3 (padrão) ou opus, um arquivo Ogg Opus menor com a mesma qualidade, e sample_rate vai de 8000 a 48000 Hz. Nada disso altera o preço.
Idioma
O idioma é detectado a partir do roteiro. language força zh, en, ja, es-mx, id, pt-br, ko, it, de ou fr quando um roteiro curto ou com vários idiomas é lido no idioma errado.
Cobrança
Cobrado a cada 1.000 caracteres de text, contando espaços, pontuação e quebras de linha; instructions é gratuito. A quantidade de caracteres é conhecida antes do início da tarefa, então o orçamento é a cobrança final. Solicitações que falham não são cobradas.
Conteúdo
A SpicyAPI não adiciona filtro de conteúdo. Em nossos testes, até os roteiros mais fortes foram narrados palavra por palavra, sem pular nada e sem nenhum clipe encerrado antes do tempo.
A SpicyAPI não adiciona nenhum filtro de conteúdo: roteiros NSFW são lidos exatamente como estão escritos. Você é responsável pelos roteiros que envia e pelo uso que faz do áudio resultante, incluindo não apresentá-lo como as palavras de uma pessoa real.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seed-speech-2.0/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "stokie_en",
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.