API multilíngue de texto para fala: 33 idiomas com um único endpoint REST (2026)
Como usar uma API multilíngue de texto para voz para gerar áudio em 32 idiomas com uma única chamada REST. Aborda localização de aplicativos, fluxos globais de conteúdo, aprendizagem de idiomas e preços.
Criar um produto para um público global significa gerar áudio no idioma que seus usuários realmente falam. Uma API de TTS multilíngue permite fazer isso com uma única integração, em vez de gerenciar vários serviços específicos por idioma.
Este guia explica como a API de TTS do Audexum processa 32 idiomas, como alternar entre eles no código e quais casos de uso mais se beneficiam da síntese multilíngue.
Por que o TTS multilíngue é difícil de fazer bem
A maioria dos provedores de TTS dá bom suporte ao inglês e trata todo o resto como algo secundário. Problemas comuns:
- Contaminação do sotaque: o modelo foi treinado em inglês e pronuncia incorretamente sistemas de escrita não latinos
- Idiomas ausentes: o suporte aparece na página inicial, mas apenas poucas vozes realmente funcionam
- Sem troca de idioma por solicitação: você precisa de uma chave de API ou de um endpoint separado para cada localidade
- Lacunas fonéticas: idiomas como árabe, japonês e híndi exigem regras específicas de conversão de grafema em fonema que modelos baratos ignoram
Uma API multilíngue pronta para produção precisa de modelos nativos para cada idioma, não de um único modelo com um seletor de idioma.
A abordagem do Audexum
O Audexum usa modelos de voz dedicados por idioma, em vez de um único modelo multilíngue. Isso significa pronúncia precisa em alfabetos baseados em caracteres (japonês, coreano e árabe) e em idiomas tonais, sem exigir nenhuma dica fonética de quem faz a chamada.
A API aceita um parâmetro de idioma além do voice_id. Se você usar uma voz treinada em um idioma específico, não precisa definir idioma separadamente; ele é inferido. Nos casos em que o texto mistura sistemas de escrita, passar um código de idioma explícito garante a tokenização correta.
Idiomas compatíveis
O Audexum oferece suporte a 32 idiomas em 43 vozes. Os 20 mais usados:
A lista completa dos 32 idiomas está disponível pelo /api/v1/voices endpoint.
Exemplos de código
Listar vozes por idioma
import requests
API_KEY = "sk_live_abc123xyz"
voices = requests.get(
"https://audexum.com/api/v1/voices",
headers={"Authorization": f"Bearer {API_KEY}"},
).json()
# Group by language
by_language = {}
for v in voices:
by_language.setdefault(v["language"], []).append(v["voice_id"])
for lang, ids in sorted(by_language.items()):
print(f"{lang:10s}: {', '.join(ids)}")Sintetizar em um idioma específico
import requests
API_KEY = "sk_live_abc123xyz"
API_URL = "https://audexum.com/api/v1/tts"
def synthesize(text: str, voice_id: str, output_file: str):
response = requests.post(
API_URL,
headers={
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json",
},
json={"text": text, "voice_id": voice_id},
)
response.raise_for_status()
with open(output_file, "wb") as f:
f.write(response.content)
# Japanese
synthesize(
text="こんにちは、Audexumへようこそ。",
voice_id="ja_female_01",
output_file="welcome_ja.wav",
)
# Arabic
synthesize(
text="مرحبًا بك في Audexum.",
voice_id="ar_female_01",
output_file="welcome_ar.wav",
)
# German
synthesize(
text="Willkommen bei Audexum.",
voice_id="de_female_01",
output_file="welcome_de.wav",
)Pipeline de localização em lote
Este padrão é útil quando você mantém uma tabela de strings e precisa gerar arquivos de áudio para cada localidade:
import requests
from pathlib import Path
API_KEY = "sk_live_abc123xyz"
API_URL = "https://audexum.com/api/v1/tts"
STRINGS = {
"en_us_female_01": "Your order has been confirmed.",
"es_female_01": "Tu pedido ha sido confirmado.",
"fr_female_01": "Votre commande a été confirmée.",
"de_female_01": "Ihre Bestellung wurde bestätigt.",
"ja_female_01": "ご注文が確定しました。",
"ko_female_01": "주문이 확정되었습니다.",
"ar_female_01": "تم تأكيد طلبك.",
"hi_female_01": "आपका ऑर्डर कन्फर्म हो गया है।",
}
output_dir = Path("audio_assets")
output_dir.mkdir(exist_ok=True)
for voice_id, text in STRINGS.items():
lang_code = voice_id.split("_")[0]
response = requests.post(
API_URL,
headers={"Authorization": f"Bearer {API_KEY}"},
json={"text": text, "voice_id": voice_id},
)
if response.ok:
out = output_dir / f"order_confirmed_{lang_code}.wav"
out.write_bytes(response.content)
print(f"Wrote {out}")
else:
print(f"Failed {voice_id}: {response.status_code}")Executando isso com 8 localidades, você gera 8 arquivos WAV em menos de 10 segundos e gasta aproximadamente 400 caracteres da sua cota.
Casos de uso
Localização de aplicativos
Apps móveis e web usam cada vez mais a voz como uma camada da interface: narração de onboarding, mensagens de erro lidas em voz alta e modo de acessibilidade. Gerar o áudio no idioma do usuário durante a etapa de build, em vez da execução, elimina a latência e funciona offline.
O padrão em lote acima se encaixa nesse caso: você mantém um arquivo de tradução, executa o trabalho de síntese como parte do seu pipeline de CI e distribui os arquivos de áudio junto com o pacote do aplicativo.
Pipelines de conteúdo global
Gravar podcasts, vídeos do YouTube e cursos online em vários idiomas é caro. O áudio gerado por TTS para roteiros traduzidos reduz significativamente o custo de produção, mantendo uma qualidade aceitável para conteúdo que não é o principal.
Um fluxo de trabalho típico: traduzir o roteiro com uma API de tradução, sintetizar com o Audexum e misturar com a trilha sonora original. O resultado é conteúdo publicável a uma fração do custo de gravação em estúdio.
Aplicativos para aprendizado de idiomas
O estudo de idiomas exige uma pronúncia clara e precisa, exatamente o que o TTS com modelos nativos oferece. Gerar áudio sob demanda, em vez de pré-gravar uma lista fixa de palavras, permite abranger qualquer vocabulário e construção de frases sem um estúdio de gravação.
A precisão fonética do Audexum para alfabetos não latinos (árabe, japonês, coreano e devanagari) torna o produto viável para áudios de drills de vocabulário, nos quais pronúncias incorretas prejudicariam ativamente o aluno.
Assistentes de voz e chatbots
Bots que atendem públicos internacionais precisam responder no idioma do usuário. Detectar o idioma do usuário e selecionar a voz voice_id correspondente por solicitação exige apenas um parâmetro adicional na chamada de TTS.
Preços
Todos os 32 idiomas estão disponíveis em todos os planos; não há cobrança adicional por idioma.
Para comparação, a ElevenLabs cobra cerca de $165-$200 por 1M caracteres nos planos de lista e a OpenAI TTS cobra $15/1M. Assinantes de planos da Audexum têm taxas efetivas de €9,93/1M (Business) a €24,17/1M (Pro), com taxa de lista PAYG de €28/1M para compras avulsas. E a Audexum é a única provedora com nível gratuito contínuo e créditos de ditado unificados.
O plano gratuito (2.000 créditos iniciais, sem precisar de cartão) é suficiente para testar a síntese em todos os idiomas de que você precisa antes de assinar um plano pago.
Primeiros passos
- Cadastre-se em audexum.com/signup. Nenhum cartão de crédito é necessário no plano gratuito
- Copie seu
sk_live_chave do painel - Chame
/api/v1/voicespara obter a lista atual de vozes e escolher a suavoice_idvalores - Insira esses IDs no script de lote acima
A referência completa da API, incluindo a sintaxe de substituição de fonemas para casos especiais, está em audexum.com/docs.
- Relacionado: Tutorial de API de texto para fala em Python
- Relacionado: API de texto para fala mais barata em 2026
- Relacionado: API de TTS para bots do Discord
Por Petar, fundador do Audexum. Criando uma TTS multilíngue que realmente lida corretamente com alfabetos não latinos.
Got any questions left?
Compartilhar feedback
Este artigo foi útil?