API TTS para Saúde: Áudio Natural para Devs

Por Equipe editorial Delta TTS Medical · Atualizado 2026-11-19

A API Delta TTS Medical converte textos clínicos e educativos em áudio com precisão, oferecendo controle de velocidade e custos previsíveis para guias de pacientes. Desenvolvida para desenvolvedores indie, a solução utiliza um endpoint POST simples, compatível com SDKs OpenAI, facilitando a integração em aplicativos de saúde.

Nesta página, você encontra detalhes técnicos sobre as 8 vozes, suporte a 23 idiomas, limites de requisição e privacidade de dados. Explore também os casos de uso para leitura de receitas e instruções pós-cirúrgicas, além da estrutura de preços por caractere e integração via USDT.

API TTS para Saúde: Áudio Natural para Devs

Perguntas frequentes

O que é um gerador de voz online para saúde?

É uma API RESTful que converte texto clínico em áudio via POST JSON. Envie o texto e receba o arquivo de áudio. O endpoint segue o formato da API de fala da OpenAI, permitindo o uso dos SDKs oficiais da OpenAI alterando o base_url para https://api.delta575.info/v1. Ideal para devs indie integrarem síntese de voz em ferramentas de saúde sem infraestrutura complexa.

Como a API TTS melhora a experiência do paciente?

Transforma textos clínicos e educativos em áudio acessível. Oferece controle de velocidade (0.25–4.0) e 8 vozes distintas para clareza. Facilita a compreensão de guias médicos, especialmente para usuários com dificuldades de leitura ou visão, entregando instruções precisas de forma natural e previsível.

Quais idiomas são suportados para textos médicos?

Suportamos 23 idiomas, incluindo inglês, português, espanhol, alemão, francês, italiano, japonês, coreano, chinês, árabe, hindi, russo e turco. Qualquer voz pode falar qualquer um desses idiomas. Se o idioma não for definido, o sistema tenta adivinhar, mas recomenda-se especificar o código ISO para precisão.

As vozes soam naturais para instruções clínicas?

Sim, utilizam vozes baseadas em gravações licenciadas (LibriTTS-R) e audiobooks de domínio público. Opções como 'sage' (calma, instrucional) e 'atlas' (neutra, notícias) são adequadas para contextos clínicos. Cada arquivo contém uma marca d'água inaudível que identifica o áudio como síntese artificial.

Quanto custa usar a API para grandes volumes de texto?

O custo é de US$ 10 por 1 milhão de caracteres, ou US$ 0,01 por 1.000 caracteres. Espaços e pontuação contam. Solicitações falhas são gratuitas e o saldo é estornado. Não há planos mensais, assentos mínimos ou custos fixos, apenas pagamento por uso real.

Posso usar a API para criar audiobooks de guias médicos?

Sim, a API processa texto para áudio de alta qualidade. Você pode usar vozes narrativas como 'aria' ou 'luna'. É ideal para guias longos, desde que o texto seja dividido em partes de até 4096 caracteres por requisição e os áudios sejam unidos.

A API suporta textos longos como manuais de paciente?

Cada requisição aceita até 4096 caracteres. Para textos maiores, como manuais, você deve dividir o texto em partes, enviar cada uma e juntar os arquivos de áudio resultantes. Isso garante que o processamento seja eficiente e dentro dos limites técnicos da API.

Como funciona a segurança dos dados no TTS?

O texto de entrada é usado apenas para gerar o áudio e não é utilizado para treinamento. O áudio gerado é retornado na resposta e não é armazenado. Apenas metadados de solicitação (tempo, caracteres, status) são mantidos para fins de cobrança e faturamento.

Preciso de conhecimento técnico para integrar a API?

A API segue o formato de solicitação do endpoint de fala da OpenAI. Desenvolvedores podem usar SDKs oficiais da OpenAI alterando o base_url. O endpoint POST aceita JSON com campos como model, input, voice e response_format, facilitando a integração em aplicações existentes.

Qual a velocidade média de geração de áudio?

Aproximadamente em tempo real para textos longos (cerca de 25 caracteres por segundo). Frases curtas podem levar alguns segundos. As solicitações são processadas em fila, então, sob carga, pode haver espera. A velocidade é ajustável pelo parâmetro 'speed' entre 0.25 e 4.0.

Posso ajustar a velocidade da voz para idosos?

Sim, o parâmetro 'speed' permite ajustar a velocidade de 0.25 a 4.0. Para idosos, reduzir a velocidade pode melhorar a compreensão auditiva. Você pode especificar esse valor na requisição JSON junto com o texto e a voz desejada.

A API oferece desconto para uso contínuo?

Não há planos mensais, assentos ou custos fixos. O preço é de US$ 10 por milhão de caracteres. Não há assinaturas ou contratos de longo prazo. O saldo não expira, permitindo uso contínuo sem penalidades ou taxas adicionais.

O áudio gerado tem marca d'água?

Sim, cada arquivo de áudio gerado contém uma marca d'água inaudível que marca o conteúdo como fala sintética. Isso ajuda na identificação da origem do áudio. A marca é parte do arquivo gerado pela API e não requer ação adicional do usuário.

Como funciona o pagamento sem cartão de crédito?

O pagamento é feito via USDT na rede TRON (TRC-20). O valor mínimo é de US$ 5. O crédito é creditado automaticamente em minutos após a transferência. Não usamos cartões, PayPal ou faturas com IVA. O saldo não expira e pode ser usado a qualquer momento.

Primeira solicitação

curl

curl https://api.delta575.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Por que usar TTS em saúde?

Ilustração de onda sonora para: Por que usar TTS em saúde?

Para pacientes com dificuldades de leitura ou baixa visão, o áudio é essencial. Nossas vozes naturais tornam a informação médica acessível sem esforço adicional, garantindo que instruções críticas sejam compreendidas por todos.

Acessibilidade para leitores

Acessibilidade para leitores

Oferecer áudio para guias clínicos elimina barreiras para idosos ou pessoas com dislexia. A API converte textos diretamente em arquivos de áudio, facilitando o acesso à informação de saúde independentemente da habilidade de leitura do paciente.

Guias de pacientes claros

Textos médicos podem ser densos. Ao transformar instruções pós-operatórias ou receitas em áudio, você garante que cada detalhe seja ouvido. O formato auditivo reforça a compreensão e reduz erros na medicação ou no cuidado diário.

Redução de carga cognitiva

Pacientes frequentemente leem instruções sob estresse. O áudio permite que processem a informação enquanto realizam outras tarefas, aliviando a necessidade de leitura concentrada. Isso é crucial para garantir que detalhes importantes não sejam negligenciados.

Como funciona a API

Ilustração de onda sonora para: Como funciona a API

Envie texto clínico via JSON para o endpoint POST e receba o arquivo de áudio sintetizado. O formato da requisição segue o padrão do SDK da OpenAI, permitindo integração rápida sem necessidade de bibliotecas proprietadas adicionais.

Os desenvolvedores podem alterar o base_url para a API Delta TTS e utilizar as chaves existentes. Isso simplifica a migração de projetos que já utilizam serviços de TTS baseados em OpenAI, mantendo a consistência na estrutura de dados.

Endpoint POST simples

O método POST aceita um corpo JSON com os parâmetros essenciais: modelo, texto de entrada, voz e formato de resposta. O texto é limitado a 4.096 caracteres por requisição, exigindo divisão manual para textos mais longos.

  • Endpoint: POST https://api.delta575.info/v1/audio/speech
  • Formato: JSON com campos model, input, voice, response_format

SDKs compatíveis com OpenAI

Utilize o SDK oficial da OpenAI alterando apenas o base_url para https://api.delta575.info/v1. As mesmas bibliotecas de cliente funcionam, bastando fornecer a chave de API no cabeçalho Authorization.

  • Compatível com bibliotecas OpenAI
  • Configuração via variável base_url

Formatos de áudio variados

Escolha entre mp3, wav, opus, flac ou pcm conforme a necessidade da sua aplicação. Formatos como PCM são ideais para processamento imediato, enquanto MP3 oferece compressão eficiente para armazenamento.

Vozes e idiomas disponíveis

Ilustração de onda sonora para: Vozes e idiomas disponíveis

Nosso modelo de síntese de voz é independente do idioma, permitindo que qualquer uma das oito vozes predefinidas fale em qualquer um dos 23 idiomas suportados. Isso simplifica a internacionalização de guias clínicos, pois você não precisa gerenciar múltiplos conjuntos de vozes para diferentes regiões linguísticas.

8 vozes predefinidas

Cada voz tem uma característica acústica distinta, otimizada para diferentes contextos de leitura clínica. De narradoras quentes até vozes neutras para notícias, a escolha da voz influencia diretamente a percepção do paciente sobre a clareza das instruções.

  • Aria: narradora clara e quente
  • Luna: suave, ideal para contação de histórias
  • Atlas: neutra, padrão noticioso
  • Orion: profunda, estilo documentário

23 idiomas suportados

O sistema suporta Árabe, Chinês, Dinamarquês, Holandês, Inglês, Finlandês, Francês, Grego, Hebraico, Hindi, Italiano, Japonês, Coreano, Malaio, Norueguês, Polonês, Português, Russo, Espanhol, Suaíli, Sueco e Turco. Se o idioma não for especificado, o sistema tenta adivinhar pelo script; para textos em latim não ingleses, defina explicitamente o campo language.

  • Vietnamita, indonésio, tailandês, ucraniano, romeno, checo, bengali e outros idiomas não listados não são suportados

Vozes neutras e instrucionais

Para instruções pós-cirúrgicas ou leitura de receitas, vozes como Sage (calma e instrucional) e Milo (conversacional) reduzem a carga cognitiva. A consistência na voz ajuda o paciente a manter o foco no conteúdo médico, sem distrações de entonação excessiva.

Precisão e velocidade

Ilustração de onda sonora para: Precisão e velocidade

A geração de áudio é aproximadamente em tempo real para textos longos (cerca de 25 caracteres por segundo de áudio gerado). Frases curtas podem levar alguns segundos, enquanto requisições são processadas sequencialmente, podendo haver espera em filas sob alta carga.

Geração em tempo real

O sistema processa requisições uma após a outra. Para textos longos, a síntese mantém ritmo próximo ao tempo real, facilitando a integração em fluxos contínuos sem latência excessiva.

Split automático de textos longos

Cada requisição aceita até 4096 caracteres. O cliente deve dividir textos maiores em partes, gerar cada fragmento e unir os arquivos de áudio resultantes para criar o arquivo final completo.

Velocidade ajustável

A velocidade de reprodução pode ser ajustada de 0,25 a 4,0 vezes. Isso permite adaptar a narração de guias clínicos para diferentes necessidades de compreensão, mantendo a clareza da síntese.

Casos de uso médico

Ilustração de onda sonora para: Casos de uso médico

Transformar textos clínicos em áudio reduz a carga cognitiva de pacientes que leem diagnósticos ou medicações com dificuldades visuais ou motoras. A API entrega arquivos de áudio claros, permitindo que o usuário escute instruções complexas sem precisar decifrar jargões escritos.

O fluxo é simples: enviar o texto do prontuário via POST e receber o arquivo de áudio (o processamento pode levar alguns segundos ou mais, dependendo da fila). Isso elimina a necessidade de criar repositórios de gravações humanas para cada novo tipo de receita ou protocolo hospitalar, pois o áudio é gerado sob demanda.

Leitura de receitas

Receitas médicas frequentemente contêm dosagens e horários complexos. O TTS converte essas instruções em áudio claro, permitindo que o paciente ou cuidador ouça a posologia correta sem depender da visão para ler números pequenos.

A velocidade ajustável (0.25–4.0) permite ouvir a receita mais devagar para memorização ou mais rápido para conferência rápida. O formato MP3 garante compatibilidade com qualquer player de áudio no celular do paciente.

  • Suporte a caracteres especiais em dosagens
  • Geração rápida para acesso imediato

Instruções pós-cirúrgicas

Após cirurgias, os pacientes precisam seguir diretrizes precisas sobre medicação e cuidados. A API converte esses textos em áudio acessível, garantindo que instruções críticas sejam compreendidas mesmo sob estresse ou dor.

Com vozes como Sage (calma e instrucional) ou Milo (amigável), as instruções soam profissionais e claras, reduzindo erros de medicação em casa.

Conteúdo educacional

Clínicas podem gerar guias educacionais sobre condições crônicas ou prevenção de doenças. O texto é enviado via API e o áudio resultante é distribuído via app ou link, oferecendo uma alternativa de leitura passiva.

Ideal para pacientes idosos ou com baixa literacia em saúde, que preferem ouvir explicações detalhadas sobre sua condição antes ou após a consulta.

Casos de uso médico

Integração técnica

Ilustração de onda sonora para: Integração técnica

A integração utiliza autenticação Bearer (tts-...) enviada no cabeçalho HTTP. Basta alterar o base_url dos SDKs oficiais da OpenAI para https://api.delta575.info/v1 para começar a enviar requisições POST para /v1/audio/speech com a chave ativa da sua conta.

Autenticação via Bearer

Envie seu token tts-... no cabeçalho Authorization. Cada conta mantém apenas uma chave ativa por site; a emissão de uma nova revoga a anterior imediatamente.

  • Cabeçalho: Authorization: Bearer tts-...
  • Base URL: https://api.delta575.info/v1

Limites de requisição

O limite padrão é de 60 requisições por minuto por chave. Contas novas iniciam com 10 requisições por minuto até a primeira recarga.

  • 60 req/min (padrão)
  • 10 req/min (novo)

Tratamento de erros

Requisições falhas são gratuitas e o valor é estornado integralmente. O código de status HTTP indica falhas de sintaxe ou limites excedidos.

Privacidade de dados

Ilustração de onda sonora para: Privacidade de dados

A API Delta TTS Medical foi projetada com privacidade como prioridade técnica. Ao enviar seu texto clínico, garantimos que os dados enviados sejam processados exclusivamente para a síntese do áudio solicitado. Diferente de muitos modelos de aprendizado de máquina, o texto fornecido não é utilizado para treinar ou melhorar nossos modelos de voz, mantendo a confidencialidade das informações do paciente.

Texto não usado para treinamento

O conteúdo enviado via API é consumido apenas para gerar o arquivo de áudio correspondente. Não há retenção do texto original para fins de treinamento do modelo, garantindo que seus dados clínicos permaneçam isolados do ciclo de aprendizado da IA.

Áudio não armazenado

O arquivo de áudio gerado é retornado diretamente na resposta da requisição e não é armazenado em nossos servidores após a entrega. Isso elimina o risco de exposição de dados sensíveis armazenados em banco de dados de terceiros por longos períodos.

Metadados de billing

Retemos apenas os metadados necessários para a faturamento, como timestamp, quantidade de caracteres processados e status da requisição. Esses dados são essenciais para a transparência de custos e não contêm o conteúdo do texto ou do áudio em si.

Custos previsíveis

Ilustração de onda sonora para: Custos previsíveis

O custo é estritamente proporcional ao volume: US$ 10 por 1 milhão de caracteres, ou US$ 0,01 por mil caracteres. Espaços e pontuação contam como caracteres. Requisições falhas não geram cobrança.

O saldo nunca expira, permitindo que você gaste exatamente o necessário sem mensalidades fixas ou taxas de inatividade.

Preço por caractere

Cobre todos os modelos (tts-1 e tts-1-hd) com a mesma taxa. O cálculo é baseado na entrada de texto enviada, garantindo transparência total no faturamento.

Crédito de teste grátis

Contas criadas via Google recebem US$ 0,50 de crédito válido por 7 dias (aprox. 50.000 caracteres). Contas criadas com e-mail e senha começam sem crédito inicial, sem custos ocultos.

Pagamento via USDT

Top-ups mínimos de US$ 5 via rede TRON (TRC-20). O saldo é creditado automaticamente em minutos. Sem cartões, PayPal ou faturas com VAT.

  • Rede: TRON (TRC-20)

Suporte e contato

Ilustração de onda sonora para: Suporte e contato

O suporte técnico baseia-se em documentação clara e respostas por e-mail, sem chat ao vivo ou telefone. Nossa documentação detalha os parâmetros da API, limites de taxa e exemplos de integração para desenvolvedores indie.

Para dúvidas específicas sobre implementação ou cobrança, utilize o formulário de contato abaixo. Responderemos por e-mail.

Documentação técnica

Acesse a página /docs/ para referência completa dos endpoints, formatos de áudio e exemplos de código. A documentação inclui guias de autenticação e tratamento de erros para integração rápida.

  • Exemplos de curl e SDKs OpenAI
  • Referência de parâmetros de velocidade e idioma
  • Guia de limites de requisição (60 req/min)

FAQ específico

Encontre respostas para perguntas frequentes sobre limites de caracteres, formatos de áudio compatíveis e política de privacidade dos dados clínicos enviados para síntese.

Email de suporte

Envie suas dúvidas técnicas ou comerciais para nosso e-mail de suporte. Não oferecemos chat ao vivo nem número de telefone, garantindo respostas técnicas detalhadas.

  • Resposta em até 24 horas úteis
  • Suporte técnico e financeiro

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Como não há SLA garantido, observe os tempos de processamento, que podem variar sob carga, especialmente em textos longos.

Avatar da voz aria
ariafeminino
Avatar da voz nova
novafeminino
Avatar da voz luna
lunafeminino
Avatar da voz sage
sagefeminino
Avatar da voz felix
felixmasculino
Avatar da voz milo
milomasculino
Avatar da voz atlas
atlasmasculino
Avatar da voz orion
orionmasculino

23 idiomas

Qualquer voz fala qualquer um desses idiomas.

Fontes e leituras adicionais

  1. Wikipedia
  2. Python documentation
  3. Node.js documentation
  4. IETF RFC 7845: Ogg Opus
  5. ISO 639 language codes
  6. FFmpeg documentation
  7. MDN: Web Speech API
  8. curl documentation
  9. Tether (USDT)
  10. openai-node on GitHub
  11. OpenAI API reference: create speech
  12. openai-python on GitHub

Mais neste site