Perguntas frequentes
Como começar a usar a API TTS?
Acesse /get-api-key/ para criar uma conta com Google ou email. Você receberá uma chave Bearer para autenticar requisições POST para https://api.delta575.info/v1/audio/speech. Utilize o SDK OpenAI ajustando o base_url ou envie HTTP direto. O saldo inicial de $0,50 permite testar cerca de 50.000 caracteres sem custo.
Qual voz usar para guias de pacientes?
Para guias, recomenda-se Aria (narração clara) ou Sage (instrucional calma). Milo oferece tom conversacional amigável, enquanto Atlas é neutro para informações técnicas. Todas as 8 vozes falam os 23 idiomas disponíveis, incluindo português. A escolha depende do tom desejado para a explicação clínica, mantendo clareza e compreensão para o paciente.
Como otimizar custos com a API?
O custo é $10 por 1 milhão de caracteres, incluindo espaços. Textos falhados são gratuitos. Divida textos longos em partes de 4096 caracteres para controle preciso. O saldo não expira. Evite repetições desnecessárias de chamadas de API para reduzir o volume total de caracteres processados.
A API suporta textos longos?
Sim, mas cada requisição limita o input a 4096 caracteres. Para textos maiores, você deve dividir o conteúdo em partes, enviar cada uma separadamente e juntar os arquivos de áudio resultantes. Isso garante que o limite seja respeitado e o áudio final seja completo, mantendo a integridade da narração clínica.
Como tratar erros de requisição?
Se a síntese falhar, a cobrança é devolvida integralmente. Verifique o status da resposta HTTP. Se houver falha de autenticação, regenere sua chave em /get-api-key/. Monitore os limites de taxa (60 req/min). Erros comuns incluem texto muito longo ou formato inválido. A falha não consome crédito, protegendo seu orçamento.
Posso usar a API em aplicações mobile?
Sim, a API é acessível via HTTP de qualquer dispositivo com conexão à internet. Não há SDK nativo específico para mobile, mas você pode usar o SDK OpenAI ou requisições HTTP diretas. Certifique-se de gerenciar a chave de autenticação de forma segura no seu aplicativo para evitar uso não autorizado.
Como garantir a qualidade do áudio?
Utilize formatos como WAV ou FLAC para máxima fidelidade. Ajuste a velocidade entre 0.25 e 4.0 para adequar ao ritmo de leitura. Escolha vozes adequadas ao contexto, como Sage para instruções. O áudio gerado é retornado diretamente na resposta, permitindo armazenamento local imediato para garantir a disponibilidade durante o uso do app.
A API é compatível com React?
Sim, você pode usar o SDK oficial da OpenAI ou bibliotecas HTTP padrão do JavaScript. Basta configurar o base_url para https://api.delta575.info/v1. Isso permite integrações diretas em componentes React, enviando textos e recebendo os arquivos de áudio para reprodução nativa no navegador ou aplicativo híbrido.
Como gerenciar múltiplas chaves?
Cada conta mantém apenas uma chave ativa por vez. Se precisar de uma nova chave, emita-a através do painel /get-api-key/. A chave antiga é invalidada imediatamente. Isso simplifica o gerenciamento de segurança, garantindo que apenas uma credencial esteja válida, evitando conflitos de autenticação em diferentes ambientes de desenvolvimento ou produção.
A API suporta áudio em tempo real?
Não. A API não oferece streaming ou WebSocket para áudio parcial. O áudio é gerado completo e retornado na resposta. Para textos longos, o tempo de geração é aproximadamente real-time, mas há latência devido ao processamento sequencial. Você deve aguardar a conclusão da síntese antes de reproduzir o arquivo.
Como fazer backup dos áudios gerados?
A API não armazena os áudios gerados permanentemente. O arquivo é retornado na resposta HTTP e deve ser salvo pelo seu cliente imediatamente. Você é responsável por armazenar os arquivos em seu próprio servidor ou armazenamento de objetos. Isso garante que você tenha controle total sobre os dados de áudio produzidos.
A API funciona offline?
Não. A API é baseada na nuvem e requer conexão à internet para enviar textos e receber áudio. Não há instalação local ou SDK offline. A geração ocorre nos servidores da API, que processam as requisições sequencialmente. A latência depende da carga do servidor e da velocidade da sua conexão.
Posso usar a API para podcasts?
Sim, você pode usar vozes como Aria ou Orion para narração. No entanto, não há suporte para SSML ou controle de emoções, limitando a expressividade. O áudio é gerado em arquivos completos, não em streaming. Para podcasts, você deve gerar os arquivos separadamente e editá-los externamente, já que não há pipeline de dublagem integrado.
Como medir o sucesso da integração?
Monitore o saldo e o consumo de caracteres no painel /get-api-key/. Verifique os tempos de resposta e taxas de erro. Como não há SLA, avalie a consistência da geração. O custo é previsível ($0,01 por 1.000 caracteres). Use métricas de uso para otimizar a divisão de textos e ajustar a velocidade de narração.
Preparação do ambiente
Configure o ambiente de desenvolvimento para integrar a API Delta TTS Medical. O processo inicia com a criação de uma conta independente em delta575.info, garantindo que seus dados de pacientes não sejam usados para treinamento. Acesso via Google ou e-mail é imediato, sem burocracia de enterprise.
Obtenha sua chave API e ajuste os parâmetros básicos. Com a base configurada, você está pronto para enviar requisições POST para gerar áudio clínico com precisão e custos previsíveis.
Criação de conta
Acesse /get-api-key/ para registrar seu projeto. Escolha entre login com Google, que inclui $0,50 de crédito válido por 7 dias, ou e-mail e senha. As contas são independentes por site, facilitando o isolamento de ambientes de desenvolvimento e produção.
Não há necessidade de cartão de crédito ou contrato mínimo. O foco é na agilidade para desenvolvedores indie criarem ferramentas de saúde rapidamente.
- Login com Google ou e-mail/senha
- Crédito inicial de $0,50 para testes
- Contas independentes por domínio
Obtenção de chave
Após o login, a página exibe sua chave tts-... ativa. Esta única chave autentica todas as requisições via cabeçalho Authorization: Bearer. Se necessário, emita uma nova chave a qualquer momento; a anterior é invalidada imediatamente.
A chave permite até 60 requisições por minuto. Para projetos com alto volume, monitore o uso na dashboard para evitar limitações durante a geração de guias de pacientes.
- Chave única por conta
- Substituição instantânea
- Limite de 60 req/min
Configuração inicial
Defina a base URL como https://api.delta575.info/v1. Utilize SDKs compatíveis com OpenAI ou HTTP direto. Especifique o modelo tts-1 ou tts-1-hd e selecione a voz adequada ao contexto clínico, como 'sage' para instruções ou 'atlas' para notícias.
Certifique-se de que o texto de entrada respeite o limite de 4096 caracteres. Para textos longos, implemente a divisão em partes antes do envio para garantir a integridade do áudio gerado.
- Base URL: api.delta575.info/v1
- Modelos: tts-1 ou tts-1-hd
- Limite: 4096 caracteres por requisição
Primeira requisição
Após obter sua chave API, você pode começar a gerar áudio imediatamente. O endpoint principal é POST https://api.delta575.info/v1/audio/speech. A estrutura do corpo JSON é idêntica à da API de speech da OpenAI, permitindo o uso das SDKs oficiais com a alteração do base_url.
Este guia demonstra como realizar a primeira síntese, seja para testar a qualidade das vozes ou para integrar instruções básicas em seu aplicativo de saúde. Lembre-se de que o limite é de 4096 caracteres por requisição.
Exemplo cURL
A maneira mais rápida de validar sua chave é via linha de comando. Substitua SUA_CHAVE pela sua credencial real.
- curl -X POST "https://api.delta575.info/v1/audio/speech" \n-H "Authorization: Bearer SUA_CHAVE" \n-H "Content-Type: application/json" \n-d '{"model": "tts-1", "input": "Dicas de saúde para pacientes.", "voice": "nova", "response_format": "mp3"}'
Exemplo Python
Utilize o pacote openai (v1.0+) para integrar a API em scripts Python. A única mudança necessária é apontar para o base_url correto.
- import openai client = openai.OpenAI(api_key="SUA_CHAVE", base_url="https://api.delta575.info/v1") with client.audio.speech.create( model="tts-1", voice="sage", input="Instruções de medicação para o paciente." ) as response: response.stream_to_file("output.mp3")
Exemplo JavaScript
Para aplicações web, o método fetch nativo é suficiente. O código abaixo gera um arquivo MP3 a partir de texto clínico simples.
- const response = await fetch('https://api.delta575.info/v1/audio/speech', { method: 'POST', headers: { 'Authorization': 'Bearer SUA_CHAVE', 'Content-Type': 'application/json' }, body: JSON.stringify({ model: 'tts-1-hd', voice: 'atlas', input: 'Dados do prontuário.' }) }); const audioBlob = await response.blob();
Escolha de vozes
A precisão na escolha da voz impacta diretamente a compreensão de pacientes com baixa literacia em saúde. Cada modelo é otimizado para diferentes contextos clínicos, garantindo clareza na transmissão de instruções críticas.
Vozes femininas
Aria é uma voz feminina com tom de narradora clara e calorosa, ideal para guias gerais. Nova é uma voz feminina com tom brilhante e animado, útil para introduções de programas de bem-estar. Luna é uma voz feminina suave, recomendada para contos de pacientes ou orientações de cuidado prolongado. Sage mantém a calma e a precisão técnica em instruções complexas.
- aria: narradora clara
- nova: tom vibrante
- luna: suave e narrativa
- sage: calma e instrucional
Vozes masculinas
Felix é uma voz masculina energética, adequada para avisos rápidos ou promoções de serviços. Milo é uma voz masculina amigável e conversacional, reduzindo a ansiedade do paciente. Atlas mantém neutralidade profissional para notícias hospitalares. Orion é uma voz masculina profunda, com tom documental para explicações detalhadas de procedimentos.
- felix: energético
- milo: conversacional
- atlas: neutro
- orion: documental
Tom instrucional
Para receitas e dosagens, Sage e Atlas são os mais eficazes devido à articulação consistente. A velocidade pode ser ajustada entre 0.25 e 4.0; para sílabas médicas, valores mais baixos garantem clareza. Teste sempre com textos técnicos para validar a clareza antes do deploy.
Formatação de texto
O limite de caracteres por requisição é de 4096 caracteres, incluindo espaços e pontuação. Para textos clínicos longos, como guias de alta detalhados, é necessário implementar lógica de divisão em lotes menores e unir os arquivos de áudio resultantes.
As quebras de linha não alteram a síntese, mas ajudam na organização do texto fonte. A pontuação influencia diretamente a entonação e as pausas, sendo crucial para a clareza das instruções médicas.
Limite de caracteres
Cada chamada à API aceita no máximo 4096 caracteres. Textos excedentes devem ser fragmentados estrategicamente para evitar truncamentos abruptos em informações críticas de saúde.
- Conte caracteres incluindo espaços.
- Implemente split em chunks de 4096.
- Unifique os arquivos MP3/OPUS gerados.
Quebras de linha
As quebras de linha são tratadas como espaços simples pelo motor. Elas não criam pausas significativas na voz sintética, servindo apenas para organização do código.
- Use \n para legibilidade no código.
- Não dependa de quebras para pausas.
Pontuação
Vírgulas, pontos e dois-pontos geram pausas naturais. Para instruções de dosagem, o uso correto de pontuação garante que as nuances sejam interpretadas corretamente pelo TTS.
- Use vírgulas para pausas curtas.
- Use pontos para finais de frase.
- Evite pontuação excessiva para fluidez.
Tratamento de erros
Erros na API TTS de saúde são tratados com precisão para garantir que guias clínicos não fiquem incompletos. Se a síntese falhar, o charge é devolvido integralmente, evitando custos desnecessários em aplicativos de pacientes.
Entender a resposta da API é crucial para manter a fluidez da experiência do usuário, especialmente ao gerar instruções de uso em tempo real.
Códigos HTTP
A API retorna códigos padrão HTTP. Erros de autenticação (401) indicam chave inválida ou expirada. Limites de taxa (429) surgem após 60 requisições por minuto. Erros de servidor (5xx) são transitórios.
- 400: Corpo da requisição inválido (ex: texto vazio).
- 401: Chave
Bearerincorreta ou ausente. - 429: Limite de 60 req/min excedido.
- 500-503: Erros internos ou de fila.
Mensagens de erro
O corpo da resposta JSON contém detalhes específicos sobre o falha. Isso ajuda a identificar se o problema é o limite de caracteres ou a formatação do modelo.
Mensagens claras permitem correções rápidas no código do frontend.
- Conteúdo descritivo no campo
error.message. - Código numérico identificável no campo
code.
Retentativas
Implemente lógica de retentativa com backoff exponencial para erros 5xx. Para erros 429, aguarde o tempo indicado no cabeçalho Retry-After. Como não há SLA, assuma que filas podem causar atrasos.
Retentativas garantem que as instruções médicas sejam entregues, mesmo sob carga.
- Use backoff exponencial para erros temporários.
- Respeite cabeçalhos de retry.
- Não retente erros 4xx persistentes.
Otimização de custos
O custo é fixo em $0,01 por 1.000 caracteres, incluindo espaços e pontuação. Calcular o tamanho exato do texto antes da requisição evita surpresas na fatura, especialmente em guias de pacientes longos.
Como a geração é síncrona, otimizar o volume de caracteres por chamada e reutilizar áudios estáticos reduz chamadas desnecessárias. Entenda como estruturar suas requisições para maximizar o crédito de teste de $0,50.
Pré-cálculo de caracteres
Cada espaço e caractere especial conta. Use uma função simples de contagem de string na sua aplicação antes de enviar o texto. Isso permite estimar o custo exato e verificar se o texto cabe no limite de 4.096 caracteres por requisição.
- Espaços e pontuação são cobrados como caracteres.
- Texto maior que 4.096 caracteres deve ser dividido.
- O crédito inicial de $0,50 cobre cerca de 50.000 caracteres.
Cache de áudio
Instruções padronizadas, como dosagens ou avisos de alerta, não mudam. Armazene o arquivo de áudio gerado no seu servidor ou CDN em vez de regenerá-lo a cada acesso do usuário. Isso elimina custos repetidos para conteúdo estático.
- Armazene áudios de instruções fixas.
- Use chaves de cache baseadas no hash do texto e da voz.
- Invalide o cache se o texto ou a voz mudarem.
Batch processing
O limite de 60 requisições por minuto permite processamento em lote. Agrupe textos curtos em sequências para aproveitar melhor a velocidade de geração. Isso mantém a aplicação fluida sem exceder a cota, mantendo os custos previsíveis.
- Respeite o limite de 60 req/min.
- Agrupe textos relacionados para eficiência.
- Monitore o uso para evitar filas.
Testes e QA
A validação da qualidade de síntese é crítica para guias clínicos. Utilize a trial credit ($0,50) para verificar a pronúncia de termos médicos antes do deploy. As vozes como Sage e Atlas oferecem clareza instrucional, essenciais para instruções de uso de medicamentos.
O monitoramento contínuo garante que a API permaneça confiável. Verifique o limite de 60 requisições por minuto e monitore o status de balanceamento para evitar falhas silenciosas durante a geração de áudios para pacientes.
Credenciais de teste
Registre-se com Google para receber $0,50 de crédito válido por 7 dias. Esse valor permite gerar cerca de 50.000 caracteres, suficientes para testar a precisão de terminologia médica sem custo inicial.
Crie uma chave de API específica para ambientes de QA. Isso isola os testes do volume de produção e permite revogar a chave facilmente se houver vazamento de dados sensíveis durante os testes.
- Use vozes como Sage para validar clareza em instruções.
- Verifique a pronúncia de abreviações médicas comuns.
- Teste limites de caracteres (4096) em receitas longas.
Monitoramento
Acompanhe o uso via endpoint /v1/voices e o painel da conta. Monitore a fila de processamento, já que requisições podem esperar sob carga, afetando a experiência do usuário em tempo real.
Defina alertas para quando o saldo estiver baixo ou quando a taxa de erros aumentar. Lembre-se que requisições falhas são gratuitas, mas contam para o limite de 60 req/min.
- Monitore latência em textos longos.
- Alerte para saldo abaixo de $1.
- Verifique status de 200 vs 429.
Logs de requisição
Registre metadados como timestamp, caracteres enviados e status. Isso é vital para auditoria de billing e para reproduzir erros de pronúncia específicos de um paciente.
Não armazene o texto bruto ou áudio gerado por longos períodos. Use os logs apenas para correlacionar falhas com volumes de caracteres e ajustar a lógica de split em lote.
- Log: timestamp, chars, status.
- Não logue texto sensível por longos períodos.
- Correlacione falhas com volume.

Deploy em produção
Para garantir a segurança em produção, emita uma nova chave sempre que houver suspeita de vazamento. A chave antiga é invalidada imediatamente, eliminando o risco de uso não autorizado por desenvolvedores indies que integram a API em apps de saúde.
Gerenciamento de chaves
Mantenha apenas uma chave ativa por conta. A substituição é instantânea, o que simplifica a rotação de credenciais em ambientes de alta segurança sem necessidade de configurar múltiplos tokens simultaneamente.
- Emitir nova chave invalida a anterior instantaneamente
- Apenas uma chave ativa por conta
Monitoramento de uso
Monitore o saldo e o histórico de caracteres no painel da conta. Como não há SLA garantido, observe os tempos de processamento, que podem variar sob carga, especialmente em textos longos.
- Verifique saldo e histórico de caracteres
- Acompanhe tempos de geração sob carga
Escalabilidade
A API suporta 60 requisições por minuto por chave. Para fluxos contínuos de guias de pacientes, implemente lógica de fila ou particionamento de texto para evitar gargalos e garantir a entrega síncrona do áudio.
- Limite de 60 requisições por minuto
- Implemente fila ou particionamento de texto
Casos de uso específicos
A API TTS converte textos clínicos em áudio com precisão, ideal para guias de pacientes e materiais educativos. Com suporte a 23 idiomas e controle de velocidade (0.25–4.0), desenvolvedores indie podem personalizar a experiência para diferentes contextos de saúde.
O limite de 4.096 caracteres por requisição exige divisão de textos longos, como receitas médicas detalhadas. O custo previsível de $0,01 por mil caracteres facilita o orçamento para aplicações de alto volume.
Receitas médicas
Transforme instruções de dosagem em áudio claro, reduzindo erros de leitura. Use vozes como 'sage' para tom instrucional ou 'aria' para narrativas mais suaves.
Divida receitas longas em blocos de 4.096 caracteres para garantir síntese estável. O formato mp3 ou opus é ideal para distribuição web leve.
- Suporte a termos técnicos em português e inglês
- Controle de velocidade para leitura pausada
- Custo baixo para alto volume de prescrições
Instruções de uso
Converta folhetos de medicamentos em áudio para pacientes com baixa literacia. A voz 'nova' oferece clareza e energia para instruções passo a passo.
Use a linguagem explícita para evitar ambiguidades na síntese. Teste com a trial credit de $0,50 para validar a clareza das instruções críticas.
- Clareza na pronúncia de dosagens
- Suporte a múltiplos idiomas
- Integração simples com players web
Relatórios clínicos
Síntese de resumos de alta para pacientes ou familiares. Use 'atlas' para neutralidade ou 'orion' para tom documental.
Armazene o áudio gerado localmente ou em CDN, pois a API não retém o arquivo. Use o formato wav para máxima fidelidade em arquivos críticos.
- Tom neutro para informações sensíveis
- Alta fidelidade com formato wav
- Sem retenção de dados de áudio
Integração com frontend
Integrar o áudio gerado exige um player HTML5 padrão com controles nativos. O endpoint retorna um arquivo binário que o navegador executa diretamente, sem necessidade de streaming ou WebSocket para áudio parcial. Para guias de pacientes, isso garante compatibilidade máxima com leitores de tela e navegação por teclado.
Player de áudio
Utilize a tag <audio> com atributos básicos. O campo response_format define o formato (mp3, wav, opus, flac, pcm). O mp3 é recomendado para equilíbrio entre qualidade e tamanho, enquanto o opus oferece menor uso de banda móvel. Evite formatos proprietários para manter a acessibilidade universal.
Controle de velocidade
A API permite ajustar a velocidade entre 0.25 e 4.0. Para instruções médicas complexas, use 0.75 ou 0.8 para clareza. Para resumos rápidos, 1.2 ou 1.5 acelera a leitura. O controle deve ser exposto no UI, permitindo que o usuário ajuste conforme sua necessidade cognitiva ou tempo disponível.
Download de arquivo
O áudio pode ser baixado diretamente pelo usuário. Implemente um botão que faça GET no endpoint ou utilize a resposta da requisição POST. O arquivo é retornado imediatamente após a síntese. Não há armazenamento persistente do áudio no lado da API, então o download deve ser feito na mesma sessão ou através de URL temporária se sua infraestrutura permitir.
Considerações de acessibilidade
Para guias de pacientes, a clareza auditiva é tão crucial quanto a visual. Nossos arquivos de áudio sintetizados mantêm uma entonação natural que facilita a compreensão em contextos clínicos, onde termos técnicos exigem pronúncia precisa sem a ambiguidade da síntese robótica básica.
Leitores de tela
Os arquivos gerados são arquivos de áudio padrão (mp3, wav, opus, flac), totalmente compatíveis com leitores de tela modernos. Ao contrastar com a falta de suporte a SSML, note que a estrutura simples do texto evita erros de pronúncia comuns em marcadores complexos, garantindo que a leitura automática flua sem interrupções bruscas.
- Compatibilidade nativa com NVDA, VoiceOver e TalkBack.
- Formatos abertos facilitam a interpretação pelo software de acessibilidade.
Controles de velocidade
Os controles de velocidade (0.25–4.0) permitem que usuários com dificuldades de processamento auditivo ajustem a fala para um nível confortável. Isso é vital para idosos ou pessoas com deficiência cognitiva que recebem instruções de medicamentos, permitindo que eles desacelerem a narração sem perder a coerência semântica.
Design inclusivo
A escolha da voz também impacta a inclusão. Vozes como "sage" (instrucional) ou "aria" (narradora clara) oferecem timbres distintos que ajudam na distinção de tópicos. Ao não oferecer clonagem de voz personalizada, mantemos um padrão auditivo consistente e reconhecível para todos os usuários do seu sistema de saúde.
Migração de sistemas antigos
Desenvolvedores que mantêm sistemas legados de síntese de voz devem migrar para nossa API RESTful, que aceita texto simples e retorna arquivos de áudio sem necessidade de SSML ou protocolos complexos.
O processo de conversão é direto: basta substituir as chamadas de SDK antigo pela endpoint POST /v1/audio/speech, mantendo a lógica de geração de áudio existente.
Conversão de formatos
Nossa API suporta MP3, WAV, OPUS, FLAC e PCM, eliminando a necessidade de conversões post-processamento que consomem CPU em servidores legados.
Os clientes podem solicitar o formato mais leve para seu caso de uso, como OPUS para uso móvel ou WAV para armazenamento local.
- Suporte nativo a múltiplos formatos de áudio
- Sem necessidade de codec adicional no servidor
- Compatível com players web e nativos
Preservação de conteúdo
O texto original do paciente é preservado exatamente como enviado, sem perda de caracteres especiais ou quebras de linha, desde que respeitado o limite de 4096 caracteres por requisição.
Para textos mais longos, a divisão deve ser feita logicamente no lado do cliente antes do envio, garantindo que a pontuação clínica seja mantida.
- Texto exato enviado é gerado no áudio
- Limitação de 4096 caracteres por chamada
- Suporte a 23 idiomas e pontuação padrão
Validação de áudio
Após a migração, execute testes comparativos usando o mesmo texto de entrada para verificar a fidelidade da voz nova versus a antiga.
Utilize os logs de requisição para monitorar a latência e garantir que o tempo de geração permaneça dentro dos limites aceitáveis para a experiência do usuário.
- Testes A/B com texto idêntico
- Monitoramento de latência e status HTTP
- Verificação de integridade do arquivo recebido
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.
23 idiomas
Qualquer voz fala qualquer um desses idiomas.
