Uma API de texto para fala para textos longos: capítulos, artigos e audiolivros
Com textos longos, as APIs de texto para fala ficam lentas e caras. Muitas limitam uma solicitação a alguns milhares de caracteres: você divide o livro sozinho, envia centenas de solicitações e junta o áudio de volta, e cada caractere é cobrado.
A API de voz da SuperClonica aceita até 20 000 caracteres numa solicitação e devolve um só arquivo. Nas nossas medições no serviço em produção, cerca de 16 000 caracteres, 15,6 minutos de fala, voltaram em 25,6 segundos. Este guia mostra como converter um texto longo e quais são os limites.
Por que é rápido
O servidor divide o texto nos limites das frases, converte as partes em vários workers ao mesmo tempo e as junta num arquivo com pausas uniformes. Por isso um capítulo longo leva segundos e não minutos, e com "stream": true você começa a ouvir a partir de 300 ms enquanto o resto é gerado.
Quanto cabe numa solicitação
Uma solicitação aceita até 20 000 caracteres, e o áudio dela precisa caber na janela de 10 minutos do seu plano. O plano define quanto um arquivo pode durar:
- Grátis: até 1 minuto, cerca de 1000 caracteres.
- Inicial, US$ 5: até 3 minutos, cerca de 3000 caracteres por solicitação.
- Autor, US$ 10: até 8 minutos.
- Pro, US$ 20: até 25 minutos, ou seja, os 20 000 caracteres completos.
- Estúdio, US$ 50: até 80 minutos, com folga para várias solicitações longas ao mesmo tempo.
Converter um livro capítulo por capítulo
Divida o livro em capítulos ou cenas, envie cada parte como uma solicitação própria com um Idempotency-Key como o número do capítulo e salve cada resposta como arquivo. Em Python: requests.post("https://superclonica.com/api/v1/speech", headers={"Authorization": "Bearer " + key, "Idempotency-Key": "chapter-3"}, json={"text": text, "voice": "M2", "language": "pt", "format": "mp3"}, timeout=120). Uma resposta 503 significa fila cheia: espere os segundos de Retry-After e envie a mesma solicitação de novo; uma chave repetida nunca converte um texto duas vezes.
Números, datas e abreviações são lidos por extenso, e as quebras de linha ficam como divisões de parágrafo.
Escolher o narrador
Num plano pago, qualquer voz do catálogo da SuperClonica funciona pela API, e você pode treinar um narrador com a sua própria gravação no site. Ouça os candidatos de graça nas páginas deles com uma frase do seu livro antes de decidir. Para um manuscrito privado que não pode sair do seu computador, rode você mesmo o motor gratuito da SuperClonica; ele converte textos longos do mesmo jeito.