API de voz com IA gratuita: chave de API, limites gratuitos, preços e alternativas
Um resumo prático das APIs de voz com IA gratuitas: como obter uma chave de API, o que os limites mensais gratuitos realmente permitem, o que você paga quando a cota acaba e quais alternativas abertas ou hospedadas valem a pena testar agora.
Você digitou "API de voz com IA gratuita" na barra de busca porque quer um app que fale, um vídeo narrado ou um agente de voz, e quer isso hoje, sem cartão de crédito. A boa notícia: existem planos gratuitos. A má notícia: a maioria esconde os limites reais em uma nota de rodapé de preços, e alguns planos "gratuitos" proíbem discretamente o uso comercial. Este artigo mostra o que você realmente recebe, como pegar suas credenciais, o que acontece com sua conta quando a cota acaba e quais alternativas valem a pena testar.
💡 Resposta rápida: Vários grandes provedores oferecem uma franquia mensal gratuita de caracteres, e alguns mecanismos de código aberto não custam nada além do processamento. Espere algo entre cerca de 10.000 caracteres e alguns milhões por mês, dependendo do nível de qualidade da voz. Confirme sempre os números atuais na página de preços do provedor, porque eles mudam com frequência.
O que "gratuito" realmente significa
A expressão abrange três coisas bem diferentes, e misturá-las é o jeito mais rápido de lançar um protótipo que quebra na segunda semana.
Plano gratuito, crédito de teste ou código aberto
Tipo
Como funciona
Pegadinha típica
Plano gratuito permanente
Uma franquia mensal que é renovada (caracteres ou créditos)
Vozes de qualidade inferior, limites de taxa, às vezes sem uso comercial
Crédito de teste
Um saldo único que expira após semanas ou meses
Desaparece, quer você use quer não
Código aberto / pesos abertos
Você hospeda o modelo por conta própria
Você paga por tempo de GPU ou CPU e pela manutenção
Um plano gratuito permanente é a melhor opção para projetos paralelos. O crédito de teste serve para uma prova de conceito curta. O código aberto faz sentido quando você tem volume, exigências de privacidade ou um engenheiro que gosta de manter servidores.
A pegadinha que a maioria não percebe
Planos gratuitos costumam ter mais limite de taxa do que limite de cota. Você pode ter um milhão de caracteres disponíveis, mas apenas uma ou duas requisições simultâneas permitidas. Para a vinheta de um podcast, isso basta. Para um agente de voz que precisa atender várias pessoas ao mesmo tempo, é uma barreira.
⚠️ Outra armadilha comum: alguns planos gratuitos exigem atribuição visível e não incluem licença comercial. Se seu projeto gera receita, leia os termos antes de publicar qualquer coisa.
Como obter sua chave de API
O processo é quase idêntico entre os provedores, então, depois de fazê-lo uma vez, o resto parece familiar.
Cadastre-se e crie uma credencial
Crie uma conta com um endereço de e-mail (alguns provedores também pedem cartão, mesmo para o plano gratuito).
Abra a seção de desenvolvedor ou o painel e procure uma área chamada API, Credentials ou Access tokens.
Clique no botão que gera um novo segredo. Copie-o imediatamente, porque a maioria dos painéis mostra o segredo apenas uma vez.
Anote o nome do projeto, da região ou do recurso, já que algumas nuvens vinculam a credencial a uma região específica.
Plataformas de nuvem como Google Cloud e Microsoft Azure têm uma configuração um pouco mais pesada: você cria um projeto ou recurso, ativa o serviço de fala e depois gera uma credencial de serviço ou um segredo de assinatura. Reserve de dez a vinte minutos na primeira vez, não dois.
Guarde-a com segurança
Nunca cole o segredo em código de front end, em um repositório público ou em uma captura de tela. Coloque-o em uma variável de ambiente e leia-o no servidor.
Um token vazado em um plano gratuito é um incômodo. Um token vazado em um plano pago é uma fatura surpresa, porque qualquer pessoa pode consumir seus caracteres em minutos.
Faça sua primeira requisição
Quase todo endpoint de texto para fala segue o mesmo padrão: você envia o texto mais um nome de voz e recebe bytes de áudio de volta. Um exemplo mínimo em Python fica assim:
import os
import requests
endpoint = os.environ["TTS_ENDPOINT"]
token = os.environ["TTS_TOKEN"]
payload = {
"text": "Welcome back. Your order has shipped.",
"voice": "narrator_warm",
"format": "mp3"
}
response = requests.post(
endpoint,
headers={"Authorization": f"Bearer {token}"},
json=payload,
timeout=30,
)
response.raise_for_status()
with open("hello.mp3", "wb") as f:
f.write(response.content)
Os nomes dos campos variam entre provedores, mas a estrutura não. Trocar um fornecedor por outro normalmente significa editar o payload e o cabeçalho, não reescrever seu app. Mantenha a chamada dentro de uma pequena função, assim uma troca custa uma tarde, e não uma semana.
Limites gratuitos comparados
Os números abaixo refletem o que estava publicamente divulgado na época em que este texto foi escrito e estão arredondados. Trate-os como ponto de partida e verifique-os antes de se comprometer.
Provedor
Franquia gratuita (aprox.)
Observações
Google Cloud Text to Speech
Caracteres gratuitos mensais, mais para vozes padrão do que para vozes premium
Plano gratuito contínuo, cobrança por uso depois
Microsoft Azure Speech
Cerca de 0,5 milhão de caracteres neurais por mês
Renovado mensalmente, recurso vinculado a uma região
IBM Watson Text to Speech
Cerca de 10.000 caracteres por mês no plano Lite
Pequeno, bom apenas para testes
ElevenLabs
Cerca de 10.000 créditos por mês no plano gratuito
Atribuição obrigatória, sem licença comercial no plano gratuito
Amazon Polly
Franquia gratuita durante o primeiro ano
Com prazo, não permanente
Modelos de fala da OpenAI
Sem plano gratuito permanente
Pague conforme o uso desde a primeira requisição
Código aberto hospedado por você
Ilimitado
Você paga pelo hardware e pela manutenção
Caracteres, créditos e minutos
Os provedores contam de formas diferentes, o que torna a comparação confusa. Google, Azure e Polly contam caracteres. A ElevenLabs usa créditos, que correspondem aproximadamente a caracteres, mas mudam conforme o modelo escolhido. Alguns serviços mais novos cobram por minuto de áudio ou até por token.
Uma regra prática: um falante de inglês lê cerca de 900 a 1.000 caracteres por minuto de áudio. Assim, uma franquia de 10.000 caracteres equivale a apenas cerca de dez minutos de fala. Uma franquia de 500.000 caracteres dá em torno de oito horas. Faça essa conta antes de se apaixonar por um plano.
A licença também é um limite
A cota é só metade da história. Faça três perguntas sobre cada plano gratuito:
Posso usar o áudio em um produto comercial?
Preciso incluir atribuição?
Posso armazenar e redistribuir os arquivos gerados, ou só transmiti-los?
O custo real dos planos pagos
O gratuito acaba. Veja o que vem depois.
Preço por milhão de caracteres
Os preços de fala hospedada se acomodaram principalmente em faixas:
Nível de voz
Preço aproximado por 1 milhão de caracteres
Ideal para
Padrão / básico
A partir de cerca de US$ 4
Alertas, menus de URA, leituras de acessibilidade
Neural / premium
Em torno de US$ 15 a US$ 20
Apps, explicações em vídeo, narração
Expressivo / qualidade de estúdio
Mais alto, muitas vezes vendido como assinatura mensal
Audiolivros, anúncios, vozes de personagens
Esses são intervalos aproximados, não orçamentos. Assinaturas de especialistas em voz agrupam caracteres ou créditos em planos mensais, o que é mais barato em volume baixo e mais caro conforme você cresce.
Um exemplo rápido de orçamento
Digamos que você tenha um app de aprendizado de idiomas que lê 40 frases curtas por sessão, com cerca de 60 caracteres cada. Isso dá 2.400 caracteres por sessão. Com 5.000 sessões por mês, você gera 12 milhões de caracteres.
Em um nível padrão a cerca de US$ 4 por milhão, são aproximadamente US$ 48 por mês.
Em um nível neural premium a cerca de US$ 16 por milhão, são aproximadamente US$ 192 por mês.
Com cache (mais sobre isso adiante), as frases repetidas caem bastante e a conta pode cair pela metade ou mais.
Custos ocultos
Fique de olho nestes itens, já que raramente aparecem na manchete de preços:
Tarifas de excedente que entram em vigor assim que você ultrapassa a franquia.
Limites de simultaneidade que obrigam você a comprar um plano superior para chamadas em paralelo.
Complementos de clonagem de voz cobrados à parte da síntese básica.
Saída de dados e armazenamento em plataformas de nuvem quando você mantém milhares de arquivos de áudio.
Tempo de desenvolvedor, o custo que ninguém fatura. Um modelo hospedado por você que economiza US$ 100 por mês, mas custa um dia de depuração a cada duas semanas, não é barato.
Alternativas gratuitas que valem a pena testar
Se os grandes provedores parecerem restritivos, duas outras rotas merecem atenção.
Mecanismos de código aberto
Os modelos de pesos abertos evoluíram rápido. Você pode rodar mecanismos leves em um notebook ou em uma GPU pequena, sem taxa por caractere. A contrapartida é o tempo de configuração, o ajuste de latência e a necessidade de monitorar a qualidade por conta própria. A Resemble AI lançou sua família Chatterbox como pesos abertos, e ela é um ponto de partida popular para fala sensível a emoções e clonagem de voz.
Pague por geração no PicassoIA
Se você quer boas vozes sem rodar servidores nem ler uma tabela de preços complicada, pode testar vários dos principais modelos de fala em um só lugar no PicassoIA e comparar pelo ouvido antes de conectar qualquer coisa ao código. Estes são os que valem uma primeira escuta:
💡 Dica: Teste o mesmo parágrafo em três ou quatro vozes antes de escolher um provedor. Uma voz que soa ótima em uma demonstração de uma linha pode parecer sem vida em um roteiro de dois minutos.
Qual opção se encaixa no seu projeto
Tarefas diferentes exigem contrapartidas diferentes. Veja um mapa rápido.
Podcasts e narração
Você precisa de ritmo natural e boa pronúncia, não de velocidade. Uma voz neural premium ou um modelo expressivo vale o investimento aqui, e você pode gerar cada episódio uma vez e manter o arquivo. A cota importa menos do que a qualidade. Experimente V3 ou Speech 2.8 HD para um primeiro rascunho.
Agentes de voz e chat ao vivo
Aqui a latência manda. Busque um primeiro trecho de áudio bem abaixo de meio segundo e procure suporte a streaming. Os limites de simultaneidade são a restrição real, então um plano gratuito não sustenta um produto ao vivo. Modelos de baixa latência como Flash v2.5 e Realtime TTS 1.5 Mini foram feitos para esse tipo de trabalho.
Audiolivros e conteúdo longo
Textos longos multiplicam sua contagem de caracteres rapidamente. Um romance de 70.000 palavras chega a cerca de 400.000 caracteres, o que pode consumir uma franquia gratuita de uma só vez. Reserve orçamento para um plano pago e divida o texto em capítulos, para que uma requisição com falha não custe o livro inteiro.
Apps para celular
A maioria dos apps para celular lê frases curtas repetidamente: rótulos de botões, notificações, enunciados de lições. É aqui que o cache compensa, já que você pode sintetizar cada frase uma vez e enviar o arquivo de áudio com o app ou a partir de uma CDN.
Produtos multilíngues
Se você atende vários mercados, verifique a lista de idiomas antes da lista de preços. Algumas vozes econômicas soam excelentes em inglês e medíocres em todo o resto. Gemini 3.1 Flash TTS e v2 Multilingual são bons pontos de partida. Para vídeos traduzidos, Dubbing cobre mais de 90 idiomas.
Erros que consomem sua cota gratuita
A maioria dos desenvolvedores bate no teto cedo por motivos evitáveis.
Regenerar o mesmo áudio
Toda vez que um usuário abre uma tela e seu código chama a API de novo para a mesma frase, você paga duas vezes. Faça um hash do texto mais o nome da voz, armazene o resultado e reutilize.
Testar em produção
Laços, novas tentativas e roteiros pela metade consomem caracteres. Use um texto curto de teste durante o desenvolvimento e coloque um limite rígido no código, para que um bug não esgote o mês em uma tarde.
Ignorar o formato de áudio
Pedir áudio sem compressão quando MP3 ou Opus bastariam desperdiça largura de banda e armazenamento. Escolha um formato adequado ao destino: uma ligação telefônica, uma página web ou uma mixagem de estúdio.
Escolher um provedor antes de testar a voz
Comparações de preço parecem racionais, mas a qualidade da voz é o que seus usuários vão de fato notar. Faça um teste de escuta às cegas com dois colegas. Qualquer que seja a voz vencedora, confira se o nível dela cabe no seu orçamento no volume que você espera.
Pular a checagem de pronúncia
Nomes de produtos, siglas e números complicam qualquer mecanismo. Teste algumas linhas difíceis, como números de telefone, datas e nomes de marcas, e use grafia fonética ou marcação, se o provedor suportar.
Uma lista simples para decidir
Antes de escolher, percorra esta lista:
Volume: quantos caracteres por mês, sendo honesto?
Qualidade: a voz se sustenta ao longo de um roteiro completo?
Latência: os usuários esperam pelo áudio, ou ele é pré-gerado?
Licença: o uso comercial é permitido no plano que você pode pagar?
Portabilidade: a chamada está encapsulada em uma função, para que você possa trocar depois?
Plano B: o que acontece se o provedor cair ou você atingir o limite?
Se você consegue responder às seis, a escolha costuma se fazer sozinha. Para um projeto de hobby, um plano gratuito ou um mecanismo de código aberto resolve. Para um produto com usuários pagantes, reserve orçamento para um plano premium e mantenha um segundo provedor pronto.
Teste as vozes você mesmo
Ler sobre vozes só leva você até certo ponto. Abra o PicassoIA, cole um parágrafo do seu próprio roteiro e rode-o em alguns dos modelos acima: ElevenLabs V3, Speech 2.8 Turbo, Chatterbox e Qwen3 TTS. Dez minutos de escuta vão ensinar mais do que uma hora de tabelas de preços. Quando tiver uma favorita, você saberá exatamente qual voz, nível e orçamento usar como base. Você também pode explorar todos os modelos de fala, música e imagem em picassoia.com/en/all-models e começar a criar seus próprios áudios e visuais hoje.