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.

API de voz com IA gratuita: chave de API, limites gratuitos, preços e alternativas
Cristian Da Conceicao

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.

Mãos de desenvolvedor digitando ao lado de um notebook e de um caderno com um símbolo desenhado à mão

Plano gratuito, crédito de teste ou código aberto

TipoComo funcionaPegadinha típica
Plano gratuito permanenteUma franquia mensal que é renovada (caracteres ou créditos)Vozes de qualidade inferior, limites de taxa, às vezes sem uso comercial
Crédito de testeUm saldo único que expira após semanas ou mesesDesaparece, quer você use quer não
Código aberto / pesos abertosVocê hospeda o modelo por conta própriaVocê 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

  1. Crie uma conta com um endereço de e-mail (alguns provedores também pedem cartão, mesmo para o plano gratuito).
  2. Abra a seção de desenvolvedor ou o painel e procure uma área chamada API, Credentials ou Access tokens.
  3. Clique no botão que gera um novo segredo. Copie-o imediatamente, porque a maioria dos painéis mostra o segredo apenas uma vez.
  4. 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.

Vista de baixo ângulo de um microfone condensador com filtro antipop em um pequeno estúdio caseiro

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.

ProvedorFranquia gratuita (aprox.)Observações
Google Cloud Text to SpeechCaracteres gratuitos mensais, mais para vozes padrão do que para vozes premiumPlano gratuito contínuo, cobrança por uso depois
Microsoft Azure SpeechCerca de 0,5 milhão de caracteres neurais por mêsRenovado mensalmente, recurso vinculado a uma região
IBM Watson Text to SpeechCerca de 10.000 caracteres por mês no plano LitePequeno, bom apenas para testes
ElevenLabsCerca de 10.000 créditos por mês no plano gratuitoAtribuição obrigatória, sem licença comercial no plano gratuito
Amazon PollyFranquia gratuita durante o primeiro anoCom prazo, não permanente
Modelos de fala da OpenAISem plano gratuito permanentePague conforme o uso desde a primeira requisição
Código aberto hospedado por vocêIlimitadoVocê 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?

Vista aérea de uma mesa com notebook, calculadora e bloco de notas com uma tabela de preços escrita à mão

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 vozPreço aproximado por 1 milhão de caracteresIdeal para
Padrão / básicoA partir de cerca de US$ 4Alertas, menus de URA, leituras de acessibilidade
Neural / premiumEm torno de US$ 15 a US$ 20Apps, explicações em vídeo, narração
Expressivo / qualidade de estúdioMais alto, muitas vezes vendido como assinatura mensalAudiolivros, 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:

ModeloDestaqueLink
ElevenLabs V3Entrega expressiva e naturalV3
ElevenLabs Flash v2.5Baixa latência para respostas rápidasFlash v2.5
ElevenLabs v2 MultilingualMais de 30 idiomasv2 Multilingual
MiniMax Speech 2.8 HDLocuções de qualidade de estúdioSpeech 2.8 HD
MiniMax Speech 2.8 TurboNarração rápida e naturalSpeech 2.8 Turbo
Gemini 3.1 Flash TTS30 vozes, mais de 70 idiomasGemini 3.1 Flash TTS
ChatterboxClonagem de voz com controle de emoçãoChatterbox
Chatterbox TurboSíntese rápida e leveChatterbox Turbo
Inworld Realtime TTS 1.5 MiniCerca de 120 ms de síntese para uso ao vivoRealtime TTS 1.5 Mini
Qwen3 TTSClone uma voz ou crie a suaQwen3 TTS

💡 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.

Criador de podcast falando em um microfone dinâmico em um quarto aconchegante

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.

Atendente de suporte usando headset em uma mesa de escritório aberta e bem iluminada

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.

Senhor idoso em uma poltrona de couro ouvindo um audiolivro com fones de ouvido

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.

Jovem com fones de ouvido caminhando por uma rua ensolarada enquanto ouve áudio no celular

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.

Dois engenheiros revisando um diagrama de arquitetura desenhado à mão em um quadro branco

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.

Mão de um técnico de som ajustando um fader em uma mesa de mixagem

Uma lista simples para decidir

Antes de escolher, percorra esta lista:

  1. Volume: quantos caracteres por mês, sendo honesto?
  2. Qualidade: a voz se sustenta ao longo de um roteiro completo?
  3. Latência: os usuários esperam pelo áudio, ou ele é pré-gerado?
  4. Licença: o uso comercial é permitido no plano que você pode pagar?
  5. Portabilidade: a chamada está encapsulada em uma função, para que você possa trocar depois?
  6. 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.

Compartilhe este artigo

Escolha seu idioma

FreeCrie imagens e vídeos com IAGrátis, sem cartão de créditoGerações grátis para começarSeedance 2.5 Lite incluídoComece grátis agora