Visão geral
Realtime TTS 2 converte texto escrito em fala com som natural e a profundidade expressiva que os geradores de voz genéricos não conseguem alcançar. Se você já ouviu uma narração e percebeu imediatamente que ela foi feita por máquina, este modelo trata desse problema diretamente. Ele suporta mais de 100 idiomas, aceita pistas de emoção entre colchetes dentro do texto (como [say excitedly] ou [whisper softly]) e entrega áudio com baixa latência, tornando-o prático para aplicações ao vivo e iteração rápida. No Picasso IA, você pode executá-lo diretamente no navegador sem instalar nada.
Como funciona
- Digite ou cole seu texto na caixa de entrada, com até 2.000 caracteres por solicitação.
- Adicione instruções opcionais embutidas entre colchetes antes da frase que deseja moldar, como [say sadly] ou [laugh], para orientar o tom da entrega e sons não verbais.
- Escolha seu idioma no menu suspenso ou deixe em detecção automática se o texto estiver em um único idioma reconhecível.
- Selecione uma voz predefinida (Ashley, Dennis, Alex ou Darlene) ou insira um ID de voz personalizado, se você tiver um configurado.
- Ajuste a taxa de fala, a temperatura e o formato de saída (MP3, WAV, OGG ou FLAC) e clique em gerar para receber seu arquivo de áudio.
Perguntas frequentes
Preciso de habilidades de programação ou conhecimento técnico para usar isto?
Não, basta abrir Realtime TTS 2 no Picasso IA, ajustar as configurações que quiser e clicar em gerar.
É gratuito para testar?
Sim, você pode executar Realtime TTS 2 no Picasso IA sem uma assinatura paga para começar. Verifique os detalhes do plano atual na página de preços para limites de geração.
Quanto tempo leva para obter resultados?
O modelo foi criado para latência em tempo real, então a maioria dos textos curtos a médios retorna áudio em poucos segundos. Entradas mais longas, próximas ao limite de 2.000 caracteres, podem levar um pouco mais dependendo da carga do servidor.
Quais formatos de saída são suportados?
Você pode baixar seu áudio como MP3, WAV, OGG Opus ou FLAC. MP3 é o padrão e funciona em quase todas as plataformas. FLAC é a melhor opção se você precisar de qualidade sem perdas para uso profissional ou em estúdio.
Posso controlar como a voz soa?
Sim. Use instruções entre colchetes no texto, como [whisper] ou [say excitedly], para orientar a emoção e o estilo de entrega. Aumentar o controle deslizante de temperatura adiciona mais variação expressiva; reduzi-lo mantém o tom consistente e neutro. O controle de taxa de fala permite desacelerar ou acelerar a entrega de forma independente do tom.
Quais idiomas ele suporta?
O modelo lida com 15 idiomas de produção, incluindo inglês, espanhol, francês, alemão, chinês, japonês, coreano, árabe e hindi, entre outros. Definir o idioma como automático permite que o modelo o detecte sozinho, o que funciona bem para textos de um único idioma escritos de forma clara.
Onde posso usar o áudio que ele produz?
Os arquivos de saída são limpos e prontos para serem inseridos em qualquer projeto. Locais comuns incluem vídeos de redes sociais, edições de podcast, interfaces de aplicativo, módulos de e-learning e demonstrações de atendimento ao cliente. O áudio não contém marcas d'água incorporadas.
