Guia completo para usar o Um gerador de áudio completo para voz e música
O gerador de áudio do PoYo reúne modelos de fala, voiceover e música em um workspace focado. Você escolhe ElevenLabs, Gemini, xAI, MiniMax e outros modelos executáveis diretamente no painel Input.
Cada modelo mantém seus controles nativos, então idioma, voz, tags de emoção, velocidade, letras, modo instrumental, formato, prévia, resposta JSON e download aparecem apenas quando o modelo ativo oferece suporte.
Gere fala, voiceovers e música, depois escute, baixe e valide parâmetros para seu fluxo de API.
01
Transforme scripts, textos de produto, narração e diálogos em áudio natural. Modelos compatíveis mostram voz, idioma, tags de emoção, normalização de texto, velocidade e timestamps.
02
Crie música a partir de prompts, letras, modo instrumental e ideias de composição estruturadas. Use text-to-music para demos, hooks, bases e direção criativa.
03
Alterne entre famílias de modelos de áudio sem perder os controles nativos. TTS rápido, vozes expressivas, música, sample rate, bitrate, formato e qualidade ficam ligados ao modelo ativo.
04
Ouça o áudio gerado no navegador, inspecione JSON e timestamps quando retornados, baixe o arquivo final e leve configurações validadas para APIs ou agentes.
Crie narração, áudio para demos de produto, rascunhos de dublagem multilíngue e trilhas vocais para vídeos sociais.
Gere aulas narradas, prévias de capítulos, segmentos de podcast e testes de narração longa.
Prototipe vozes de app, onboarding falado, áudio de acessibilidade e experiências localizadas.
Crie ideias de músicas, bases, hooks, demos e trilhas a partir de prompts, letras e direção de estilo.
Explore vozes de personagens, sons de UI de jogos, assets para criadores e conceitos de áudio interativo.
Valide prompts, vozes, formatos, prévias e respostas JSON antes de integrar em um produto API.
1. Escolha um modelo de áudio no painel Input. Selecione o provedor e o modelo executável para fala ou música.
2. Adicione texto, letras ou direção musical. Escreva script, prompt, idioma, estilo de voz, clima, instrumentos ou letras.
3. Ajuste controles específicos do modelo. Configure voz, tags de emoção, velocidade, sample rate, bitrate, formato, lyrics optimizer ou modo instrumental.
4. Gere, escute e baixe. Envie a geração, ouça a prévia, inspecione JSON se necessário e baixe o arquivo.
Ele pode criar text-to-speech, voiceovers, narração, diálogos, demos musicais, canções e instrumentais dependendo do modelo selecionado. O painel Input mostra apenas campos suportados.
Use ElevenLabs V3 TTS para voiceovers expressivos, ElevenLabs TTS Turbo v2.5 ou xAI TTS 1 para testes rápidos, Gemini 3.1 Flash TTS para fala guiada por estilo, ElevenLabs Music para música estruturada, MiniMax Music 2.6 para prompts e letras e Generate Music para criação musical ampla.
A qualidade depende do modelo, prompt, idioma, voz e configurações. TTS moderno pode soar muito natural, mas uso em produção ainda pede escuta, ajuste de pronúncia, ritmo e masterização.
Sim, quando o modelo oferece suporte. Modelos de voz podem expor idioma, voz, velocidade, estabilidade, estilo, tags de emoção e timestamps; modelos de música podem expor gênero, clima, letras, instrumental, estrutura e formato.
A galeria reproduz arquivos comuns no navegador. Dependendo do provedor, downloads podem incluir MP3, WAV, OGG, Opus, PCM, mu-law, A-law, timestamps ou arquivos auxiliares.
Use scripts limpos, dicas de pronúncia, direção vocal específica, ritmo realista e tags de emoção moderadas. Para música, descreva gênero, clima, tempo, instrumentos, vocais, estrutura, letras e o que evitar.
Tempo e custo variam por modelo, tamanho do texto, duração, formato, duração musical, qualidade e provedor. Verifique o custo no footer do Input antes de execuções longas.
O uso comercial depende do modelo, termos do provedor, plano e direitos de scripts, letras, vozes, referências e uploads. Revise os termos e evite conteúdo sem permissão.
Compare fala, voz e música sem reconstruir prompts em várias ferramentas.
Cada modelo mantém suas vozes, idiomas, estilos, letras, formatos e fluxo de resultado.
Ouça o áudio gerado na galeria antes de baixar.
Teste scripts, prompts, vozes, formatos e JSON antes de levar para produção.
