Guia completo para utilizar Um gerador de áudio completo para fala e música
O gerador de áudio do PoYo reúne os principais modelos de geração de fala, voz e música num único espaço de trabalho. Em vez de alternares entre ferramentas de fornecedores separadas, podes escolher ElevenLabs, Gemini, xAI, MiniMax e outros modelos de áudio executáveis diretamente no painel Input.
Cada modelo mantém os seus controlos nativos, por isso o idioma, a voz, as etiquetas de emoção, a velocidade, a letra, o modo instrumental, o formato de saída, a pré-visualização, a resposta JSON e a transferência só aparecem quando o modelo selecionado os suporta.
Gera fala, locuções e música, depois pré-visualiza, transfere e leva os workflows estáveis para o teu pipeline de API.
01
Transforma guiões, textos de produto, narrações e diálogos em áudio natural. Os modelos compatíveis disponibilizam a escolha da voz, o controlo do idioma, etiquetas de emoção, normalização de texto, velocidade e marcas temporais, quando existem.
02
Cria música a partir de prompts, letras, definições instrumentais e ideias de composição estruturadas. Usa modelos de texto para música para demos, refrães, instrumentais de acompanhamento e direção criativa antes de passares à produção.
03
Troca de família de modelos de áudio sem perderes os controlos nativos. O TTS rápido, os modelos de voz expressivos, os geradores de música, a taxa de amostragem, o bitrate, o formato de saída e as opções de qualidade ficam associados ao modelo ativo.
04
Ouve o áudio gerado diretamente no navegador, consulta o JSON estruturado e as marcas temporais quando forem devolvidos, transfere o ficheiro final e leva as definições validadas para workflows de API ou de agents.
Cria narrações, áudio de demonstrações de produtos, rascunhos de dobragem multilingue e faixas de voz para vídeos de redes sociais a partir de guiões.
Gera aulas faladas, pré-visualizações de capítulos, segmentos de podcast e testes de narração de longa duração antes de gravares ou masterizares.
Cria protótipos de vozes para aplicações, áudio ao estilo dos leitores de ecrã, narração de onboarding e experiências de fala localizadas.
Cria ideias de canções, bases instrumentais, refrães, demos e instrumentais de acompanhamento a partir de prompts, letras e direção de estilo.
Explora vozes de personagens, sons de interface de jogos, assets para criadores e conceitos de áudio para conteúdos interativos.
Valida prompts, vozes, formatos, pré-visualizações e respostas JSON antes de acrescentares a geração de áudio a um produto com API.
1. Escolhe um modelo de áudio no painel Input. Escolhe o fornecedor e o modelo executável que correspondem ao teu workflow de fala ou de música.
2. Adiciona texto, letra ou direção musical. Escreve o guião, o prompt, o idioma, o estilo de voz, o ambiente, a instrumentação ou a letra exigidos pelo modelo selecionado.
3. Ajusta os controlos específicos do modelo. Define apenas as opções apresentadas pelo modelo ativo, como a voz, as etiquetas de emoção, a velocidade, a taxa de amostragem, o bitrate, o formato de saída, o otimizador de letras ou o modo instrumental.
4. Executa, pré-visualiza e transfere. Submete a geração, ouve a pré-visualização do áudio, consulta o JSON se for preciso e transfere o ficheiro gerado.
O gerador de áudio do PoYo pode criar texto para voz, áudio de locução, narração, diálogos, demos musicais, canções e faixas instrumentais, consoante o modelo selecionado. O painel Input mostra apenas os campos suportados pelo modelo de áudio ativo.
Começa com o ElevenLabs V3 TTS para locuções expressivas, o ElevenLabs TTS Turbo v2.5 ou o xAI TTS 1 para testes de fala mais rápidos, o Gemini 3.1 Flash TTS para fala orientada por instruções de estilo, o ElevenLabs Music para geração de música estruturada, o MiniMax Music 2.6 para workflows de prompt e letra e o Generate Music para criação musical abrangente.
A qualidade depende do modelo, do prompt, do idioma, da voz e das definições de saída. Os modelos de TTS atuais podem soar de forma muito natural, mas, para utilização em produção, continua a compensar fazer verificações de escuta, corrigir a pronúncia, rever o ritmo e masterizar no final.
Sim, quando o modelo selecionado suporta esses controlos. Alguns modelos de fala disponibilizam idioma, voz, velocidade, estabilidade, estilo, etiquetas de emoção ou marcas temporais. Os modelos de música podem disponibilizar género, ambiente, letra, modo instrumental, estrutura das secções e formato de saída.
A galeria pré-visualiza no navegador os ficheiros de áudio mais comuns. Consoante a resposta do fornecedor, as transferências podem incluir MP3, WAV, OGG, Opus, PCM, mu-law, A-law, marcas temporais ou ficheiros de apoio.
Usa guiões limpos, indicações claras de pronúncia, direção de voz específica, um ritmo realista e etiquetas de emoção concisas. Na música, descreve o género, o ambiente, o tempo, os instrumentos, as vozes, a estrutura, a letra e o que deve ser evitado.
O tempo de geração e o custo variam consoante o modelo, o tamanho do texto, a duração, o formato, a extensão da música, as definições de qualidade e o fornecedor. Consulta o custo do modelo ativo no rodapé do Input antes de executares narrações ou gerações de música mais longas.
A utilização comercial depende do modelo selecionado, dos termos do fornecedor, do teu plano de conta e dos direitos associados aos guiões, às letras, às vozes, às referências e ao material que carregares. Consulta os termos aplicáveis e evita conteúdo que não tenhas autorização para utilizar.
Compara geradores de fala, voz e música sem reescreveres os prompts em cada ferramenta de fornecedor.
Cada modelo mantém a sua própria voz, idioma, estilo, letra, formato e workflow de resultados.
Ouve o áudio gerado diretamente na galeria de resultados antes de transferires os ficheiros.
Testa guiões, prompts, vozes, formatos e respostas JSON antes de passares para produtos baseados em API.
