{"id":20169,"date":"2026-09-30T03:22:22","date_gmt":"2026-09-30T07:22:22","guid":{"rendered":"https:\/\/wp.glbgpt.com\/?p=20169"},"modified":"2026-09-30T03:22:23","modified_gmt":"2026-09-30T07:22:23","slug":"openai-audio-api","status":"publish","type":"post","link":"https:\/\/wp.glbgpt.com\/pt-br\/hub\/openai-audio-api","title":{"rendered":"API de \u00e1udio OpenAI: Recursos, pre\u00e7os e como us\u00e1-la"},"content":{"rendered":"

GUIA DA API DE \u00c1UDIO \u00b7 ATUALIZADO EM 29 DE SETEMBRO DE 2026<\/p>\n\n\n\n

Precisa transformar uma grava\u00e7\u00e3o em texto, adicionar uma narra\u00e7\u00e3o a um v\u00eddeo ou permitir que os clientes conversem com um assistente de IA? O API de \u00e1udio OpenAI<\/strong> oferece aos desenvolvedores v\u00e1rias maneiras de lidar com a fala, mas cada tarefa utiliza um modelo, uma solicita\u00e7\u00e3o e uma unidade de cobran\u00e7a diferentes.<\/p>\n\n\n\n

Comece pela tarefa que voc\u00ea deseja concluir. Abaixo, voc\u00ea encontrar\u00e1 os principais pontos de extremidade, as op\u00e7\u00f5es atuais de modelos, exemplos em Python e c\u00e1lculos de pre\u00e7os. Se seu aplicativo tamb\u00e9m precisar de vozes, modelos de chat, imagens ou v\u00eddeos de outros provedores, o API GlobalGPT<\/a> oferece outra alternativa: um \u00fanico ponto de entrada da API com tarefas de \u00e1udio, juntamente com esses servi\u00e7os.<\/p>\n\n\n\n

\n

Resposta r\u00e1pida:<\/strong> Use os OpenAI\u2019s \/v1\/\u00e1udio\/transcri\u00e7\u00f5es<\/code> para fala gravada, \/v1\/\u00e1udio\/fala<\/code> para fala gerada, e \/v1\/\u00e1udio\/tradu\u00e7\u00f5es<\/code> para traduzir grava\u00e7\u00f5es em texto em ingl\u00eas. Para uma conversa oral em andamento, escolha uma sess\u00e3o de voz ao vivo. O GlobalGPT tamb\u00e9m oferece uma API para tarefas de \u00e1udio, com seu pr\u00f3prio cat\u00e1logo de modelos e formato de solicita\u00e7\u00e3o.<\/p>\n<\/div>\n\n\n\n

\n

Nesta p\u00e1gina<\/strong><\/p>\n\n\n\n

    \n
  1. O que \u00e9 a API de \u00e1udio OpenAI?<\/a><\/li>\n\n\n\n
  2. Escolha um endpoint e um modelo<\/a><\/li>\n\n\n\n
  3. Comece com exemplos em Python<\/a><\/li>\n\n\n\n
  4. Entenda os pre\u00e7os da API de \u00c1udio<\/a><\/li>\n\n\n\n
  5. Use a API GlobalGPT para \u00e1udio e muito mais<\/a><\/li>\n\n\n\n
  6. Evite erros comuns na configura\u00e7\u00e3o<\/a><\/li>\n\n\n\n
  7. Escolha o caminho certo<\/a><\/li>\n\n\n\n
  8. Perguntas frequentes<\/a><\/li>\n<\/ol>\n<\/div>\n\n\n\n

    O que \u00e9 a API de \u00e1udio OpenAI?<\/h2>\n\n\n\n

    A API de \u00e1udio OpenAI \u00e9 um conjunto de interfaces para desenvolvedores destinadas ao processamento e \u00e0 gera\u00e7\u00e3o de fala. Seu aplicativo envia texto ou \u00e1udio para o OpenAI, seleciona um modelo e recebe, em troca, \u00e1udio falado ou texto. Ela pode ser utilizada em um aplicativo de transcri\u00e7\u00e3o, em artigos narrados, em ferramentas de legendagem ou nas funcionalidades de fala de um assistente digital mais abrangente.<\/p>\n\n\n\n

    OpenAI Refer\u00eancia da API de \u00e1udio<\/a> separa a gera\u00e7\u00e3o de fala, a transcri\u00e7\u00e3o e a tradu\u00e7\u00e3o. Esses s\u00e3o componentes \u00fateis: a transcri\u00e7\u00e3o extrai palavras de uma grava\u00e7\u00e3o; um modelo de texto independente pode transformar essas palavras em um resumo, e um modelo de fala pode ler o resumo em voz alta.<\/p>\n\n\n\n

    Tr\u00eas solicita\u00e7\u00f5es, tr\u00eas resultados diferentes<\/h3>
    \n

    Grava\u00e7\u00e3o \u2192 transcri\u00e7\u00e3o<\/strong><\/p>

    Entrevista, reuni\u00e3o, palestra ou grava\u00e7\u00e3o de voz<\/p>

    \/\u00e1udio\/transcri\u00e7\u00f5es<\/code><\/p><\/div>\n

    Roteiro \u2192 \u00e1udio falado<\/strong><\/p>

    Narra\u00e7\u00e3o, \u00e1udio de acessibilidade ou resposta de um aplicativo<\/p>

    \/\u00e1udio\/fala<\/code><\/p><\/div>\n

    Grava\u00e7\u00e3o em l\u00edngua estrangeira \u2192 Texto em ingl\u00eas<\/strong><\/p>

    Tradu\u00e7\u00e3o para o ingl\u00eas de uma grava\u00e7\u00e3o de fala<\/p>

    \/\u00e1udio\/tradu\u00e7\u00f5es<\/code><\/p><\/div>\n<\/div>

    Tarefas de \u00e1udio baseadas em arquivos OpenAI. Uma conversa ao vivo bidirecional requer uma integra\u00e7\u00e3o de voz separada, baseada em sess\u00e3o.<\/figcaption><\/figure>\n\n\n\n

    O ChatGPT \u00e9 um aplicativo que voc\u00ea pode usar diretamente; a API permite que voc\u00ea adicione modelos ao seu pr\u00f3prio aplicativo. Se voc\u00ea quiser apenas interagir com o ChatGPT, comece com ChatGPT Acesso por voz e limites<\/a>. Um projeto de API requer um or\u00e7amento pr\u00f3prio para sua implanta\u00e7\u00e3o e utiliza\u00e7\u00e3o.<\/p>\n\n\n\n

    Qual terminal de \u00e1udio e qual modelo voc\u00ea deve usar?<\/h2>\n\n\n\n

    Escolha de acordo com o tipo de conte\u00fado que seu aplicativo precisa. Um arquivo de legendas, uma transcri\u00e7\u00e3o com identifica\u00e7\u00e3o dos interlocutores e uma conversa ao vivo s\u00e3o produtos finais diferentes, mesmo que todos os tr\u00eas comecem com algu\u00e9m falando.<\/p>\n\n\n\n

    \n
    Sua tarefa<\/th>Rota OpenAI<\/th>Modelo ou ponto de partida<\/th>Detalhe importante<\/th><\/tr><\/thead>
    Transcrever uma grava\u00e7\u00e3o completa<\/td>\/v1\/\u00e1udio\/transcri\u00e7\u00f5es<\/code><\/td>gpt-transcribe<\/code><\/td>O ponto de partida recomendado pelo OpenAI para a transcri\u00e7\u00e3o de arquivos; preserva a linguagem falada.<\/td><\/tr>\n
    Gerar narra\u00e7\u00e3o a partir de um texto<\/td>\/v1\/\u00e1udio\/fala<\/code><\/td>gpt-4o-mini-tts<\/code><\/td>Escolha uma voz e d\u00ea instru\u00e7\u00f5es sobre a forma de falar, como um tom calmo ou um ritmo mais lento.<\/td><\/tr>\n
    Traduzir uma grava\u00e7\u00e3o para o ingl\u00eas<\/td>\/v1\/\u00e1udio\/tradu\u00e7\u00f5es<\/code><\/td>sussurro-1<\/code><\/td>Retorna um texto em ingl\u00eas. Este modelo tem uma data prevista para ser descontinuado; consulte a nota de migra\u00e7\u00e3o abaixo.<\/td><\/tr>\n
    Obter segmentos rotulados por locutor<\/td>\/v1\/\u00e1udio\/transcri\u00e7\u00f5es<\/code><\/td>gpt-4o-transcribe-diarize<\/code><\/td>Solicita\u00e7\u00e3o diarized_json<\/code>. Este tamb\u00e9m \u00e9 um modelo que est\u00e1 saindo de linha.<\/td><\/tr>\n
    Exibir legendas em tempo real<\/td>Sess\u00e3o de transcri\u00e7\u00e3o em tempo real<\/td>gpt-live-transcribe<\/code><\/td>Processa o \u00e1udio recebido sem que um assistente responda.<\/td><\/tr>\n
    Criar uma conversa cont\u00ednua por voz<\/td>Sess\u00e3o do GPT-Live<\/td>gpt-live-1<\/code><\/td>\u00c9 capaz de ouvir enquanto fala e delegar tarefas a um agente de suporte.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n

    A corrente guia de transcri\u00e7\u00e3o de arquivos<\/a> recomenda gpt-transcribe<\/code> para grava\u00e7\u00f5es comuns. Para uma transcri\u00e7\u00e3o de podcast, comece por a\u00ed. Se precisar de marcas de tempo por palavra ou formatos de legenda, verifique as op\u00e7\u00f5es espec\u00edficas de cada modelo antes de escolher um; o suporte varia.<\/p>\n\n\n\n

    \n

    Data da migra\u00e7\u00e3o a ser considerada no planejamento:<\/strong> Listas da OpenAI sussurro-1<\/code>, gpt-4o-transcribe<\/code>, gpt-4o-mini-transcribe<\/code>, e gpt-4o-transcribe-diarize<\/code> para a descontinua\u00e7\u00e3o da API em 26 de fevereiro de 2027<\/strong>. As integra\u00e7\u00f5es existentes de tradu\u00e7\u00e3o, legenda e diariza\u00e7\u00e3o devem seguir o orienta\u00e7\u00e3o oficial sobre descontinua\u00e7\u00e3o<\/a> em vez de presumir que um novo modelo aceita todos os par\u00e2metros antigos.<\/p>\n<\/div>\n\n\n\n

    A transmiss\u00e3o de fala \u00e9 diferente de uma conversa ao vivo<\/h3>\n\n\n\n

    A reprodu\u00e7\u00e3o cont\u00ednua de texto para fala come\u00e7a a reproduzir uma resposta antes que o arquivo de \u00e1udio seja totalmente gerado. Por si s\u00f3, isso n\u00e3o permite que seu aplicativo detecte uma interrup\u00e7\u00e3o do usu\u00e1rio nem gerencie uma chamada em andamento. Da mesma forma, a reprodu\u00e7\u00e3o cont\u00ednua de uma transcri\u00e7\u00e3o a partir de um arquivo conclu\u00eddo n\u00e3o estabelece uma sess\u00e3o de microfone ao vivo.<\/p>\n\n\n\n

    Para um novo aplicativo de voz conversacional, o OpenAI\u2019s \u00e1udio e guia de voz<\/a> aponta para o GPT-Live. Seu modelo de voz conduz a conversa enquanto um agente de back-end realiza pesquisas ou utiliza ferramentas. A API em tempo real continua sendo uma op\u00e7\u00e3o separada quando voc\u00ea precisa de seu modelo de sess\u00e3o e de ferramentas.<\/p>\n\n\n\n

    Como usar a API de \u00e1udio OpenAI<\/h2>\n\n\n\n

    Para os exemplos a seguir, crie um projeto de API OpenAI, configure o faturamento da API e mantenha sua chave no OPENAI_API_KEY<\/code> vari\u00e1vel de ambiente no seu servidor ou na sua m\u00e1quina de desenvolvimento local. Instale o SDK do Python com pip install openai<\/code>. N\u00e3o coloque uma chave de API permanente em uma p\u00e1gina da web p\u00fablica ou no pacote de um aplicativo m\u00f3vel.<\/p>\n\n\n\n

    Comece com um arquivo ou script curto para que voc\u00ea possa verificar a resposta antes de adicionar a solicita\u00e7\u00e3o ao seu aplicativo.<\/p>\n\n\n\n

    1. Transcrever uma grava\u00e7\u00e3o<\/h3>\n\n\n\n

    Salvar uma grava\u00e7\u00e3o como reuni\u00e3o.mp3<\/code>, em seguida, execute este script a partir da mesma pasta. O resultado retornado texto<\/code> \u00e9 a ata, e n\u00e3o um resumo da reuni\u00e3o nem uma lista de a\u00e7\u00f5es a serem tomadas.<\/p>\n\n\n\n

    from openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"meeting.mp3\", \"rb\") as arquivo_de_\u00e1udio:\n    transcri\u00e7\u00e3o = client.audio.transcriptions.create(\n    model=\"gpt-transcribe\",\n    arquivo=arquivo_de_\u00e1udio,\n    )\n\nprint(transcri\u00e7\u00e3o.text)<\/code><\/pre>\n\n\n\n
    No caso de nomes de produtos ou termos do setor, forne\u00e7a um contexto relevante, em vez de esperar que o modelo adivinhe a grafia. O guia de transcri\u00e7\u00e3o atual oferece suporte a prompt<\/code>, al\u00e9m de sugest\u00f5es de palavras-chave e idiomas espec\u00edficas para cada modelo. Teste essas op\u00e7\u00f5es em uma amostra curta das grava\u00e7\u00f5es que seu aplicativo realmente processa.<\/p>\n\n\n\n
    Se a sua fonte for uma demo gravada ou um v\u00eddeo de entrevista, nosso guia para transcri\u00e7\u00e3o do \u00e1udio de um v\u00eddeo<\/a> explica a prepara\u00e7\u00e3o do material e as etapas entre a obten\u00e7\u00e3o de uma transcri\u00e7\u00e3o e a elabora\u00e7\u00e3o de um resumo \u00fatil.<\/p>\n\n\n\n
    2. Transformar um roteiro em \u00e1udio falado<\/h3>\n\n\n\n
    Escolha uma voz compat\u00edvel e descreva a forma de reprodu\u00e7\u00e3o. Este exemplo grava um arquivo MP3 no seu computador; ele n\u00e3o reproduz o arquivo automaticamente.<\/p>\n\n\n\n
    from pathlib import Path\nfrom openai import OpenAI\n\nclient = OpenAI()\n\nwith client.audio.speech.with_streaming_response.create(\n    model=\"gpt-4o-mini-tts\",\n    voice=\"coral\",\n    input=\"O resumo da sua reuni\u00e3o est\u00e1 pronto. Aqui est\u00e3o os pr\u00f3ximos passos.\",\n    instructions=\"Use um tom calmo e claro e um ritmo moderado.\",\n) as response:\n    response.stream_to_file(Path(\"narration.mp3\"))<\/code><\/pre>\n\n\n\n
    O guia de convers\u00e3o de texto em fala<\/a> controla o tom, a velocidade, a entona\u00e7\u00e3o e outras op\u00e7\u00f5es de reprodu\u00e7\u00e3o. O MP3 \u00e9 o formato padr\u00e3o de sa\u00edda; outros formatos compat\u00edveis incluem WAV, PCM, Opus, AAC e FLAC. As op\u00e7\u00f5es de voz dependem do modelo. O OpenAI tamb\u00e9m exige uma indica\u00e7\u00e3o clara de que a voz \u00e9 gerada por IA.<\/p>\n\n\n\n
    Para narra\u00e7\u00f5es ocasionais, talvez voc\u00ea prefira usar uma ferramenta do navegador em vez de escrever c\u00f3digo. Nosso guia sobre ferramentas e fluxos de trabalho de convers\u00e3o de texto em fala<\/a> aborda esse processo, incluindo o que verificar antes de exportar uma narra\u00e7\u00e3o.<\/p>\n\n\n\n
    3. Traduzir a fala gravada para texto em ingl\u00eas<\/h3>\n\n\n\n
    O endpoint de tradu\u00e7\u00e3o utiliza sussurro-1<\/code> e gera um texto em ingl\u00eas. Para uma integra\u00e7\u00e3o j\u00e1 existente, a solicita\u00e7\u00e3o fica assim. Leve em conta a aposentadoria prevista para fevereiro de 2027 antes de criar uma nova depend\u00eancia de longo prazo em rela\u00e7\u00e3o a ela.<\/p>\n\n\n\n
    from openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"interview.mp3\", \"rb\") as arquivo_de_\u00e1udio:\n    tradu\u00e7\u00e3o = client.audio.translations.create(\n model=\"whisper-1\",\n file=arquivo_de_\u00e1udio,\n    )\n\nprint(tradu\u00e7\u00e3o.text)<\/code><\/pre>\n\n\n\n
    Esta solicita\u00e7\u00e3o n\u00e3o gera \u00e1udio dublado em ingl\u00eas. A dublagem requer etapas adicionais, incluindo gera\u00e7\u00e3o de fala e, dependendo do projeto, sincroniza\u00e7\u00e3o e alinhamento de v\u00eddeo. Para tradu\u00e7\u00e3o para um idioma de destino diferente, utilize uma abordagem de tradu\u00e7\u00e3o que ofere\u00e7a suporte expl\u00edcito a esse idioma.<\/p>\n\n\n\n
    Quanto custa a API de \u00e1udio OpenAI?<\/h2>\n\n\n\n
    N\u00e3o existe um pre\u00e7o \u00fanico para a API de \u00c1udio. A transcri\u00e7\u00e3o de arquivos, a gera\u00e7\u00e3o de fala e as sess\u00f5es ao vivo utilizam unidades de cobran\u00e7a diferentes. Os valores abaixo s\u00e3o provenientes de Pre\u00e7os da API do OpenAI<\/a>, consultado em 29 de setembro de 2026. Trata-se de tarifas OpenAI, distintas dos pre\u00e7os GlobalGPT.<\/p>\n\n\n\n
    \n
    Modelo ou servi\u00e7o<\/th>Informa\u00e7\u00f5es de cobran\u00e7a publicadas<\/th>Exemplo de or\u00e7amento<\/th><\/tr><\/thead>
    gpt-transcribe<\/code><\/td>Custo estimado: $0,0045 por minuto<\/strong><\/td>1.000 minutos \u2248 $4.50<\/strong><\/td><\/tr>\n
    gpt-live-transcribe<\/code><\/td>Custo estimado: $0.017 por minuto<\/strong><\/td>1.000 minutos \u2248 $17.00<\/strong><\/td><\/tr>\n
    sussurro-1<\/code> \u00b7 modelo de transcri\u00e7\u00e3o\/tradu\u00e7\u00e3o em desuso<\/td>Custo estimado: $0.006 por minuto<\/strong><\/td>60 minutos \u2248 $0.36<\/strong>; planeje a migra\u00e7\u00e3o antes de 26 de fevereiro de 2027<\/td><\/tr>\n
    gpt-4o-mini-tts<\/code><\/td>$0,60 \/ 1 milh\u00e3o de tokens de entrada de texto<\/strong> mais $12 \/ 1M tokens de sa\u00edda de \u00e1udio<\/strong><\/td>100.000 tokens de entrada + 100.000 tokens de \u00e1udio de sa\u00edda = $1.26<\/strong><\/td><\/tr>\n
    tts-1<\/code><\/td>$15 \/ 1 mil caracteres<\/strong><\/td>100.000 caracteres = $1.50<\/strong><\/td><\/tr>\n
    tts-1-hd<\/code><\/td>$30 \/ 1 milh\u00e3o de caracteres<\/strong><\/td>100.000 caracteres = $3.00<\/strong><\/td><\/tr>\n
    gpt-live-1<\/code> sess\u00f5es de voz<\/td>$0,05 por minuto<\/strong>, cobrado por segundo<\/td>60 minutos = $3.00<\/strong>, al\u00e9m do modelo de back-end e do uso de ferramentas<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    As linhas de transcri\u00e7\u00e3o utilizam os dados publicados pelo OpenAI custo estimado<\/em> n\u00fameros. O exemplo do token TTS \u00e9 uma ilustra\u00e7\u00e3o aritm\u00e9tica baseada em dois totais de uso especificados; n\u00e3o se trata de uma previs\u00e3o de que um script produzir\u00e1 o mesmo n\u00famero de tokens de entrada e de sa\u00edda. Caracteres, tokens de texto e tokens de \u00e1udio s\u00e3o unidades diferentes.<\/p>\n\n\n\n
    Um or\u00e7amento de transcri\u00e7\u00e3o de 1.000 minutos<\/h3>
    Cerca de 16 horas e 40 minutos de \u00e1udio, com base nas estimativas por minuto publicadas pelo OpenAI.<\/p>\n
    Arquivos gravados \u00b7 gpt-transcribe \u00b7 \u2248 $4,50<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Transcri\u00e7\u00e3o ao vivo \u00b7 gpt-live-transcribe \u00b7 \u2248 $17.00<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Diferentes modos de entrada, n\u00e3o uma classifica\u00e7\u00e3o de precis\u00e3o. Os c\u00e1lculos n\u00e3o levam em conta o processamento adicional do modelo de texto, o armazenamento, a hospedagem do aplicativo e as tentativas repetidas.<\/figcaption><\/figure>\n\n\n\n
    Para fazer uma estimativa realista de um projeto, leve em conta tamb\u00e9m o trabalho ap\u00f3s a transcri\u00e7\u00e3o. Um assistente de reuni\u00f5es pode precisar de uma transcri\u00e7\u00e3o, um resumo, itens de a\u00e7\u00e3o e a reprodu\u00e7\u00e3o da grava\u00e7\u00e3o. Cada chamada do modelo pode contribuir para o valor da fatura. Um agente de atendimento por voz tamb\u00e9m pode usar ferramentas de pesquisa ou outras ferramentas enquanto a conversa continua.<\/p>\n\n\n\n
    No caso espec\u00edfico do GPT-Live, o p\u00e1gina de pre\u00e7os dos modelos<\/a> separa a dura\u00e7\u00e3o da sess\u00e3o dos custos do modelo de back-end e das ferramentas. Uma chamada de uma hora que custa $3 pela sess\u00e3o de voz n\u00e3o representa necessariamente um custo total do aplicativo de $3.<\/p>\n\n\n\n
    O GlobalGPT tamb\u00e9m possui uma API para \u00e1udio, bate-papo, imagens e v\u00eddeo<\/h2>\n\n\n\n
    Se o \u00e1udio for apenas uma parte de um produto mais abrangente, o GlobalGPT oferece uma op\u00e7\u00e3o \u00fatil. Seu Vis\u00e3o geral da API<\/a> documenta um ponto de entrada comum para v\u00e1rias categorias de modelos: as solicita\u00e7\u00f5es de chat utilizam \/v1\/chat\/completions<\/code> ou \/v1\/respostas<\/code>, enquanto a gera\u00e7\u00e3o de imagens, v\u00eddeos e \u00e1udio utiliza \/v1\/tarefas<\/code>.<\/p>\n\n\n\n
    Por exemplo, um aplicativo de conte\u00fado pode elaborar um roteiro com um modelo de chat, criar uma trilha de narra\u00e7\u00e3o, gerar uma ilustra\u00e7\u00e3o e produzir um v\u00eddeo curto. Quando cria\u00e7\u00e3o de um fluxo de trabalho multimodelo<\/a>, atribua a cada modelo uma tarefa bem definida e transmita os resultados revisados entre as etapas.<\/p>\n\n\n\n
    \n
    Pergunta<\/th>API direta OpenAI<\/th>API GlobalGPT<\/th><\/tr><\/thead>
    Quais modelos de \u00e1udio s\u00e3o relevantes?<\/td>Modelos OpenAI, incluindo gpt-transcribe<\/code> e gpt-4o-mini-tts<\/code>.<\/td>Verifique o cat\u00e1logo de modelos de API da conta. As ferramentas de \u00e1udio da plataforma incluem os modelos Eleven, Qwen, Seed e Scribe; a disponibilidade e os par\u00e2metros devem ser verificados para cada modelo de API.<\/td><\/tr>\n
    Como s\u00e3o enviadas as solicita\u00e7\u00f5es de \u00e1udio?<\/td>Espec\u00edfico para cada tarefa \/v1\/audio\/\u2026<\/code> pontos de extremidade; a chamada de voz ao vivo utiliza uma API de sess\u00e3o.<\/td>A vis\u00e3o geral da API direciona a gera\u00e7\u00e3o de \u00e1udio por meio de \/v1\/tarefas<\/code>.<\/td><\/tr>\n
    Como voc\u00ea verifica os pre\u00e7os?<\/td>P\u00e1ginas de pre\u00e7os dos modelos e da API do OpenAI.<\/td>A vis\u00e3o geral da API GlobalGPT afirma que GET \/v1\/models<\/code> apresenta uma lista de IDs de modelos com os respectivos pre\u00e7os.<\/td><\/tr>\n
    Quando essa \u00e9 uma op\u00e7\u00e3o \u00fatil?<\/td>Voc\u00ea precisa de um modelo de \u00e1udio OpenAI espec\u00edfico ou dos recursos de sess\u00e3o de voz documentados para ele.<\/td>Voc\u00ea deseja contar com \u00e1udio em conjunto com os recursos de chat, imagem e v\u00eddeo de diversos provedores.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    O p\u00fablico do GlobalGPT cat\u00e1logo de modelos de \u00e1udio<\/a> inclui o Eleven v3, o Eleven Multilingual v2, o Qwen Audio 3.0 e o Seed Audio 1.0 para cria\u00e7\u00e3o relacionada \u00e0 fala, al\u00e9m do Scribe e do AI Note Taker para tarefas de transcri\u00e7\u00e3o. Verifique o cat\u00e1logo de APIs da conta para saber quais modelos espec\u00edficos est\u00e3o dispon\u00edveis para a sua integra\u00e7\u00e3o.<\/p>\n\n\n\n
    Para scripts mais longos, o An\u00e1lise do Eleven Multilingual v2<\/a> aborda a narra\u00e7\u00e3o, o suporte \u00e0 linguagem e como isso difere de outros modelos ElevenLabs.<\/p>\n\n\n\n
    Para \u00e1udio criativo que inclua fala e sons de ambiente, Guia de vozes e efeitos sonoros da Seed Audio<\/a> explora uma tarefa mais ampla do que apenas ler um texto em voz alta. Escolha de acordo com o tipo de \u00e1udio que voc\u00ea precisa produzir.<\/p>\n\n\n\n
    Como come\u00e7ar a usar a API GlobalGPT<\/h3>\n\n\n\n
      \n
    1. Abra a \u00e1rea da API GlobalGPT e crie uma chave em API \u2192 Chaves de API \u2192 Criar chave<\/strong>. Salve-o com seguran\u00e7a quando ele for exibido.<\/li>\n\n\n\n
    2. Consulte o cat\u00e1logo de modelos para encontrar o c\u00f3digo do modelo e o pre\u00e7o correspondentes \u00e0 tarefa que voc\u00ea precisa.<\/li>\n\n\n\n
    3. Utilize os par\u00e2metros documentados do modelo selecionado. Siga o formato de solicita\u00e7\u00e3o de tarefa de \u00e1udio para \/v1\/tarefas<\/code>, em vez de colar um OpenAI \/\u00e1udio\/fala<\/code> carga \u00fatil inalterada.<\/li>\n\n\n\n
    4. Comece com uma amostra curta. Verifique o \u00e1udio gerado, o status de conclus\u00e3o e o uso faturado antes de processar um lote maior.<\/li>\n<\/ol>\n\n\n\n
      A URL base da API documentada \u00e9 https:\/\/api2.glbgpt.com\/ai-api\/open\/v1<\/code>. Essa solicita\u00e7\u00e3o de cat\u00e1logo somente para leitura \u00e9 um ponto de partida depois que voc\u00ea armazenar sua chave em GLOBALGPT_API_KEY<\/code>:<\/p>\n\n\n\n
      curl \"https:\/\/api2.glbgpt.com\/ai-api\/open\/v1\/models\" \\\n  -H \"Authorization: Bearer $GLOBALGPT_API_KEY\"<\/code><\/pre>\n\n\n\n
      Utilize o pre\u00e7o associado ao modelo que voc\u00ea realmente selecionar. O pre\u00e7o da assinatura do site GlobalGPT, um saldo credor e a tarifa por minuto do OpenAI n\u00e3o s\u00e3o estimativas intercambi\u00e1veis para a mesma solicita\u00e7\u00e3o.<\/p>\n\n\n\n
      \n
      Limite de integra\u00e7\u00e3o:<\/strong> O GlobalGPT oferece sua pr\u00f3pria API de \u00e1udio. Sua documenta\u00e7\u00e3o p\u00fablica n\u00e3o indica compatibilidade com os terminais de \u00e1udio nativos do OpenAI, com as sess\u00f5es do GPT-Live nem com todos os modelos de fala do OpenAI. Se seu aplicativo atual depende de algum desses recursos, verifique esse requisito espec\u00edfico antes de trocar de provedor.<\/p>\n<\/div>\n\n\n\n
      Erros comuns na API de \u00e1udio e como evit\u00e1-los<\/h2>\n\n\n\n
      \n
      Problema<\/th>O que verificar<\/th>Pr\u00f3ximo passo pr\u00e1tico<\/th><\/tr><\/thead>
      N\u00e3o \u00e9 poss\u00edvel enviar uma grava\u00e7\u00e3o<\/td>Tamanho do arquivo e codifica\u00e7\u00e3o real.<\/td>Para a transcri\u00e7\u00e3o de arquivos OpenAI, mantenha cada arquivo enviado com tamanho m\u00e1ximo de 25 MB e utilize os formatos MP3, MP4, MPEG, MPGA, M4A, WAV ou WebM. Comprima ou divida arquivos maiores em pausas naturais.<\/td><\/tr>\n
      A resposta n\u00e3o cont\u00e9m identifica\u00e7\u00f5es dos falantes<\/td>Se o modelo e o formato de resposta escolhidos permitem a diariza\u00e7\u00e3o.<\/td>Para uma integra\u00e7\u00e3o de diariza\u00e7\u00e3o j\u00e1 existente, solicite diarized_json<\/code>; planejar a aposentadoria anunciada do modelo.<\/td><\/tr>\n
      A tradu\u00e7\u00e3o est\u00e1 em ingl\u00eas, mas voc\u00ea queria outro idioma<\/td>Suporte ao idioma de destino do endpoint.<\/td>O endpoint de tradu\u00e7\u00e3o de arquivos retorna texto em ingl\u00eas. Utilize uma etapa de tradu\u00e7\u00e3o separada ou um servi\u00e7o compat\u00edvel com o seu idioma de destino.<\/td><\/tr>\n
      O \u00e1udio \u00e9 reproduzido, mas o assistente n\u00e3o consegue lidar com uma interrup\u00e7\u00e3o<\/td>Seja para criar uma reprodu\u00e7\u00e3o por streaming ou uma sess\u00e3o de conversa\u00e7\u00e3o.<\/td>Utilize uma arquitetura de voz em tempo real quando seu aplicativo precisar ouvir enquanto fala.<\/td><\/tr>\n
      Um exemplo OpenAI falha ao ser comparado com outro provedor<\/td>URL base, endpoint, ID do modelo e campos da solicita\u00e7\u00e3o.<\/td>Siga a documenta\u00e7\u00e3o de \u00e1udio fornecida pelo pr\u00f3prio provedor. Uma configura\u00e7\u00e3o semelhante do SDK n\u00e3o garante rotas de \u00e1udio id\u00eanticas.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
      Antes de decidir sobre a qualidade da voz, teste uma amostra curta que inclua seu vocabul\u00e1rio real: nomes de produtos, n\u00fameros, abrevia\u00e7\u00f5es e os idiomas que seus usu\u00e1rios falam. Para a transcri\u00e7\u00e3o, verifique as palavras e a atribui\u00e7\u00e3o dos falantes. Para a narra\u00e7\u00e3o, preste aten\u00e7\u00e3o \u00e0 pron\u00fancia, \u00e0s pausas, ao ritmo e se o tom pretendido se mant\u00e9m ao longo de um par\u00e1grafo mais extenso.<\/p>\n\n\n\n
      Utilize grava\u00e7\u00f5es para as quais tenha permiss\u00e3o para processar, mantenha as chaves em um servidor confi\u00e1vel e analise os termos de uso de dados do servi\u00e7o que receber\u00e1 seu \u00e1udio. No caso de um produto voltado para o cliente, inclua na interface informa\u00e7\u00f5es sobre as grava\u00e7\u00f5es e o uso de voz gerada por IA.<\/p>\n\n\n\n
      Qual rota da API voc\u00ea deve escolher?<\/h2>\n\n\n\n
      Escolha diretamente o OpenAI<\/strong> quando seu aplicativo precisar de um modelo de voz OpenAI espec\u00edfico, de uma op\u00e7\u00e3o de transcri\u00e7\u00e3o documentada ou de uma sess\u00e3o de voz ao vivo nativa. Comece com o modelo adequado \u00e0 tarefa e desenvolva o projeto levando em conta as regras reais de solicita\u00e7\u00e3o e cobran\u00e7a desse modelo.<\/p>\n\n\n\n
      Considere GlobalGPT<\/strong> quando seu produto combina \u00e1udio com modelos de v\u00e1rios provedores, ou quando voc\u00ea deseja explorar a gera\u00e7\u00e3o de voz em conjunto com chat, imagens e v\u00eddeo. Comece pelo cat\u00e1logo de APIs, selecione um modelo dispon\u00edvel e teste uma tarefa simples antes de ampliar a escala.<\/p>\n\n\n\n
      M\u00fasica, narra\u00e7\u00e3o e transcri\u00e7\u00e3o exigem escolhas diferentes de modelos. Nossa compara\u00e7\u00e3o sobre escolha de um modelo de \u00e1udio de acordo com a tarefa<\/a> ajuda a separar a gera\u00e7\u00e3o de m\u00fasicas, a narra\u00e7\u00e3o falada e cenas de \u00e1udio mais complexas.<\/p>\n\n\n\n
      Para uma \u00fanica narra\u00e7\u00e3o ou transcri\u00e7\u00e3o de reuni\u00e3o, uma ferramenta da web pode ser suficiente. Uma API se torna \u00fatil quando seu pr\u00f3prio aplicativo precisa acionar a tarefa repetidamente, repassar os resultados para outra etapa ou disponibilizar o resultado aos seus usu\u00e1rios.<\/p>\n\n\n\n
      Perguntas frequentes<\/h2>\n\n\n\n
      A API de \u00e1udio OpenAI \u00e9 um \u00fanico modelo?<\/h3>\n\n\n\n
      N\u00e3o. Trata-se de um conjunto de interfaces de \u00e1udio. A gera\u00e7\u00e3o de fala, a transcri\u00e7\u00e3o de arquivos e a tradu\u00e7\u00e3o de arquivos utilizam diferentes pontos de conex\u00e3o e op\u00e7\u00f5es de modelos. O GPT-Live e o Realtime oferecem op\u00e7\u00f5es separadas, baseadas em sess\u00f5es, para aplica\u00e7\u00f5es de \u00e1udio ao vivo.<\/p>\n\n\n\n
      A API de \u00e1udio OpenAI \u00e9 capaz de converter texto em fala?<\/h3>\n\n\n\n
      Sim. O endpoint de fala aceita texto, um modelo e uma voz, e retorna \u00e1udio. Com o gpt-4o-mini-tts, voc\u00ea tamb\u00e9m pode fornecer instru\u00e7\u00f5es sobre a forma de apresenta\u00e7\u00e3o, como tom e ritmo. O formato padr\u00e3o de sa\u00edda \u00e9 MP3.<\/p>\n\n\n\n
      Qual modelo devo usar para um novo aplicativo de transcri\u00e7\u00e3o?<\/h3>\n\n\n\n
      O guia atual de transcri\u00e7\u00e3o de arquivos do OpenAI recomenda o uso do gpt-transcribe para grava\u00e7\u00f5es de fala em geral. Verifique separadamente os requisitos espec\u00edficos, como marcadores de tempo para palavras, formatos de legenda ou identifica\u00e7\u00f5es de locutores, pois o suporte varia de acordo com o modelo.<\/p>\n\n\n\n
      O Whisper vai ser descontinuado?<\/h3>\n\n\n\n
      O OpenAI indica que seu modelo de API \u201cwhisper-1\u201d hospedado ser\u00e1 descontinuado em 26 de fevereiro de 2027, juntamente com tr\u00eas modelos de transcri\u00e7\u00e3o GPT-4o mais antigos. Trata-se da descontinua\u00e7\u00e3o de um modelo de API, e n\u00e3o de uma declara\u00e7\u00e3o de que todo o software Whisper ou todos os servi\u00e7os de \u00e1udio OpenAI ser\u00e3o encerrados.<\/p>\n\n\n\n
      A tradu\u00e7\u00e3o de \u00e1udio gera um \u00e1udio falado?<\/h3>\n\n\n\n
      N\u00e3o. O endpoint de tradu\u00e7\u00e3o de arquivos retorna texto em ingl\u00eas a partir da fala gravada. Para gerar fala traduzida, \u00e9 necess\u00e1ria uma etapa adicional de gera\u00e7\u00e3o de fala ou um servi\u00e7o dedicado de tradu\u00e7\u00e3o de fala.<\/p>\n\n\n\n
      Posso usar a API de \u00c1udio para um assistente de voz em tempo real?<\/h3>\n\n\n\n
      \u00c9 poss\u00edvel combinar transcri\u00e7\u00e3o, um modelo de texto e gera\u00e7\u00e3o de fala em um assistente de voz, mas o gerenciamento de turnos em tempo real requer um projeto espec\u00edfico. A OpenAI recomenda o GPT-Live como ponto de partida para novos aplicativos de voz conversacionais; al\u00e9m disso, documenta uma API em tempo real separada.<\/p>\n\n\n\n
      O GlobalGPT possui uma API de \u00e1udio?<\/h3>\n\n\n\n
      Sim. A vis\u00e3o geral da API do GlobalGPT descreve a gera\u00e7\u00e3o de \u00e1udio por meio do endpoint \u201ctasks\u201d, al\u00e9m da gera\u00e7\u00e3o de imagens e v\u00eddeos. O endpoint \u201cmodels\u201d lista os IDs dos modelos e os pre\u00e7os. Verifique a disponibilidade e os par\u00e2metros do modelo escolhido antes de enviar uma solicita\u00e7\u00e3o.<\/p>\n\n\n\n
      A API de \u00e1udio do GlobalGPT \u00e9 id\u00eantica \u00e0 do OpenAI?<\/h3>\n\n\n\n
      Eles documentam diferentes rotas de \u00e1udio: o OpenAI oferece pontos finais de \u00e1udio dedicados, enquanto o GlobalGPT encaminha a gera\u00e7\u00e3o de \u00e1udio por meio de sua API de tarefas. Utilize os IDs de modelo e os campos de solicita\u00e7\u00e3o do provedor selecionado; a compatibilidade dos pontos finais do OpenAI e o suporte \u00e0 voz ao vivo devem ser verificados separadamente.<\/p>\n\n\n\n
      Incorporar recursos de \u00e1udio a um aplicativo de IA mais abrangente<\/h3>
      Explore a API do GlobalGPT para tarefas relacionadas a \u00e1udio, chat, imagens e v\u00eddeo. Confira o cat\u00e1logo de modelos e os pre\u00e7os e, em seguida, comece com a tarefa de que seus usu\u00e1rios mais precisam.<\/p>
      Explore a API GlobalGPT \u2192<\/a><\/p>
      Abra sua \u00e1rea de trabalho GlobalGPT<\/a><\/p><\/div>\n\n\n\n