Apresentando Studio-v3 (alpha)

Estamos felizes em revelar Studio-v3 (alpha) — o modelo de Text to Speech mais expressivo.

Este preview de pesquisa traz controle e realismo sem precedentes para a geração de fala com:

Se você está trabalhando em vídeos, audiolivros ou ferramentas de mídia — isso desbloqueia um novo nível de expressividade. Para casos de uso em tempo real e conversacionais, recomendamos continuar com v2.5 Turbo ou Flash por enquanto. Uma versão em tempo real do v3 está em desenvolvimento.

O Studio-v3 foi desenvolvido para atender à crescente demanda por síntese de fala mais natural e expressiva, especialmente em aplicações que requerem alta qualidade emocional e controle fino sobre a entonação.

O Studio-v3 representa um salto significativo em expressividade e controle. As principais inovações incluem:

• Controle emocional avançado: Tags de áudio permitem especificar emoções e estilos de fala com precisão
• Suporte multilíngue expandido: Mais de 70 idiomas com pronúncia nativa autêntica
• Diálogos naturais: Capacidade de criar conversas com múltiplos falantes de forma fluida
• Qualidade de áudio superior: Fidelidade aprimorada e redução de artefatos

As tags de áudio são uma das funcionalidades mais poderosas do Studio-v3. Elas permitem controle granular sobre como o texto é falado:

O Studio-v3 permite criar diálogos naturais entre diferentes personagens, cada um com sua própria voz e personalidade. Isso é especialmente útil para:

• Audiolivros com múltiplos personagens
• Podcasts dramatizados
• Conteúdo educacional interativo
• Apresentações corporativas dinâmicas

Studio-v3 está disponível hoje em nosso site. O acesso à API pública estará disponível em breve.

O modelo está atualmente em fase alpha, o que significa que estamos coletando feedback dos usuários para melhorias contínuas. Durante este período, o acesso é limitado para garantir a melhor experiência possível.

Embora o Studio-v3 seja poderoso, há cenários onde outros modelos podem ser mais adequados:

• Aplicações em tempo real: Para chatbots e assistentes virtuais, recomendamos v2.5 Turbo
• Uso conversacional: Para interações rápidas, Flash oferece melhor latência
• Projetos simples: Se você não precisa de controle emocional avançado, modelos anteriores são mais eficientes