O Speechify oferece um conjunto enxuto de modelos de text-to-speech. Para escolher o ideal, é preciso equilibrar latência, cobertura de idiomas e qualidade de voz. Este guia mostra em que caso cada modelo funciona melhor, para você decidir sem precisar testar todos.
As publicações sobre modelos em speechify.ai detalham cada lançamento. O anúncio do Simba 3.2 explica por que ele passou a ser o modelo recomendado.
Saiba como começar a usar a API de text-to-speech do Speechify no nosso guia rápido.
Vai criar isso por conta própria? A API de text-to-speech e clonagem de voz do Speechify está em speechify.ai, com documentação e chave gratuita em docs.speechify.ai.
Quais modelos o Speechify oferece?
Três famílias.
- Simba 3.2
- : modelo recomendado para inglês. Feito para streaming, com menor tempo até o primeiro byte e vozes selecionadas em inglês. Use em aplicações interativas.
- Simba 3.0
- : padrão atual da API. Feito para streaming e multilíngue: inglês, alemão, espanhol, francês, italiano e português brasileiro. Tem latência um pouco maior que o 3.2, mas cobre mais idiomas.
- Modelos legados (
- simba-english
- ,
- simba-multilingual
- ): a dupla Simba 1.6. Serão descontinuados na API a partir de 2026-09-21 e desligados em 2026-11-21. Use apenas se uma integração existente depender de uma voz ou idioma antigos — e já planeje a migração.
Qual modelo é o mais rápido?
Simba 3.2. Como foi feito para streaming, o primeiro áudio chega mais rápido. Para agentes de voz em inglês, é a melhor escolha padrão.
Simba 3.0 chega perto, mas traz a sobrecarga do suporte multilíngue. Os modelos legados são mais lentos e devem ser descontinuados sempre que possível.
Qual modelo cobre mais idiomas?
Simba 3.0. Tem suporte oficial a inglês, alemão, espanhol (Espanha e México), francês, italiano e português brasileiro. Use o parâmetro language no POST /v1/audio/speech para escolher o idioma e obter uma voz nativa. O modelo legado simba-multilingual cobre mais de 30 idiomas, mas será descontinuado na API a partir de 2026-09-21 e desligado em 2026-11-21.
Se o seu produto oferece apenas um idioma, Simba 3.2 leva vantagem em velocidade e qualidade. Para vários idiomas, Simba 3.0 oferece a maior cobertura no momento.
Veja mais sobre suporte a idiomas na nossa documentação.
Qual modelo tem a melhor qualidade de voz?
A qualidade acompanha a geração do modelo. Simba 3.2 lidera em naturalidade no inglês. Simba 3.0 se destaca nos idiomas que cobre. Os modelos legados são mais antigos e soam mais robóticos.
Para usos voltados ao cliente, prefira Simba 3.2 ou Simba 3.0.
Como listar as vozes disponíveis?
Use GET /v1/voices. Filtre por tipo, idioma, gênero e modelo para encontrar a voz ideal antes de sintetizar. As publicações sobre vozes e modelos em speechify.ai mostram o formato da resposta.
Streaming ou batch?
Os dois modelos Simba 3 fazem streaming. Use POST /v1/audio/stream para reprodução ao vivo, POST /v1/audio/stream/with-timestamps para áudio ao vivo com marcação de palavras e POST /v1/audio/speech para gerar um arquivo único. A escolha do modelo é independente da forma de entrega.
Dúvidas frequentes
Qual é o modelo TTS do Speechify recomendado?
Simba 3.2. É o padrão para novos projetos: streaming nativo, entrega de áudio mais rápida e melhor qualidade em inglês.
Simba 3.2 para inglês: streaming nativo, áudio entregue mais rápido e máxima qualidade em inglês. A escolha padrão da API, quando o campo model não é especificado, é Simba 3.0 — defina model: "simba-3.2" explicitamente para usar o 3.2.
Sim. O Simba 3.0 aceita o parâmetro de idioma e retorna vozes nativas em várias regiões. O Simba 3.2 é focado em vozes selecionadas em inglês.
Sim. O Simba 3.0 aceita o parâmetro de idioma e retorna vozes nativas em inglês e seis idiomas europeus. O Simba 3.2 é focado em vozes selecionadas em inglês.
Só se uma integração existente exigir uma voz antiga específica. Caso contrário, migre para Simba 3.2 ou Simba 3.0.
Somente enquanto uma integração existente depender de uma voz antiga específica. Eles serão descontinuados na API a partir de 2026-09-21 e desligados em 2026-11-21, então migre para Simba 3.2 ou Simba 3.0 antes disso.
Escolha Simba 3.2 para o menor tempo até o primeiro byte. Faça streaming da saída em tempo real.
