API ElevenLabs de texto para diálogo para áudio de e-commerce: dublagem de vídeos de produto e locução de anúncios

O texto para diálogo da ElevenLabs transforma um roteiro escrito em um único arquivo de áudio com vários falantes: basta enviar uma lista ordenada de falas de diálogo e atribuir uma voz predefinida diferente a cada linha para obter uma gravação finalizada, sem edição manual nem montagem de trechos. Pela API hiapi, o preço é de US$ 0,125 por 1.000 caracteres de diálogo, e o serviço roda no mesmo fluxo de tarefas assíncronas de todos os outros modelos da plataforma. Para equipes de e-commerce, é uma forma rápida de produzir dublagens de demonstração de produto com dois apresentadores, locuções de anúncios com vários personagens e roteiros promocionais, sem contratar dubladores separados para cada SKU ou promoção sazonal.

Diferença entre texto para diálogo e TTS de voz única

O texto para fala padrão oferece apenas uma voz por chamada. Para simular um diálogo, normalmente é preciso executar uma chamada TTS separada para cada falante, montar os trechos por conta própria e torcer para que ritmo e entonação se alinhem. O texto para diálogo da ElevenLabs elimina essa etapa: você envia o roteiro inteiro — cada turno de fala em ordem — como uma única requisição, e o modelo cuida das trocas de turno, do ritmo e da expressividade. A saída é um único arquivo de áudio, não uma pasta de trechos para você montar.

Isso importa especialmente quando o "diálogo" é, na prática, um áudio de marketing: demonstrações de produto com dois apresentadores, a conversa entre cliente e vendedor em um anúncio, ou um locutor alternando falas com uma voz de "hype" em uma promoção. Tudo isso soa natural como diálogo, e o modelo foi criado justamente para esse formato de roteiro.

A estrutura real da requisição (autotestada com o schema em tempo real)

O corpo da requisição é deliberadamente enxuto. Cada item do array dialogue aceita exatamente dois campos — text e voice — e nenhum outro. Enviar campos extras ou um ID de voice inválido é rejeitado com erro de schema antes de a tarefa rodar, o que foi verificado:

{
  "model": "elevenlabs/text-to-dialogue",
  "input": {
    "dialogue": [
      {"text": "This blender just tore through frozen mango in four seconds.", "voice": "EkK5I93UQWFDigLMpZcX"},
      {"text": "Four seconds? Show me the smoothie.", "voice": "Z3R5wn05IrDiVCyEkUrK"},
      {"text": "Already poured. Link's in the description.", "voice": "EkK5I93UQWFDigLMpZcX"}
    ]
  }
}

O campo voice deve ser um dos cerca de 70 IDs fixos que a plataforma disponibiliza para esse modelo (EkK5I93UQWFDigLMpZcX, NNl6r8mD7vthiJatiJt1, YOq2y2Up4RgXP2HyXjE5 etc.) — esta interface não tem campo para nomes de voz em texto livre nem para upload de clonagem de voz.

Vale apontar diretamente: a descrição do próprio modelo menciona a capacidade de "controlar a estabilidade" por linha. Na prática, o schema implantado não expõe o parâmetro stability (nem model_id ou tags de emoção) — apenas text e voice são aceitos. Se você escrever documentação interna ou uma UI em torno desse endpoint, não prometa um controle deslizante de estabilidade que ainda não existe.

O envio segue o fluxo de tarefas assíncronas padrão da hiapi: faça um POST da requisição acima para criar a tarefa, consulte o status e, ao concluir, baixe o arquivo de áudio gerado — o mesmo padrão usado pelos modelos de imagem e vídeo da plataforma, portanto é possível encaixá-lo no pipeline de produção já existente.

Como montar um fluxo de áudio para e-commerce em torno disso

Dublagem de vídeos de produto. Se você já produz clipes curtos de produto — por exemplo, usando Kling para vídeos curtos —, o texto para diálogo é a camada de áudio natural para o mesmo material: escreva um roteiro de duas vozes (apresentador + voz de reação) para narrar os momentos que o vídeo já mostra, em vez de usar uma narração monótona de voz única.

Locução de anúncios com vários personagens. Um pequeno diálogo de ida e volta entre dois "clientes" soa mais como avaliação real do que um roteiro publicitário narrativo único, e exige apenas uma chamada de API em vez de coordenar duas gravações independentes.

Roteiros de promoções e liquidações. Alterne uma voz de locutor com uma segunda voz de "hype" para áudios de ofertas por tempo limitado ou promoções sazonais e, depois, mantenha a mesma estrutura de roteiro e o mesmo par de vozes entre SKUs diferentes — basta trocar nomes de produto, preços e detalhes da oferta entre as chamadas.

Preços e orçamento

A US$ 0,125 por 1.000 caracteres, um roteiro típico de anúncio de 15–20 segundos com duas vozes (cerca de 250–350 caracteres) custa apenas alguns centavos; um roteiro mais longo de demonstração de produto com vários turnos, de 60–90 segundos (700–900 caracteres), fica em torno de US$ 0,09–US$ 0,11. A cobrança depende inteiramente do total de caracteres de todo o array dialogue — o número de falantes ou de linhas não altera a fórmula. Antes de orçar tarefas em lote, consulte o preço exato atual na página de preços da hiapi e, se precisar de narração de voz única ou de música junto com diálogo, explore o restante da linha de modelos de áudio.

Perguntas frequentes

O texto para diálogo pode usar vozes personalizadas ou clonadas? Não. O schema em tempo real aceita apenas IDs de voice da lista de cerca de 70 vozes predefinidas da própria plataforma. Este endpoint não tem campo para enviar ou referenciar clones de voz personalizados.

Há suporte a configurações ajustáveis de "estabilidade" ou emoção? No momento, não. Embora a descrição do próprio modelo mencione o controle de estabilidade, enviar qualquer coisa além de text e voice em uma linha de diálogo é rejeitado pela API em tempo real — não construa documentação ou UI em torno de um controle de estabilidade antes que ele seja realmente lançado.

Como é calculado o preço de roteiros com vários falantes? Pelo total de caracteres de todo o array dialogue, a US$ 0,125 por 1.000 caracteres — não por linha, por falante nem por segundo de áudio gerado.

O que a tarefa retorna? Uma URL de arquivo de áudio para download, entregue da mesma forma que qualquer outra saída de tarefa hiapi. Baixe e salve os bytes imediatamente — os links de saída das tarefas têm prazo de validade e não são hospedagem permanente.

Pode ser usado com roteiros em outros idiomas além do inglês? O modelo está listado no próprio catálogo da hiapi com mais de 70 idiomas, então há suporte a diálogos multilíngues no nível da plataforma. Antes de investir em produção completa, teste seu roteiro no idioma de destino com uma amostra curta.

O texto para diálogo é uma opção dentro da crescente linha de APIs de áudio da hiapi. Abra a página do modelo para rodar seu próprio roteiro ou consulte a página de preços para ver as tarifas atuais de cada modelo.