Instale a skill do CLI belt:
npx skills add belt-sh/cli
Geração de Voz por IA
Gere vozes naturais de IA via CLI inference.sh.
Início Rápido
Requer o CLI
beltdo inference.sh. Instruções de instalação
belt login
# Gere fala
belt app run infsh/kokoro-tts --input '{
"prompt": "Olá! Esta é uma voz gerada por IA que soa natural e envolvente.",
"voice": "af_sarah"
}'
Modelos Disponíveis
| Modelo | App ID | Melhor Para |
|---|---|---|
| Inworld TTS-2 | inworld/text-to-speech-2 | 100+ idiomas, controle de emoção/não verbal, modos de entrega |
| Inworld TTS 1.5 Max | inworld/text-to-speech-1-5-max | Baixa latência (<200ms), 15 idiomas |
| Inworld TTS 1.5 Mini | inworld/text-to-speech-1-5-mini | Latência ultrabaixa (~120ms), 15 idiomas, tempo real |
| ElevenLabs TTS | elevenlabs/tts | Qualidade premium, 22+ vozes, 32 idiomas |
| ElevenLabs Voice Changer | elevenlabs/voice-changer | Transforme gravações de voz existentes |
| Kokoro TTS | infsh/kokoro-tts | Natural, múltiplas vozes |
| DIA | infsh/dia-tts | Conversacional, expressivo |
| Chatterbox | infsh/chatterbox | Casual, entretenimento |
| Higgs | infsh/higgs-tts | Narração profissional |
| VibeVoice | infsh/vibevoice | Amplitude emocional |
Biblioteca de Vozes Kokoro
Inglês Americano
| ID da Voz | Gênero | Estilo |
|---|---|---|
af_sarah | Feminino | Calorosa, amigável |
af_nicole | Feminino | Profissional |
af_sky | Feminino | Jovem |
am_michael | Masculino | Autoritário |
am_adam | Masculino | Conversacional |
am_echo | Masculino | Clara, neutra |
Inglês Britânico
| ID da Voz | Gênero | Estilo |
|---|---|---|
bf_emma | Feminino | Refinada |
bf_isabella | Feminino | Calorosa |
bm_george | Masculino | Clássica |
bm_lewis | Masculino | Moderna |
Inworld TTS — Vozes de Personagens e Emoções
O Inworld TTS-2 é feito sob medida para vozes de personagens, jogos e fala expressiva. Use [colchetes] inline para emoção, não verbais e controle de entrega:
# Voz expressiva de personagem com direção emocional
belt app run inworld/text-to-speech-2 --input '{
"text": "[animado] Uau, você realmente encontrou o artefato antigo! [suspiro] Não acredito... [sussurro] Precisamos manter isso entre nós.",
"voice_id": "Sarah",
"delivery_mode": "CRIATIVO"
}'
# Narrador calmo com entrega estável
belt app run inworld/text-to-speech-2 --input '{
"text": "O sol se pôs atrás das montanhas, lançando sombras longas pelo vale. Um novo capítulo estava prestes a começar.",
"voice_id": "Sarah",
"delivery_mode": "ESTÁVEL"
}'
Modos de entrega: ESTÁVEL (consistente, narração), BALANCEADO (natural, padrão), CRIATIVO (expressivo, personagens)
Exemplos de direção: [riso], [suspiro], [sussurro], [animado], [triste], [raivoso], [pausa], [suspiro]
Vozes integradas (271+ em 15 idiomas): Sarah, Alex, Ashley, Dennis, Hana, Blake, Luna, Clive e muitas outras. Navegue por todas no Inworld TTS Playground.
Baixa Latência para IA em Tempo Real / Conversacional
# Resposta ultrarrápida para chatbots e NPCs de jogos (~120ms)
belt app run inworld/text-to-speech-1-5-mini --input '{
"text": "Bem-vindo, viajante. O que o traz à nossa vila?",
"voice_id": "Clive",
"speaking_rate": 0.9
}'
Exemplos de Geração de Voz
Narração Profissional
belt app run infsh/kokoro-tts --input '{
"prompt": "Bem-vindo à nossa teleconferência de resultados trimestrais. Hoje discutiremos o desempenho financeiro e as iniciativas estratégicas do último trimestre.",
"voice": "am_michael",
"speed": 1.0
}'
Estilo Conversacional
belt app run infsh/dia-tts --input '{
"text": "Ei, então eu estava pensando sobre aquele projeto que discutimos. E se tentássemos uma abordagem diferente?",
"voice": "conversacional"
}'
Narração de Audiolivro
belt app run infsh/kokoro-tts --input '{
"prompt": "Capítulo Um. A névoa da manhã pairava baixa sobre o vale enquanto Sarah descia pelo caminho sinuoso. Ela caminhava há horas.",
"voice": "bf_emma",
"speed": 0.9
}'
Locução para Vídeo
belt app run infsh/kokoro-tts --input '{
"prompt": "Apresentando a próxima geração de produtividade. Trabalhe de forma mais inteligente, não mais difícil.",
"voice": "af_nicole",
"speed": 1.1
}'
Apresentador de Podcast
belt app run infsh/kokoro-tts --input '{
"prompt": "Bem-vindo de volta ao Tech Talk! Sou seu apresentador, e hoje vamos mergulhar fundo no mundo da inteligência artificial.",
"voice": "am_adam"
}'
Conversa Multi-Voz
# Gere diálogo entre dois interlocutores
# Interlocutor 1
belt app run infsh/kokoro-tts --input '{
"prompt": "Você viu os últimos desenvolvimentos em IA? É incrível como as coisas estão avançando rápido.",
"voice": "am_michael"
}' > speaker1.json
# Interlocutor 2
belt app run infsh/kokoro-tts --input '{
"prompt": "Eu sei, né? Semana passada mesmo experimentei aquele novo gerador de imagens e fiquei impressionado.",
"voice": "af_sarah"
}' > speaker2.json
# Mesclar conversa
belt app run infsh/media-merger --input '{
"audio_files": ["<speaker1-url>", "<speaker2-url>"],
"crossfade_ms": 300
}'
Conteúdo Longo
Processamento em Partes
Para conteúdo com mais de 5000 caracteres, divida em partes:
# Processe texto longo em partes
TEXTO="Seu texto muito longo aqui..."
# Divida e gere
# Parte 1
belt app run infsh/kokoro-tts --input '{
"prompt": "<parte-1>",
"voice": "bf_emma"
}' > chunk1.json
# Parte 2
belt app run infsh/kokoro-tts --input '{
"prompt": "<parte-2>",
"voice": "bf_emma"
}' > chunk2.json
# Mescle partes
belt app run infsh/media-merger --input '{
"audio_files": ["<chunk1-url>", "<chunk2-url>"],
"crossfade_ms": 100
}'
Fluxo de Trabalho Voz + Vídeo
Adicionar Locução a Vídeo
# 1. Gere a locução
belt app run infsh/kokoro-tts --input '{
"prompt": "Esta filmagem impressionante mostra a beleza da natureza em sua forma mais pura.",
"voice": "am_michael"
}' > voiceover.json
# 2. Mescle com o vídeo
belt app run infsh/media-merger --input '{
"video_url": "https://seu-video.mp4",
"audio_url": "<locucao-url>"
}'
Criar Cabeça Falante
# 1. Gere a fala
belt app run infsh/kokoro-tts --input '{
"prompt": "Olá, estou animado para compartilhar algumas novidades com vocês hoje.",
"voice": "af_sarah"
}' > speech.json
# 2. Anime com avatar
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://retrato.jpg",
"audio_url": "<fala-url>"
}'
Velocidade e Ritmo
| Velocidade | Efeito | Uso Para |
|---|---|---|
| 0.8 | Lento, deliberado | Audiolivros, meditação |
| 0.9 | Ligeiramente lento | Educação, tutoriais |
| 1.0 | Normal | Uso geral |
| 1.1 | Ligeiramente rápido | Comerciais, energia |
| 1.2 | Rápido | Anúncios rápidos |
# Narração lenta
belt app run infsh/kokoro-tts --input '{
"prompt": "Respire fundo. Deixe-se relaxar.",
"voice": "bf_emma",
"speed": 0.8
}'
Pontuação para Ritmo
Use pontuação para controlar o ritmo da fala:
| Pontuação | Efeito |
|---|---|
Ponto . | Pausa completa |
Vírgula , | Pausa breve |
... | Pausa prolongada |
! | Ênfase |
? | Entonação interrogativa |
- | Pausa rápida |
belt app run infsh/kokoro-tts --input '{
"prompt": "Espere... Você ouviu isso? Algo está vindo. Algo grande!",
"voice": "am_adam"
}'
Melhores Práticas
- Combine a voz ao conteúdo - Voz profissional para negócios, casual para redes sociais
- Use pontuação - Controle o ritmo com pontos e vírgulas
- Mantenha frases curtas - Mais fáceis de gerar e soam mais naturais
- Teste vozes diferentes - O mesmo texto soa diferente em vozes distintas
- Ajuste a velocidade - Ligeiramente mais lento muitas vezes soa mais natural
- Divida conteúdo longo - Processe em partes para consistência
Casos de Uso
- Locuções - Narração de vídeos, comerciais
- Audiolivros - Narração de livros completos
- Podcasts - Apresentadores e convidados IA
- E-learning - Narração de cursos
- Acessibilidade - Conteúdo para leitores de tela
- URA - Mensagens de sistemas telefônicos
- Localização de conteúdo - Tradução e locução
Skills Relacionadas
# ElevenLabs TTS (premium, 22+ vozes)
npx skills add inference-sh/skills@elevenlabs-tts
# Transformador de voz ElevenLabs (transforme gravações)
npx skills add inference-sh/skills@elevenlabs-voice-changer
# Todos os modelos TTS
npx skills add inference-sh/skills@text-to-speech
# Criação de podcast
npx skills add inference-sh/skills@ai-podcast-creation
# Avatares IA
npx skills add inference-sh/skills@ai-avatar-video
# Geração de vídeo
npx skills add inference-sh/skills@ai-video-generation
# Skill completa da plataforma
npx skills add inference-sh/skills@infsh-cli
Navegue pelos apps de áudio: belt app list --category audio