# Vozes e áudio > Navegue pelas vozes, troque e substitua vozes, crie novas vozes, duble vídeos e separe, mixe e transcreva áudio em TypeScript com o SDK do Nodaro. Source: https://nodaro.ai/pt-BR/docs/developers/sdk/voices-and-audio **`client.voices`** trabalha com vozes da ElevenLabs: lista e pesquisa vozes, troca a voz de uma gravação, dá uma nova voz a cada falante, cria novas vozes e dubla áudio e vídeo para outros idiomas. **`client.audio`** oferece os blocos de áudio separadamente: separação, isolamento de voz, efeitos, mixagem, volume, junção e transcrição. Todo método de geração retorna um `jobId`; consulte-o periodicamente com [`client.jobs.getStatus()`](https://nodaro.ai/docs/developers/sdk/jobs-and-executions). Os métodos chamam a [API REST de voz e mídia](https://nodaro.ai/docs/developers/api/voice-and-media). ## Métodos | Método | O que faz | | --- | --- | | [`voices.list()`](#voiceslist) | Lista as vozes prontas | | [`voices.searchLibrary(params?)`](#voicessearchlibraryparams) | Pesquisa a Biblioteca de vozes da comunidade | | [`voices.listClones()`](#voiceslistclones) | Lista seus clones de voz existentes | | [`voices.deleteClone(id)`](#voicesdeletecloneid) | Exclui um dos seus clones de voz | | [`voices.createClone()` e `createCloneFromFile()`](#voicescreateclone-and-createclonefromfile) | Descontinuados | | [`voices.change(input)`](#voiceschangeinput) | Substitui a voz em uma gravação ou em um vídeo | | [`voices.recast(input)`](#voicesrecastinput) | Dá uma voz diferente a cada falante | | [`voices.analyze(input)`](#voicesanalyzeinput) | Detecta os falantes antes de uma troca de vozes | | [`voices.exportMix(input)`](#voicesexportmixinput) | Renderiza um vídeo a partir de stems de voz mixados | | [`voices.design(input)`](#voicesdesigninput) | Cria uma nova voz a partir de uma descrição | | [`voices.remix(input)`](#voicesremixinput) | Fala um texto em uma voz que você descreve | | [`voices.dub(input)`](#voicesdubinput) | Dubla áudio ou vídeo para outro idioma | | [`voices.textToDialogue(input)`](#voicestexttodialogueinput) | Dá voz a um roteiro com vários falantes em um único arquivo de áudio | | [`audio.separate(input)`](#audioseparateinput) | Divide uma faixa em stems | | [`audio.isolate(input)`](#audioisolateinput) | Mantém a voz principal e remove o ruído | | [`audio.applyFx(input)`](#audioapplyfxinput) | Adiciona reverberação, eco, telefone ou megafone | | [`audio.mix(input)`](#audiomixinput) | Sobrepõe várias faixas em uma só | | [`audio.adjustVolume(input)`](#audioadjustvolumeinput) | Muda o nível, normaliza ou aplica fade | | [`audio.combine(input)`](#audiocombineinput) | Junta segmentos de áudio em sequência | | [`audio.transcribe(input)`](#audiotranscribeinput) | Transforma fala em texto, com os tempos das palavras | ## client.voices: vozes ### voices.list() Lista as vozes prontas da ElevenLabs (`GET /v1/voices`). Quando o servidor não tem uma chave da ElevenLabs configurada, ele retorna, em vez disso, um conjunto selecionado. ```ts list(): Promise ``` ```ts const voices = await client.voices.list() ``` ### voices.searchLibrary(params?) Pesquisa a Biblioteca de vozes da comunidade (`GET /v1/voices/library`). Todos os parâmetros são opcionais, e valores vazios são omitidos para que os padrões do servidor se apliquem. `hasMore`, na resposta, indica se existe outra página. ```ts searchLibrary(params?: VoiceLibraryParams): Promise<{ voices: Voice[]; hasMore: boolean }> ``` ```ts const { voices, hasMore } = await client.voices.searchLibrary({ search: "deep", language: "en" }) const voice = voices[0] await client.nodes.run("text-to-speech", { text: "Hello!", voice: voice.voice_id, voiceType: "library", ...(voice.recommendedProvider ? { provider: voice.recommendedProvider } : {}), }) ``` Cada voz pode trazer duas indicações sobre os modelos de fala em que foi verificada: - **`recommendedProvider`** é o melhor modelo para a voz. Apps sem um seletor de modelo devem enviá-lo como `provider` para o [**Texto para fala** (Text to Speech)](https://nodaro.ai/docs/nodes/audio/text-to-speech), para que a voz soe como a prévia dela na biblioteca. - **`verifiedProviders`** lista todos os modelos em que a voz foi verificada. Apps com um seletor de modelo devem substituir a escolha do usuário só quando ela não estiver nessa lista. ### voices.listClones() Lista seus clones de voz (`GET /v1/voice-clones`). Os clones feitos antes de a clonagem ser descontinuada continuam funcionando como IDs de voz em qualquer lugar que aceite uma voz. ```ts listClones(): Promise ``` ```ts const clones = await client.voices.listClones() ``` ### voices.deleteClone(id) Exclui um dos seus clones de voz (`DELETE /v1/voice-clones/:id`). ```ts deleteClone(id: string): Promise ``` ```ts await client.voices.deleteClone(cloneId) ``` ### voices.createClone() e createCloneFromFile() A clonagem de voz não é mais oferecida no Nodaro. Ela foi descontinuada em setembro de 2026. Os dois métodos continuam no cliente e estão marcados como obsoletos. Eles falham com um `NodaroError` cujo `code` é `voice_cloning_retired`, com status 410. Para uma nova voz personalizada, use [`design()`](#voicesdesigninput). ## client.voices: modificador de voz ### voices.change(input) Substitui a voz de uma gravação, ou de um vídeo inteiro com fala, por outra voz (`POST /v1/voice-changer`), como faz o nó [**Modificador de voz** (Voice Changer)](https://nodaro.ai/docs/nodes/audio/voice-changer). Com `videoUrl`, o servidor extrai o áudio do vídeo, troca a voz e coloca a nova voz de volta na imagem original. ```ts change(input: { voiceId: string audioUrl?: string videoUrl?: string model?: string stability?: number similarityBoost?: number style?: number useSpeakerBoost?: boolean seed?: number removeBackgroundNoise?: boolean }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.voices.change({ videoUrl: "https://example.com/talking.mp4", voiceId: "Aria", }) // the finished job's output_data has videoUrl and audioUrl ``` ### voices.recast(input) Dá uma voz diferente a cada falante detectado em uma gravação (`POST /v1/voice-changer-pro`), como faz o nó [**Modificador de voz Pro** (Voice Changer Pro)](https://nodaro.ai/docs/nodes/audio/voice-changer-pro). O método roda no Nodaro Cloud, custa créditos e é executado como um job. ```ts recast(input: VoiceChangerProInput): Promise<{ jobId: string }> ``` ', required: true, description: "De 1 a 8 entradas, uma por falante detectado, em ordem. Cada uma é um ID de voz, um objeto com configurações por voz ou null para manter a voz original desse falante. Pelo menos uma entrada deve ser diferente de null." }, audioUrl: { type: 'string', description: "A gravação. Informe audioUrl ou videoUrl." }, videoUrl: { type: 'string', description: "Um vídeo cujos falantes terão a voz trocada. As novas vozes são colocadas de volta na imagem original." }, model: { type: 'string', description: "Um modelo de fala para fala que substitui o padrão." }, preserveBackground: { type: 'boolean', default: 'true', description: "Mixa a música e os efeitos de volta sob as novas vozes. false retorna só as vozes." }, separationQuality: { type: '"fast" | "best"', default: '"fast"', description: "fast é mais rápido e preserva mais da voz. best separa a voz e a música com mais precisão." }, removeBackgroundNoise: { type: 'boolean', description: "Também remove o ruído do resultado." }, musicVolumeMode: { type: '"match" | "normalize" | "manual"', default: '"match"', description: "O nível do fundo mantido: o nível original, normalizado ou musicVolume." }, musicVolume: { type: 'number', description: "O nível do fundo em porcentagem, de 0 a 200, com musicVolumeMode manual." }, voiceFx: { type: '{ preset, wetDryMix?, delayMs?, decay? }', description: "Um efeito em todas as novas vozes, aplicado antes de o fundo voltar." }, output: { type: '"video" | "stems"', default: '"video"', description: "video renderiza o resultado final. stems retorna faixas separadas, sem mixagem, para você mixar e renderizar com exportMix()." }, analysis: { type: 'VcpAnalysis', description: "O resultado de um job anterior de analyze(), para pular a detecção de falantes." }, }} /> Cada entrada de `orderedVoices` é uma destas opções: - **Um ID de voz**: o nome de uma voz pronta, como `"Rachel"`, ou um ID de voz da ElevenLabs. - **`null`**: uma posição que mantém a voz original. Esse falante mantém a própria voz, enquanto os falantes seguintes continuam tendo a voz trocada. As posições que mantêm a voz original não custam nada, porque só os falantes com voz trocada são cobrados. - **Um objeto** com `voiceId` e as configurações desse falante: `stability`, `similarityBoost` e `style`, de 0 a 1, `useSpeakerBoost` e um `seed` de 0 a 4.294.967.295. `volumeMode` é `"match"` (o padrão, o nível do falante original), `"normalize"` ou `"manual"`, com `volume` em porcentagem de 0 a 200. `engine: "v3"` fala a linha de novo a partir da transcrição, com suporte a `[audio tags]`, em vez de converter a fala gravada. O falante 0 recebe `orderedVoices[0]`, o falante 1 recebe `orderedVoices[1]`, e assim por diante. Os falantes depois da última entrada mantêm a própria voz. A voz e a música são sempre separadas primeiro. `preserveBackground` só decide se a música volta. `voiceFx.preset` é um ambiente de reverberação (`room`, `bathroom`, `car`, `hall`, `concert-hall`, `church`, `cave`, `arena` ou `outdoor`), `telephone`, `megaphone`, `echo` ou `custom`. As predefinições de reverberação usam `wetDryMix` de 0 a 100. `echo` e `custom` usam `delayMs` de 20 a 2.000 e `decay` de 0 a 1. ```ts // Recast speakers 0 and 2, and keep speaker 1's own voice const { jobId } = await client.voices.recast({ audioUrl: "https://example.com/panel.mp3", orderedVoices: ["Rachel", null, "Aria"], }) // Repeatable voices, a hall reverb, and finer separation const { jobId: tuned } = await client.voices.recast({ audioUrl: "https://example.com/dialogue.mp3", orderedVoices: [ { voiceId: "Rachel", seed: 12345, stability: 0.6 }, { voiceId: "Aria", seed: 67890, volumeMode: "manual", volume: 120 }, ], voiceFx: { preset: "hall", wetDryMix: 35 }, separationQuality: "best", }) ``` No modo de vídeo, o `output_data` do job concluído tem `videoUrl` e `audioUrl`. ### voices.analyze(input) Detecta os falantes de um clipe **sem trocar as vozes** (`POST /v1/voice-changer-pro/analyze`). O método separa a voz da música uma vez e descobre quem fala quando. Ele roda no Nodaro Cloud, com preço fixo, como um job. ```ts analyze(input: { audioUrl?: string videoUrl?: string separationQuality?: "fast" | "best" suggestTitle?: boolean }): Promise<{ jobId: string }> ``` O `output_data` do job concluído é um `VcpAnalysis`: os `vocalsUrl` e `backgroundUrl` separados, os `speakers` detectados (cada um com `id`, os `segments` de tempo, `firstStartSec`, `wordCount` e um `snippet` de texto), `languageCode` com `languageProbability` e `suggestedTitle`, quando pedido. Passe-o como `analysis` para cada `recast()` seguinte, para que a troca de vozes reaproveite as faixas separadas e não pague de novo pela detecção. ### voices.exportMix(input) Renderiza o vídeo final a partir de um conjunto mixado de stems (`POST /v1/voice-changer-pro/export`). É a última etapa depois de `recast({ output: "stems" })`. O método roda no Nodaro Cloud, com preço fixo, como um job. ```ts exportMix(input: { videoUrl: string tracks: Array<{ url: string; gain: number; muted: boolean; kind?: "voice" | "background" }> voiceFx?: { preset: AudioFxPreset; wetDryMix?: number; delayMs?: number; decay?: number } }): Promise<{ jobId: string }> ``` O fluxo interativo analisa uma vez, troca as vozes gerando stems e depois mixa e renderiza. Veja o fluxo com uma pequena função auxiliar de consulta periódica: ```ts async function outputOf(jobId: string): Promise { for (;;) { const { data } = await client.jobs.getStatus(jobId) if (data.status === "completed") return data.output_data if (data.status === "failed" || data.status === "cancelled") throw new Error(data.error_message ?? data.status) await new Promise((resolve) => setTimeout(resolve, 2_000)) } } const { jobId: analyzeJob } = await client.voices.analyze({ videoUrl }) const analysis = (await outputOf(analyzeJob)) as VcpAnalysis const { jobId: recastJob } = await client.voices.recast({ videoUrl, orderedVoices: ["Rachel", null, "Aria"], output: "stems", analysis, }) const stems = await outputOf(recastJob) const { jobId: exportJob } = await client.voices.exportMix({ videoUrl, tracks: [ { url: stems.tracks[0].url, gain: 100, muted: false }, { url: stems.tracks[1].url, gain: 90, muted: false }, { url: stems.backgroundUrl, gain: 70, muted: false, kind: "background" }, ], voiceFx: { preset: "hall", wetDryMix: 25 }, }) const { videoUrl: finalVideo } = await outputOf(exportJob) ``` Os ganhos, os mudos e o efeito são aplicados quando o vídeo é renderizado, e a imagem é copiada como está. Por isso, a exportação corresponde à sua prévia, e você pode mudar a mixagem quantas vezes quiser antes de exportar. Uma mixagem com todas as faixas no mudo é recusada com um 400. ## client.voices: criar e traduzir ### voices.design(input) Cria uma nova voz sintética a partir de uma descrição em texto (`POST /v1/voice-design`), como faz o nó [**Design de voz** (Voice Design)](https://nodaro.ai/docs/nodes/audio/voice-design). O job concluído traz uma prévia em áudio e o ID da nova voz, que você pode usar em qualquer lugar que aceite uma voz. ```ts design(input: { text: string voiceDescription: string model?: string loudness?: number guidanceScale?: number seed?: number quality?: number shouldEnhance?: boolean userPrompt?: string }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.voices.design({ text: "Welcome back. Tonight we follow the river north, into the mountains where the story began.", voiceDescription: "A calm, deep voice of an older male narrator with a slight British accent", }) ``` ### voices.remix(input) Fala um texto em uma voz descrita em palavras simples, sem criar uma voz (`POST /v1/voice-remix`), como faz o nó [**Remix de voz** (Voice Remix)](https://nodaro.ai/docs/nodes/audio/voice-remix). ```ts remix(input: { text: string; voiceDescription: string; userPrompt?: string }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.voices.remix({ text: "Your order is on its way.", voiceDescription: "A cheerful young woman, fast and upbeat", }) ``` ### voices.dub(input) Dubla um áudio, ou um vídeo inteiro, para outro idioma, mantendo a voz de cada falante (`POST /v1/dubbing`), como faz o nó [**Dublagem** (Dubbing)](https://nodaro.ai/docs/nodes/audio/dubbing). A dublagem de um vídeo retorna `output_data.videoUrl`, o clipe dublado, e `output_data.audioUrl`, só a faixa dublada. ```ts dub(input: DubbingInput): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.voices.dub({ videoUrl: "https://example.com/interview.mp4", targetLanguage: "es", numSpeakers: 2, }) ``` O preço depende dos minutos do trecho dublado, com um mínimo de 1 minuto. Um trecho tem no máximo 30 minutos; por isso, use `startTime` e `endTime` em fontes mais longas. ### voices.textToDialogue(input) Dá voz a um roteiro com vários falantes em **um único** arquivo de áudio (`POST /v1/text-to-dialogue`), como faz o nó [**Texto para diálogo** (Text to Dialogue)](https://nodaro.ai/docs/nodes/audio/text-to-dialogue) com o [ElevenLabs Dialogue v3](https://nodaro.ai/docs/models/audio/elevenlabs-dialogue-v3). ```ts textToDialogue(input: { dialogue: Array<{ text: string; voice: string }> stability?: 0 | 0.5 | 1 languageCode?: string seed?: number applyTextNormalization?: "auto" | "on" | "off" }): Promise<{ jobId: string }> ``` ', required: true, description: "As falas na ordem em que são ditas. voice é o nome de uma voz pronta ou um ID de voz da ElevenLabs. O texto pode trazer tags de áudio como [laughs]." }, stability: { type: '0 | 0.5 | 1', description: "A estabilidade da interpretação." }, languageCode: { type: 'string', description: "Uma indicação de idioma ISO 639-1. É detectado quando omitido." }, seed: { type: 'number', description: "De 0 a 4.294.967.295 para um resultado reproduzível. Omita-o para um resultado aleatório." }, applyTextNormalization: { type: '"auto" | "on" | "off"', description: "Se números e abreviações devem ser escritos por extenso." }, }} /> ```ts const { jobId } = await client.voices.textToDialogue({ dialogue: [ { text: "Did you hear that?", voice: "Rachel" }, { text: "[whispers] Stay behind me.", voice: "Callum" }, ], }) ``` Um roteiro pode ter no máximo 5.000 caracteres, e menos de 2.000 dão a melhor qualidade. Ele pode usar no máximo 10 vozes diferentes. Vozes da biblioteca, vozes criadas com design de voz e clones existentes funcionam, combinados como você quiser. O `output_data.audioUrl` do job concluído é o arquivo. ## client.audio Os blocos de áudio que o Modificador de voz Pro usa internamente, disponíveis um a um. Todo método retorna um `jobId`. ### audio.separate(input) Divide uma faixa em stems (`POST /v1/audio-separation`), como faz o nó [**Separação de áudio** (Audio Separation)](https://nodaro.ai/docs/nodes/audio/audio-separation). ```ts separate(input: { audioUrl: string; mode?: "vocal_instrumental" | "stems"; quality?: "auto" | "fast" | "best" }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.audio.separate({ audioUrl: songUrl }) // output: vocalUrl and instrumentalUrl, or one URL per stem in stems mode ``` ### audio.isolate(input) Mantém a voz principal e remove o ruído de fundo (`POST /v1/audio-isolation`), como faz o nó [**Extrator de voz** (Voice Extractor)](https://nodaro.ai/docs/nodes/audio/voice-extractor). ```ts isolate(input: { audioUrl: string }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.audio.isolate({ audioUrl: interviewUrl }) ``` ### audio.applyFx(input) Adiciona um efeito de reverberação, eco, telefone ou megafone (`POST /v1/audio-fx`), como faz o nó [**Efeitos de áudio** (Audio FX)](https://nodaro.ai/docs/nodes/audio/audio-fx). As predefinições são as mesmas do `voiceFx` da troca de vozes. ```ts applyFx(input: { audioUrl: string preset?: AudioFxPreset mix?: number delayMs?: number decay?: number eqLow?: number eqHigh?: number }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.audio.applyFx({ audioUrl: lineUrl, preset: "telephone" }) ``` ### audio.mix(input) Sobrepõe várias faixas em uma só (`POST /v1/mix-audio`), como faz o nó [**Mixar áudio** (Mix Audio)](https://nodaro.ai/docs/nodes/audio/mix-audio). ```ts mix(input: { audioUrls: string[]; trackVolumes?: number[] }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.audio.mix({ audioUrls: [voiceUrl, musicUrl], trackVolumes: [100, 35] }) ``` ### audio.adjustVolume(input) Muda o nível de um arquivo de áudio, ou do áudio de um vídeo (`POST /v1/adjust-volume`), como faz o nó [**Ajustar volume** (Adjust Volume)](https://nodaro.ai/docs/nodes/audio/adjust-volume). ```ts adjustVolume(input: { audioUrl?: string videoUrl?: string volume?: number normalize?: boolean fadeIn?: number fadeOut?: number }): Promise<{ jobId: string }> ``` ```ts const { jobId } = await client.audio.adjustVolume({ audioUrl: musicUrl, volume: 60, fadeOut: 3 }) ``` ### audio.combine(input) Junta segmentos de áudio em sequência (`POST /v1/combine-audio`), como faz o nó [**Combinar áudio** (Combine Audio)](https://nodaro.ai/docs/nodes/audio/combine-audio). ```ts combine(input: { segments: Array<{ url: string; startTime?: number; endTime?: number }> }): Promise<{ jobId: string }> ``` ', required: true, description: "Os segmentos em ordem. Cada um pode usar só parte do arquivo dele, de startTime a endTime, em segundos." }, }} /> ```ts const { jobId } = await client.audio.combine({ segments: [{ url: introUrl }, { url: episodeUrl, startTime: 4 }, { url: outroUrl }], }) ``` ### audio.transcribe(input) Transforma em texto a fala de um arquivo de áudio ou de vídeo (`POST /v1/transcribe`), como faz o nó [**Transcrever** (Transcribe)](https://nodaro.ai/docs/nodes/audio/transcribe). ```ts transcribe(input: { audioUrl: string provider?: "elevenlabs-stt" | "incredibly-fast-whisper" | "whisper" language?: string diarize?: boolean tagAudioEvents?: boolean wordTimestamps?: boolean }): Promise<{ jobId: string }> ``` | `provider` | Tempos das palavras | Observações | | --- | --- | --- | | [`elevenlabs-stt`](https://nodaro.ai/docs/models/audio/elevenlabs-stt) | Sempre | O único mecanismo que respeita `diarize` e `tagAudioEvents`. | | [`incredibly-fast-whisper`](https://nodaro.ai/docs/models/audio/incredibly-fast-whisper) | Só com `wordTimestamps: true` | Sem a opção, o job é concluído e cobrado, com segmentos de frase e uma lista `words` vazia. | | [`whisper`](https://nodaro.ai/docs/models/audio/whisper) | Nunca | Só segmentos de frase. `wordTimestamps: true` é recusado com `400 validation_error` antes de qualquer gasto de créditos. | Omitir `provider` usa `whisper`; por isso, `wordTimestamps: true` sem um `provider` também recebe o 400. Para obter os tempos das palavras, indique `elevenlabs-stt`, ou `incredibly-fast-whisper` com `wordTimestamps: true`. As legendas cinéticas precisam deles. ```ts const { jobId } = await client.audio.transcribe({ audioUrl: talkUrl, provider: "elevenlabs-stt" }) ``` O `output_data` do job concluído é um `TranscribeJobOutput`: | Campo | Unidade | Conteúdo | | --- | --- | --- | | `text` | | A transcrição inteira em uma única string. | | `language` | | O código do idioma detectado ou pedido. | | `words` | milissegundos | Uma entrada por palavra: `{ text, startMs, endMs, speaker? }`. Fica vazia quando os tempos das palavras não foram pedidos ao mecanismo. | | `json` | milissegundos | A transcrição normalizada, `{ version, language, words, segments? }`, que [`client.edit`](https://nodaro.ai/docs/developers/sdk/editing) aceita. | | `segments` | **segundos** | Os intervalos brutos das frases, só dos mecanismos mais antigos. `elevenlabs-stt` não retorna nenhum; por isso, leia `words`. | `words` tem exatamente o formato das `captions` que [`client.media.addCaptions()`](https://nodaro.ai/docs/developers/sdk/media-and-uploads#mediaaddcaptionsinput) aceita; assim, você pode corrigir uma transcrição e gravá-la como legendas no vídeo. ## Frequently asked questions ### Como troco a voz de um vídeo com o SDK do Nodaro? Chame client.voices.change com o videoUrl e um voiceId. O servidor substitui a voz e a coloca de volta no vídeo original. Consulte o job periodicamente até obter output_data.videoUrl. ### Como dou uma voz diferente a cada falante de uma gravação? Chame client.voices.recast com orderedVoices, uma entrada por falante detectado, em ordem. Use null para um falante que mantém a própria voz. O método roda no Nodaro Cloud. ### Ainda posso clonar uma voz com o SDK? Não. A clonagem de voz foi descontinuada em setembro de 2026, e createClone agora falha com 410 voice_cloning_retired. Os clones existentes continuam funcionando. Em vez disso, crie uma nova voz com client.voices.design. ### Qual mecanismo de transcrição retorna os tempos das palavras? elevenlabs-stt sempre retorna os tempos das palavras. incredibly-fast-whisper só os retorna com wordTimestamps definido como true, e whisper nunca os retorna.