Qual voz generate_speech usa por padrão?

A Rachel, no modelo ElevenLabs v3. Passe voice_id com o nome de uma voz pronta, como Aria, Roger ou Charlotte, ou com o ID de uma voz que você clonou. list_voices retorna as vozes prontas.

Como faço uma conversa entre duas vozes?

Use generate_dialogue com uma lista ordenada de falas, cada uma com o texto e a voz. A ferramenta retorna um único arquivo de áudio com alternância natural entre as vozes, que soa melhor do que juntar clipes de fala separados.

O ElevenLabs v3 fala outros idiomas além do inglês?

Sim. Ele é totalmente multilíngue, inclusive hebraico, árabe, chinês, japonês e coreano, então use-o para qualquer idioma. Ele também entende tags de áudio como [laughs] e [whispers].

Como obtenho os tempos das palavras para legendas?

Chame transcribe. Os tempos das palavras, em milissegundos, ficam sempre em output_data.json.words do job, que é o formato que add_captions aceita como captions.

Posso trocar várias vozes num único clipe?

Sim, no Nodaro Cloud, com voice_changer_pro. A ferramenta detecta cada falante e dá a cada um a voz que você listar para ele, na ordem em que cada um fala pela primeira vez, mantendo as palavras e o timing.

Ferramentas de áudio do MCP do Nodaro: fala, diálogo, vozes, dublagem, efeitos sonoros e transcrição

Gere fala e diálogos, crie e troque vozes, duble, crie efeitos sonoros, transcreva e limpe ou corte áudio com as ferramentas de áudio do MCP do Nodaro.

As ferramentas de áudio permitem que um assistente crie e altere sons no Nodaro: fala e diálogos, vozes novas e modificadas, dublagem, efeitos sonoros, transcrições e limpeza. Cada ferramenta, exceto list_voices, inicia um job e retorna o ID dele, e o resultado é salvo na sua biblioteca. Todas as ferramentas de áudio precisam da permissão workflows:execute.

Ferramenta	O que faz
`generate_speech`	Texto para fala com uma voz
`generate_dialogue`	Uma conversa entre várias vozes, num único arquivo
`list_voices`	As vozes prontas
`voice_design`	Uma nova voz a partir de uma descrição
`voice_remix`	Fala numa voz que você descreve, sem ID de voz
`voice_changer`	Troca a voz de uma gravação ou de um vídeo
`voice_changer_pro`	Troca a voz de vários falantes de uma vez
`dubbing`	Traduz a fala para outro idioma, mantendo as vozes
`text_to_audio`	Efeitos sonoros a partir de uma descrição
`transcribe`	Fala para texto, com os tempos das palavras
`audio_isolation`	Isola a voz ou o som principal de uma mixagem
`separate_audio`	Separa o áudio em vocais e instrumental, ou em stems
`apply_audio_fx`	Reverbs e efeitos que situam uma voz num ambiente
`trim_audio`	Corta o áudio ou o extrai de um vídeo
`download_youtube_audio`	A faixa de áudio de um vídeo do YouTube

`generate_speech`

Transforma texto em fala com uma voz do ElevenLabs. Funciona como o nó Texto para fala (Text to Speech).

Permissão: workflows:execute. Créditos: o preço do modelo, abaixo.

Modelo	Desenvolvedor	Modos	Créditos	Detalhes
ElevenLabs v3	ElevenLabs	Texto para fala	33	O modelo de texto para fala mais recente da ElevenLabs — aceita tags de áudio entre colchetes para emoção e ritmo. API direta.
ElevenLabs Turbo v2.5	ElevenLabs	Texto para fala	17	Texto para fala rápido e barato da ElevenLabs, pela API direta da ElevenLabs. Bom para narração.
ElevenLabs Multilingual v2	ElevenLabs	Texto para fala	33	Texto para fala multilíngue da ElevenLabs, pela API direta da ElevenLabs.

Parâmetro	Tipo	Observações
`text`	string	Obrigatório. O que dizer, com até 5.000 caracteres. Divida um roteiro mais longo em várias chamadas.
`voice_id`	string	O nome de uma voz pronta ou o ID de uma voz que você clonou. Padrão: `Rachel`. Um ID desconhecido falha com `voice_not_found`.
`voice_type`	string	`premade`, `custom` ou `library`.
`model`	string	`elevenlabs-v3` (padrão), `elevenlabs-turbo` ou `elevenlabs-multilingual`. `elevenlabs`, o ID antigo do `elevenlabs-turbo`, também é aceito.
`language_code`	string	O idioma do texto.
`stability`, `similarity_boost`, `style`	number	Configurações de locução, de 0 a 1.
`speed`	number	De 0,7 a 1,2.
`presetId`	string	Uma predefinição de locução, como Narrador calmo, Locução comercial ou Audiolivro, de `list_node_presets`. Você ainda passa `text`.

Como escolher o modelo. O ElevenLabs v3 aceita tags de áudio como [laughs], [whispers] e [sighs] para emoção e ritmo, e é totalmente multilíngue: use-o para qualquer idioma, inclusive hebraico, árabe, chinês, japonês e coreano. O ElevenLabs Turbo é mais barato para narração simples. O ElevenLabs Multilingual v2 é um modelo legado; use-o só para uma voz que comprovadamente funciona apenas no v2.

Como escolher a voz. As vozes prontas são Rachel, Aria, Roger, Sarah, Laura, Charlie, George, Callum, River, Liam, Charlotte, Alice, Matilda, Will, Jessica, Eric, Chris, Brian, Daniel, Lily e Bill. Para uma voz feminina calorosa, experimente Rachel; para uma voz feminina jovem, Aria ou Lily; para uma voz masculina grave, Roger ou Brian; para uma voz masculina neutra, George ou Daniel; e para uma voz britânica, Charlie ou Charlotte.

Retorna: um ID de job. O cartão toca o áudio quando ele fica pronto.

`generate_dialogue`

Dá voz a um roteiro com vários falantes num único arquivo de áudio, com alternância natural entre as falas, no ElevenLabs Dialogue v3. Use-a para conversas, entrevistas, trocas no estilo podcast e cenas, em vez de juntar clipes separados de generate_speech. Funciona como o nó Texto para diálogo (Text to Dialogue).

Permissão: workflows:execute. Créditos: o preço do ElevenLabs Dialogue v3, por 1.000 caracteres.

Parâmetro	Tipo	Observações
`dialogue`	array	Obrigatório. As falas na ordem em que são ditas, de 1 a 200, cada uma `{ text, voice_id }`. Reutilize a mesma voz para o mesmo personagem. As falas podem conter tags de áudio como `[laughs]`.
`stability`	number	`0` (mais variada), `0.5` (equilibrada) ou `1` (mais estável).
`language_code`	string	Uma indicação de idioma, como `en` ou `he`. Omita-a para detectar o idioma.
`seed`	integer	Uma seed fixa, para um resultado repetível.
`apply_text_normalization`	string	Escreve por extenso números, datas e abreviações: `auto` (padrão), `on` ou `off`.

Os limites são 5.000 caracteres no total, com 2.000 ou menos recomendados para a melhor qualidade, e 10 vozes diferentes por chamada. O mesmo roteiro pode misturar nomes de vozes prontas e vozes clonadas.

Retorna: um ID de job.

`list_voices`

Retorna as vozes prontas, com o ID, o nome e os detalhes de gênero, sotaque e descrição, quando houver. generate_speech, voice_changer e voice_changer_pro precisam de um ID de voz.

Permissão: workflows:execute. Créditos: grátis.

Esta ferramenta não tem parâmetros. Ela lê o catálogo e não inicia nenhum job.

`voice_design`

Cria uma nova voz a partir de uma descrição e retorna uma amostra dela falando o seu roteiro. Use-a para ouvir uma prévia da voz antes de salvá-la. Funciona como o nó Design de voz (Voice Design).

Permissão: workflows:execute. Créditos: 55.

Parâmetro	Tipo	Observações
`voice_description`	string	Obrigatório. A voz: gênero, idade, sotaque, tom e personalidade, com até 1.000 caracteres. Por exemplo “warm female narrator with a soft British accent, low-pitched, calm pacing”.
`text`	string	Obrigatório. Um roteiro de amostra para a voz falar, de 100 a 1.000 caracteres.
`model`	string	`eleven_ttv_v3` (padrão, todos os idiomas) ou o legado `eleven_multilingual_ttv_v2`.
`loudness`, `guidance_scale`, `quality`, `seed`, `should_enhance`		Configurações opcionais de design. `loudness` vai de -1 a 1, e `guidance_scale`, de 0 a 100.

Retorna: um ID de job. O resultado é uma amostra em áudio da voz criada.

`voice_remix`

Fala um texto numa voz que você descreve em palavras, sem ID de voz. Use-a para uma voz avulsa, que você não precisa guardar. Funciona como o nó Remix de voz (Voice Remix).

Permissão: workflows:execute. Créditos: 44.

Parâmetro	Tipo	Observações
`text`	string	Obrigatório. O que dizer, com até 5.000 caracteres.
`voice_description`	string	Obrigatório. A voz, com até 1.000 caracteres, por exemplo “a warm, mid-40s British woman with a calm news-anchor tone”.

Retorna: um ID de job.

`voice_changer`

Substitui a voz numa faixa de áudio, ou num vídeo inteiro de alguém falando, mantendo a interpretação e o ritmo. Funciona como o nó Modificador de voz (Voice Changer).

Permissão: workflows:execute. Créditos: 44.

Parâmetro	Tipo	Observações
`voice_id`	string	Obrigatório. A nova voz: o nome de uma voz pronta ou o ID de uma voz que você clonou.
`audio_url` ou `audio_asset_id`	string	Uma origem de áudio.
`video_url` ou `video_asset_id`	string	Uma origem de vídeo, no lugar do áudio. O vídeo prevalece quando você passa os dois.
`remove_background_noise`	boolean	`true` retorna só a voz limpa. `false` mantém a música e os efeitos sonoros sob a nova voz.
`stability`, `similarity_boost`, `style`	number	De 0 a 1. `style` exagera a interpretação original; acima de 0, fica mais lento e pode ser menos estável.

Retorna: um ID de job. Para uma origem de vídeo, o cartão mostra uma prévia do novo áudio, e o novo vídeo vai para a sua biblioteca.

`voice_changer_pro`

Detecta cada falante de um clipe e dá a cada um uma nova voz, mantendo as palavras e o timing. O falante 1 recebe a primeira voz da lista, o falante 2, a segunda, e assim por diante, na ordem em que cada um fala pela primeira vez. Funciona como o nó Modificador de voz Pro (Voice Changer Pro).

Permissão: workflows:execute. Créditos: os mesmos do nó Modificador de voz Pro. Somente no Nodaro Cloud.

Parâmetro	Tipo	Observações
`ordered_voices`	array	Obrigatório. De 1 a 8 itens, um por falante. Um item é um ID de voz, um objeto com as próprias configurações ou `null`, para manter a voz original desse falante. Pelo menos um item não pode ser `null`.
`audio_url`, `audio_asset_id`, `video_url` ou `video_asset_id`	string	A origem: uma faixa de áudio ou um vídeo cujas vozes são trocadas.
`analysis`	object	A saída de um job anterior de `voice_changer_pro_analyze`. A troca então usa exatamente a lista de falantes à qual você associou as suas vozes, em vez de detectar os falantes de novo.
`preserve_background`	boolean	Mixa de volta a música e os efeitos sonoros sob as novas vozes. Padrão: `true`.
`music_volume_mode`, `music_volume`		O nível do fundo: `match` (original), `normalize` ou `manual`, com um volume de 0 a 200.
`voice_fx`	object	Um reverb ou efeito nas novas vozes, antes de o fundo voltar: um `preset` como `room`, `hall`, `church`, `telephone` ou `echo`, com `wetDryMix`, `delayMs` e `decay`.
`separation_quality`	string	`fast` (padrão) ou `best`.
`remove_background_noise`	boolean	Remove primeiro o ruído de fundo, para um resultado limpo, só com a voz.
`output`	string	`video` (padrão), um vídeo pronto, ou `stems`, as faixas separadas para a sua própria mixagem com `voice_changer_pro_export`.
`model`	string	Uma substituição do modelo de voz.

Um objeto de item de voz recebe voiceId e, opcionalmente, engine, stability, similarityBoost, style, useSpeakerBoost, seed, volumeMode e volume. O engine é sts (o padrão, que troca a voz da interpretação original) ou v3, que fala a frase de novo a partir da transcrição com o ElevenLabs v3. O mecanismo v3 aceita tags de áudio e uma estabilidade de 0, de 0,5 ou de 1, e lê a transcrição da analysis; sem uma análise, ele usa a própria transcrição.

Retorna: um ID de job.

`voice_changer_pro_analyze`

Detecta os falantes de um clipe sem alterá-los: a primeira etapa do fluxo interativo. A saída do job contém as faixas separadas de voz e de fundo, cada falante com os segmentos de tempo, a primeira aparição, a contagem de palavras e um trecho do texto, além do idioma. Confira essa saída para escolher uma voz para cada falante e para identificar “falantes” que não são pessoas, como aplausos.

Permissão: workflows:execute. Somente no Nodaro Cloud.

Parâmetro	Tipo	Observações
`audio_url`, `audio_asset_id`, `video_url` ou `video_asset_id`	string	O clipe de origem.
`separation_quality`	string	`fast` (padrão) ou `best`.
`suggest_title`	boolean	Também sugere um título a partir da transcrição, como `suggestedTitle`.

Retorna: um ID de job. Passe o output_data dele para voice_changer_pro como analysis.

`voice_changer_pro_export`

Renderiza um vídeo pronto a partir da sua própria mixagem de faixas: a última etapa do fluxo interativo, depois de voice_changer_pro com output: "stems". O vídeo é copiado sem recodificação.

Permissão: workflows:execute. Somente no Nodaro Cloud.

Parâmetro	Tipo	Observações
`tracks`	array	Obrigatório. De 1 a 16 faixas, cada uma com uma `url`, um `gain` de 0 a 200 (100 não altera nada), `muted` e um `kind`, `voice` (padrão) ou `background`. Pelo menos uma faixa não pode estar silenciada.
`video_url` ou `video_asset_id`	string	O vídeo de origem.
`voice_fx`	object	Um efeito aplicado só às faixas de voz.

Retorna: um ID de job.

`dubbing`

Traduz a fala para outro idioma, mantendo a voz e o timing de cada falante. Uma origem de vídeo retorna o vídeo dublado e a faixa de áudio dele. Funciona como o nó Dublagem (Dubbing).

Permissão: workflows:execute. Créditos: cobrados por minuto do trecho dublado.

Parâmetro	Tipo	Observações
`target_language`	string	Obrigatório. Um código de idioma, como `en`, `es`, `fr`, `de`, `ja`, `zh`, `ko` ou `ar`.
`audio_url`, `audio_asset_id`, `video_url`, `video_asset_id` ou `source_url`	string	Exatamente uma origem. `source_url` é um link público do YouTube, do TikTok ou direto, que é baixado diretamente.
`source_language`	string	Uma indicação do idioma de origem. Ele é detectado quando você o omite.
`num_speakers`	integer	O número de vozes diferentes, até 20. `0` as detecta.
`disable_voice_cloning`	boolean	Usa uma voz nativa parecida em vez da voz original de cada falante.
`drop_background_audio`	boolean	Remove o fundo, para origens só com fala.
`start_time`, `end_time`	number	Dubla só parte da origem, em segundos.
`highest_resolution`	boolean	Mantém a resolução de origem de um vídeo. Mais lento.
`use_profanity_filter`, `target_accent`, `watermark`		Opcionais. `target_accent` orienta as vozes para um sotaque.

Uma dublagem cobre no máximo 30 minutos. Use start_time e end_time para uma parte de uma origem mais longa.

Retorna: um ID de job.

`text_to_audio`

Cria um efeito sonoro a partir de uma descrição: foley, ambiência, sons de interface. Não serve para fala nem música. Funciona como o nó Texto para áudio (Text to Audio).

Permissão: workflows:execute. Créditos: o preço do ElevenLabs Sound Effects.

Parâmetro	Tipo	Observações
`prompt`	string	O som, por exemplo “thunderstorm with heavy rain”, com até 2.000 caracteres. Obrigatório, a menos que uma predefinição o forneça.
`duration`	number	De 0,5 a 30 segundos. Por padrão, o modelo decide.
`loop`	boolean	Faz o som se repetir em loop sem emendas.
`prompt_influence`	number	O quanto o som segue o prompt, de 0 a 1.
`presetId`	string	Uma predefinição como Ambiente de chuva, Transição whoosh ou Impacto / estrondo.

Retorna: um ID de job.

`transcribe`

Transforma a fala de um arquivo de áudio ou de vídeo em texto com o mecanismo ElevenLabs STT. Os tempos das palavras, em milissegundos, ficam sempre em output_data.json.words. Funciona como o nó Transcrever (Transcribe).

Permissão: workflows:execute. Créditos: o preço do ElevenLabs STT.

Parâmetro	Tipo	Observações
`audio_url` ou `audio_asset_id`	string	A origem. O ID pode ser de um job de áudio ou de vídeo.
`language`	string	Um código de idioma, como `en`. Detectado quando você o omite.
`diarize`	boolean	Identifica cada falante. Padrão: `false`.
`tag_audio_events`	boolean	Marca sons como `[laughter]` ou `[music]`. Padrão: `false`.
`word_timestamps`	boolean	Mantido por compatibilidade. Os tempos das palavras são retornados de qualquer forma.

Retorna: um ID de job. A transcrição fica na saída do job. Para legendar um vídeo com o texto corrigido, mapeie json.words para as captions de add_captions, um item por palavra. Os mecanismos Whisper estão disponíveis no nó do canvas, na API REST, no SDK e na CLI, mas não por esta ferramenta.

`audio_isolation`

Remove a música e o ruído de fundo de uma mixagem e retorna a voz, os vocais ou o instrumento principal como uma única faixa limpa. Funciona como o nó Extrator de voz (Voice Extractor).

Permissão: workflows:execute. Créditos: o preço do ElevenLabs Voice Isolation, conforme a duração.

Parâmetro	Tipo	Observações
`audio_url` ou `audio_asset_id`	string	A origem. O ID pode ser de um job de áudio ou de vídeo.

Retorna: um ID de job.

`separate_audio`

Separa qualquer áudio em vocais e instrumental, ou em stems completos: bateria, baixo, guitarra, piano e outros. Usa o Demucs e, ao contrário de suno_separate_stems, não precisa de uma faixa do Suno. Funciona como o nó Separação de áudio (Audio Separation).

Permissão: workflows:execute. Créditos: de 33 a 88, conforme o modo e a qualidade.

Parâmetro	Tipo	Observações
`audio_url` ou `audio_asset_id`	string	A origem. `audio_asset_id` aceita um job de áudio ou um arquivo de áudio enviado, não um vídeo.
`mode`	string	`vocal_instrumental` (padrão) ou `stems`.
`quality`	string	`auto` (padrão), `fast` ou `best`.

Retorna: um ID de job. Leia a URL de cada stem, como vocalUrl, instrumentalUrl ou drumsUrl, com get_job.

`apply_audio_fx`

Aplica um efeito criativo a uma voz ou a um clipe: um reverb que situa uma voz seca num ambiente, ou um efeito de telefone, megafone ou eco. Funciona como o nó Efeitos de áudio (Audio FX).

Permissão: workflows:execute. Créditos: 22.

Parâmetro	Tipo	Observações
`audio_url` ou `audio_asset_id`	string	A origem. O ID pode ser de um job de áudio ou de vídeo.
`preset`	string	`room` (padrão), `bathroom`, `car`, `hall`, `concert-hall`, `church`, `cave`, `arena`, `outdoor`, `telephone`, `megaphone`, `echo` ou `custom`.
`mix`	number	A quantidade de reverb, de 0 a 100.

Retorna: um ID de job.

`trim_audio`

Corta o áudio num intervalo de tempo, ou extrai o áudio de um vídeo e o corta. Funciona como o nó Cortar áudio (Trim Audio).

Permissão: workflows:execute. Créditos: 11.

Parâmetro	Tipo	Observações
`audio_url`, `audio_asset_id`, `video_url` ou `video_asset_id`	string	Uma origem. Uma origem de vídeo fornece a faixa de áudio dele.
`start_time`, `end_time`	number	O intervalo em segundos. Omita os dois para manter a faixa inteira.
`audio_format`	string	`mp3` (padrão), `wav` ou `aac`.

Retorna: um ID de job.

`download_youtube_audio`

Extrai a faixa de áudio de um vídeo do YouTube.

Permissão: workflows:execute.

Parâmetro	Tipo	Observações
`youtube_url`	string	Obrigatório. A URL do vídeo do YouTube.

Retorna: um ID de job. O resultado é um arquivo de áudio que você pode passar para outras ferramentas.

Áudio

`generate_speech`

`generate_dialogue`

`list_voices`

`voice_design`

`voice_remix`

`voice_changer`

`voice_changer_pro`

`voice_changer_pro_analyze`

`voice_changer_pro_export`

`dubbing`

`text_to_audio`

`transcribe`

`audio_isolation`

`separate_audio`

`apply_audio_fx`

`trim_audio`

`download_youtube_audio`

Perguntas frequentes

Texto para fala

Modificador de voz Pro

Dublagem

Música

Modelos de áudio

Nesta página

Áudio

Perguntas frequentes

Qual voz generate_speech usa por padrão?

Como faço uma conversa entre duas vozes?

O ElevenLabs v3 fala outros idiomas além do inglês?

Como obtenho os tempos das palavras para legendas?

Posso trocar várias vozes num único clipe?

Páginas relacionadas

Texto para fala

Modificador de voz Pro

Dublagem

Música

Modelos de áudio

Nesta página