BLOG
Em 16 de outubro de 2026, a OpenAI liberou o prompt-to-voice para todos os clientes da API: agora é possível criar uma voz personalizada para um agente GPT-Live descrevendo em texto o timbre, o ritmo e o sotaque desejados. A criação é gratuita, mas ouvir essa voz em uma sessão usa a cobrança normal do GPT-Live. A mudança serve a empresas e profissionais que desenvolvem atendimento falado; não transforma a assinatura do ChatGPT em acesso gratuito à API. (changelog oficial)
Orientação prática: trate a voz como parte da experiência do atendimento. Defina critérios de pronúncia, clareza, ritmo e transparência antes de usá-la com clientes; não imite uma pessoa real e não aprove a voz sem ouvi-la em uma conversa de teste.
O que mudou na criação de vozes da OpenAI
Antes, uma voz personalizada documentada pela OpenAI dependia de gravações de referência e consentimento do locutor, além de acesso limitado a clientes elegíveis. Com o prompt-to-voice, o desenvolvedor descreve as características desejadas em linguagem comum e salva uma voz para reutilizar nas sessões GPT-Live. A documentação diz que esse fluxo não exige gravação de referência nem gravação de consentimento. (guia oficial de vozes personalizadas)
Isso não significa que o sistema copie uma voz que você tem em mente. O prompt descreve características como apresentação, faixa de tom, textura, energia e velocidade da fala. A OpenAI proíbe pedir imitação de uma pessoa identificada, figura pública ou personagem fictício; também não permite vozes de crianças. As vozes geradas não têm garantia de exclusividade, então outra organização pode criar algo parecido.
| Caminho | Entrada | Acesso e uso | Ponto de atenção |
|---|---|---|---|
| Prompt-to-voice | Descrição textual das características vocais. | Disponível geralmente a clientes da API; uso em GPT-Live. | Não funciona na API Text to Speech, Realtime ou Chat Completions. |
| Voz a partir de gravação | Amostra de áudio e gravação de consentimento do locutor. | Limitada a clientes elegíveis. | Exige consentimento e aprovação, além de boa qualidade da gravação. |
Para que uma empresa pode usar uma voz descrita em texto
Um estúdio de desenvolvimento pode criar uma voz adulta calma para orientar clientes em um fluxo de suporte, ou uma entrega mais enérgica para um guia interativo. Uma agência pode explorar opções de identidade sonora para protótipos de recepção, onboarding ou navegação por voz. Esses são cenários de projeto, não resultados testados ou promessa de conversão.
A voz não define sozinha o comportamento do agente. Regras para responder, transferir para uma pessoa, lidar com erro ou pedir confirmação continuam nas instruções e na lógica da aplicação. Também é necessário manter uma saída acessível para quem não quer ou não consegue usar áudio, como transcrição ou atendimento humano.
Como criar e testar a voz
A chamada documentada é feita em POST /v1/audio/voices, com type igual a prompt, um nome, a descrição e o modelo. É possível fornecer também um roteiro de exemplo de até 2.000 caracteres; se omitido, o serviço cria um roteiro a partir da descrição. Cada chamada bem-sucedida salva uma voz nova e retorna seu identificador, que deve ser guardado para reutilização. O limite é de 100 vozes geradas por organização, inclusive quando um aplicativo cria vozes para seus próprios clientes. (documentação técnica)
A resposta de criação não inclui áudio nem prévia. Para ouvir no Playground, a aplicação inicia uma sessão GPT-Live, cobrada como sessão normal. A documentação recomenda ajustar uma característica por vez e comparar usando o mesmo texto curto e algumas falas de conversa; assim, a equipe consegue perceber se mudou o sotaque, a cadência ou a inteligibilidade sem misturar muitos fatores.
Disponibilidade, idiomas e custo: o que confirmar
A OpenAI descreve o prompt-to-voice como geralmente disponível para todos os clientes da API. A criação da voz não tem cobrança; a geração de fala usa a tarifa normal do GPT-Live, atualmente US$ 0,05 por minuto, faturada por segundo, sem arredondar a sessão para um minuto inteiro. O uso do modelo de backend e de ferramentas é separado. Essa é cobrança de API, não benefício de um plano pessoal do ChatGPT. (vozes personalizadas; preço e limites do GPT-Live 1)
O Brasil consta na lista geral de países atendidos pela API, mas isso não garante que uma conta ou projeto específico esteja habilitado para cada recurso. (países suportados) Os nove timbres naturais adicionados na mesma atualização foram anunciados para alemão, francês, hindi, japonês e coreano. A documentação de conversão de texto em fala lista português entre os idiomas de entrada e ressalva que as vozes são otimizadas para inglês; isso não comprova que uma voz criada por prompt terá pronúncia natural de português brasileiro. Faça essa validação com pessoas que representem seu público, antes de estimar um lançamento.
Limites de privacidade e uso responsável
A criação de vozes por /v1/audio/voices não é compatível com Zero Data Retention. As sessões de fala GPT-Live podem ser elegíveis para esse controle quando ele estiver habilitado na organização ou no projeto, mas gravações armazenadas, downloads e retomada de sessões ficam indisponíveis nesse modo. Se a empresa depende de retenção zero, precisa avaliar esse desenho antes de criar vozes. (documentação de retenção e vozes)
A equipe também deve avisar os ouvintes que a fala é gerada por IA e preservar metadados, marcas d’água ou outros indicadores de origem sintética. Uma política interna deve guardar o prompt e o ID da voz, definir quem pode criá-la e registrar a revisão do áudio. Isso ajuda a evitar mudanças de identidade vocal sem aprovação e facilita voltar à versão previamente avaliada.
Checklist antes de colocar a voz em produção
- Confirme que o produto usa GPT-Live, pois a voz gerada por prompt não está disponível nas APIs Text to Speech, Realtime ou Chat Completions.
- Descreva qualidades vocais sem citar pessoas ou personagens, e use somente uma voz adulta.
- Teste pronúncia de nomes, números, endereços, siglas e termos do negócio em cenários representativos.
- Orce a sessão de voz e o backend separadamente; inclua o volume de testes no orçamento.
- Avise o usuário de que está ouvindo uma voz sintética e ofereça alternativa por texto ou pessoa.
- Revise os requisitos de retenção de dados, mantenha o ID e o prompt e limite o total de vozes salvas.
Vale a pena testar o prompt-to-voice?
Para uma equipe que já está construindo um agente no GPT-Live, a novidade reduz a barreira para experimentar uma identidade vocal sem gravar uma amostra. O próximo passo sensato é um protótipo pequeno: duas ou três descrições adultas, o mesmo roteiro de teste e avaliação de clareza, pronúncia, ritmo e adequação ao contexto. A seleção deve vir antes da integração com o atendimento real. Para um contexto sobre como a camada de decisão se encaixa nesse fluxo, veja também nosso artigo sobre a integração do GPT-Live com a Decisions API.
Para projetos que precisam usar voz personalizada fora do GPT-Live, esta função não resolve a necessidade: a OpenAI limita as vozes geradas por prompt a sessões GPT-Live. E, para atendimento em português brasileiro, a qualidade não deve ser presumida a partir da lista geral de idiomas. Testar com usuários, conferir os custos completos e preparar transparência e alternativa humana são as condições práticas para decidir se a novidade cabe no fluxo.
Perguntas frequentes
Preciso enviar uma gravação para criar a voz?
Não para prompt-to-voice. Basta uma descrição textual; o fluxo com gravações é outra modalidade e exige amostra e consentimento do locutor.
A OpenAI confirma qualidade em português brasileiro?
A documentação permite texto em português em recursos de fala e declara que as vozes são otimizadas para inglês, mas não confirma a qualidade de uma voz criada por prompt em pt-BR. É necessário testar antes de lançar.
