WaveSpeedAI
← Blog

Apresentando o Inworld 1.5 Mini Text To Speech no WaveSpeedAI

O Inworld 1.5 Mini oferece síntese de texto em fala de alta qualidade com mais de 56 vozes multilíngues, taxa de fala ajustável e saída de áudio com som natural. Pronto

By WaveSpeedAI7 min read
Inworld Inworld.1.5 Mini Text To Speech
Inworld Inworld.1.5 Mini Text To SpeechO Inworld 1.5 Mini oferece síntese de texto em fala de alta ...
Try it
Apresentando o Inworld 1.5 Mini Text To Speech no WaveSpeedAI

Apresentando o Inworld 1.5 Mini Text-to-Speech no WaveSpeedAI

A voz está se tornando a interface padrão para aplicações de IA. De agentes conversacionais a jogos interativos, a capacidade de transformar texto em fala natural — instantaneamente e de forma acessível — não é mais um diferencial. É um requisito. O WaveSpeedAI tem o prazer de anunciar a disponibilidade do Inworld 1.5 Mini, um modelo de text-to-speech ultrarrápido e ultrasssequível que oferece síntese de fala multilíngue natural por apenas $0,005 a cada 1.000 caracteres.

Desenvolvido pela Inworld AI — a equipe por trás do modelo #1 no Artificial Analysis TTS Leaderboard — o Inworld 1.5 Mini traz síntese de voz em nível de produção para desenvolvedores que precisam de velocidade e escala sem comprometer o orçamento.

O que é o Inworld 1.5 Mini?

O Inworld 1.5 Mini é a variante leve da família TTS-1.5 da Inworld, desenvolvida especificamente para aplicações sensíveis à latência e de alto volume. Enquanto seu irmão, o Inworld 1.5 Max, otimiza para máxima naturalidade e expressividade, o Mini prioriza tempos de resposta extremamente rápidos — alcançando latência de tempo-até-primeiro-áudio P90 abaixo de 130ms, o que é 4x mais rápido do que modelos de geração anterior.

Apesar de sua arquitetura compacta, o Mini não sacrifica qualidade. A geração TTS-1.5 oferece 30% mais expressividade e uma redução de 40% nas taxas de erro de palavras em comparação com modelos anteriores da Inworld. O resultado é um modelo que soa extraordinariamente natural enquanto responde quase instantaneamente — tornando-o ideal para experiências interativas em tempo real onde cada milissegundo importa.

Principais Recursos

Latência Ultra-Baixa

  • Latência de tempo-até-primeiro-áudio P90 abaixo de 130ms — entre os modelos TTS mais rápidos disponíveis hoje
  • 4x mais rápido do que gerações anteriores da Inworld
  • Otimizado para pipelines conversacionais em tempo real e aplicações interativas

Mais de 65 Vozes Multilíngues em 15 Idiomas

O Inworld 1.5 Mini vem com uma biblioteca de vozes diversificada abrangendo:

  • Inglês — 25 vozes distintas, desde narradores profissionais até vozes expressivas de personagens
  • Chinês — 4 vozes incluindo estilos calmos, energéticos e narrativos
  • Japonês, Coreano — Vozes com falantes nativos e entonação natural
  • Europeus — Francês, Alemão, Espanhol, Português, Italiano, Holandês, Polonês, Russo
  • Sul-Asiático e Oriente Médio — Hindi, Hebraico, Árabe

Cada voz tem sua própria personalidade — do tom rico e íntimo de Blake, ideal para audiolivros, à qualidade robótica ameaçadora de Dominus, perfeita para vilões de jogos, à cadência tranquilizante de Luna, adequada para conteúdo de meditação.

Controle Refinado

  • Ajuste de velocidade de fala — Acelere para anúncios, desacelere para narração dramática
  • Controle de temperatura — Valores mais baixos para saída consistente e previsível; valores mais altos para entrega mais dinâmica e expressiva
  • Conjunto simples de parâmetros — Apenas texto, voz, taxa e temperatura. Nenhuma configuração complexa necessária.

Preços Imbatíveis

A $0,005 por 1.000 caracteres, o Inworld 1.5 Mini é uma das soluções TTS mais acessíveis do mercado — até 25x mais acessível do que modelos concorrentes em níveis de qualidade comparáveis. A contagem de caracteres é arredondada para o milhar mais próximo, com faturamento transparente e previsível.

CaracteresCusto
Até 1.000$0,005
Até 5.000$0,025
Até 10.000$0,050

Casos de Uso no Mundo Real

IA Conversacional e Agentes de Voz

A latência abaixo de 130ms do Inworld 1.5 Mini o torna a escolha natural para chatbots com voz habilitada, agentes de atendimento ao cliente e assistentes virtuais. Os usuários experimentam conversas fluidas e naturais sem os silêncios desconfortáveis que afetam sistemas TTS mais lentos. A biblioteca de vozes multilíngues significa que você pode implantar globalmente desde o primeiro dia.

Jogos e Entretenimento Interativo

Alimente diálogos de NPCs, narração no jogo e vozes de personagens com síntese de fala instantânea e expressiva. Com vozes como Hades (imponente e rouco), Pixie (agudo e brincalhão) e Edward (fala rápida e perspicaz), os desenvolvedores de jogos têm um elenco de personagens pronto para usar — sem necessidade de atores de voz para prototipagem ou produção indie.

Produção de Conteúdo em Alto Volume

Precisa gerar milhares de clipes de áudio para uma plataforma de e-learning, serviço de notícias automatizado ou camada de acessibilidade? A combinação de baixo custo e processamento rápido do Mini torna a geração de áudio em lote economicamente viável em escala. Use-o para rascunhos e iterações, depois mude para o Inworld 1.5 Max para produção final quando a qualidade máxima for importante.

Entrega de Conteúdo Multilíngue

Crie conteúdo de áudio em 15 idiomas a partir de um único endpoint de API. Seja localizando um aplicativo, produzindo podcasts multilíngues ou construindo um pipeline de tradução, o Mini lida com tudo com pronúncia e entonação de qualidade nativa por idioma.

Acessibilidade

Converta conteúdo escrito — artigos, documentação, notificações — em áudio falado de forma acessível, tornando seus produtos acessíveis a usuários com deficiência visual ou a qualquer pessoa que prefira ouvir a ler.

Primeiros Passos no WaveSpeedAI

Usar o Inworld 1.5 Mini no WaveSpeedAI requer apenas algumas linhas de código:

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "text": "A clear example input",
    "voice_id": "Alex",
    "speaking_rate": 1,
    "temperature": 1
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/inworld/inworld-1.5-mini/text-to-speech", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
if not task.get("id"):
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = f"https://api.wavespeed.ai/api/v3/predictions/{task['id']}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout", "deleted"}:
        raise RuntimeError(result)
    time.sleep(2)

Passo a Passo

  1. Prepare seu texto — Digite ou cole o conteúdo que deseja converter em fala
  2. Escolha uma voz — Selecione entre mais de 65 predefinições de voz em 15 idiomas (ex.: Ashley para um som caloroso e natural, Carter para energia de locutor de rádio, Asuka para japonês amigável)
  3. Ajuste a entrega — Configure speaking_rate para o ritmo e temperature para a expressividade
  4. Gere — Envie sua solicitação e receba um arquivo de áudio para download

Dicas Profissionais

  • Mantenha speaking_rate em torno de 1,0 para um ritmo natural — diminua para leituras dramáticas, aumente para anúncios rápidos
  • temperature mais baixa produz saída mais consistente e previsível — ideal para sistemas automatizados
  • Divida textos longos em parágrafos lógicos para melhor ritmo e pausas naturais
  • Sempre combine o idioma da voz com o idioma do seu texto para a melhor pronúncia
  • Comece com o Mini para prototipagem rápida, depois atualize para o Inworld 1.5 Max para áudio de produção final

Por que WaveSpeedAI?

Executar o Inworld 1.5 Mini através do WaveSpeedAI oferece mais do que apenas acesso ao modelo:

  • Sem Cold Starts — As solicitações são atendidas imediatamente sem nenhum atraso de inicialização
  • Melhor Desempenho — A infraestrutura otimizada oferece tempos de resposta consistentemente rápidos
  • Preços Acessíveis — Faturamento transparente por uso sem taxas ocultas
  • API REST Simples — Integre em qualquer aplicação com um endpoint de inferência direto
  • Pronto para Produção — Construído para confiabilidade em escala com alta disponibilidade

Conclusão

O Inworld 1.5 Mini atinge o ponto ideal que os desenvolvedores estavam procurando: um modelo de text-to-speech rápido o suficiente para aplicações em tempo real, acessível o suficiente para produção em alto volume e versátil o suficiente para cobrir 15 idiomas com mais de 65 vozes expressivas. Respaldado pela tecnologia TTS #1 no Artificial Analysis Leaderboard e entregue através da infraestrutura de zero cold start do WaveSpeedAI, é o caminho mais prático para adicionar voz natural às suas aplicações.

Seja construindo agentes de voz, gerando diálogos de jogos, produzindo conteúdo multilíngue ou tornando seus produtos mais acessíveis, o Inworld 1.5 Mini no WaveSpeedAI oferece a velocidade, qualidade e acessibilidade para tornar isso possível.

Experimente o Inworld 1.5 Mini no WaveSpeedAI hoje e comece a construir com síntese de voz em nível de produção a uma fração do custo.

Compartilhar