O prompt-to-voice permite criar e salvar uma voz para o GPT-Live a partir de uma descrição escrita de sotaque, ritmo, timbre, altura e energia. A OpenAI liberou o recurso para todos os clientes da API em 16 de outubro de 2026. Criar a voz não tem cobrança própria, mas ouvir testes e gerar fala consome uma sessão normal do GPT-Live. Para empresas, a novidade reduz a dependência de uma gravação de referência, mas exige testes de compreensão, transparência e uma política que impeça imitação ou uso inadequado.
Entenda o que o prompt-to-voice cria
A empresa descreve a voz em linguagem natural e envia a solicitação ao endpoint de vozes ou usa o Voice Playground. O resultado é um identificador de voz salvo, que pode ser reutilizado na configuração de novas sessões do GPT-Live. A descrição pode especificar características como apresentação, sotaque, faixa de altura, timbre, textura, intensidade, velocidade e grau de distinção.
Esse caminho não precisa de gravação de consentimento nem amostra de uma pessoa. Ele é diferente da criação de voz a partir de gravação, que continua limitada a clientes elegíveis e exige consentimento e referência do mesmo locutor. A voz criada por texto funciona no GPT-Live e não está disponível, nesse formato, nas APIs de Text to Speech, Realtime ou Chat Completions com áudio.
Escreva uma descrição que possa ser testada
Evite instruções subjetivas como voz premium ou voz que vende. Descreva qualidades observáveis e relacionadas ao contexto: voz adulta, português claro, ritmo moderado, tom acolhedor, articulação nítida e energia estável. Regras de conversa, como tamanho das respostas, interrupções e transferência para uma pessoa, devem ficar nas instruções da sessão, não apenas na descrição da voz.
O campo opcional script_hint aceita um texto representativo de até 2.000 caracteres. Use frases que incluam nomes de produtos, números, datas, siglas e situações frequentes no atendimento. Assim, a avaliação acontece com o vocabulário real da empresa e não apenas com uma amostra genérica que pode esconder erros de pronúncia.
- Defina idioma, sotaque e velocidade de fala
- Inclua o nível de energia adequado ao atendimento
- Teste números, nomes próprios e termos técnicos
- Mude uma característica por vez entre versões
- Guarde o identificador e a descrição da voz aprovada
Compare vozes com um roteiro fixo
Cada solicitação bem-sucedida cria uma nova voz salva. A organização pode manter até 100 vozes geradas por prompt, inclusive quando o aplicativo cria opções para clientes. Para não acumular variações sem critério, defina um roteiro fixo e uma planilha de avaliação antes de começar.
Compare inteligibilidade, naturalidade, pronúncia, ritmo, consistência entre turnos e adequação ao público. Inclua ruído, interrupção, conexão móvel e perguntas inesperadas. Uma voz agradável em uma frase gravada pode ficar cansativa, rápida ou pouco clara em uma conversa longa.
Calcule o custo do atendimento completo
A criação de uma voz por descrição é gratuita, mas a prévia no Playground e a fala produzida usam a cobrança regular das sessões do GPT-Live. Orçamento deve considerar duração, turnos, ferramentas chamadas, infraestrutura de telefonia, gravação, observabilidade e encaminhamento humano, não apenas o custo de criar o perfil vocal.
Faça um piloto com uma intenção delimitada, como confirmar agendamento ou informar andamento de pedido. Meça custo por conversa resolvida, tempo até resolução, transferências, repetição de perguntas, abandono e correções do atendente. A voz só gera valor quando melhora compreensão e conclusão da tarefa.
Aplique transparência e proteção contra imitação
A documentação proíbe vozes infantis e orienta a não imitar pessoas, figuras públicas ou personagens. Também recomenda informar que a fala é gerada por IA e preservar marcas de procedência, metadados ou outros indicadores de origem sintética. A voz não é garantida como exclusiva, portanto não deve ser tratada como identidade biométrica ou assinatura da marca.
No início da chamada, explique que a pessoa conversa com um sistema automatizado e ofereça acesso claro a atendimento humano. Nunca use a semelhança vocal como autenticação para pagamento, alteração cadastral ou acesso a dados. Combine verificação por canal confiável, limites de ação e registro das ferramentas usadas.
Revise dados, retenção e ciclo de vida
A criação de vozes pelo endpoint não é compatível com Zero Data Retention. Já as gerações de fala do GPT-Live podem ser elegíveis quando o controle está habilitado para a organização ou o projeto, com limitações para gravações e bifurcação de sessões. Confirme a configuração contratada antes de enviar conteúdo sensível.
Restrinja chaves ao servidor, separe projetos de teste e produção e controle permissões de leitura e criação de vozes. Defina quem pode aprovar, substituir e excluir uma voz. Se o identificador for revogado ou apagado, novas sessões podem falhar, por isso a aplicação deve ter tratamento de erro e uma alternativa segura.
Para levar daqui
O prompt-to-voice facilita criar uma identidade vocal para o GPT-Live sem gravar uma pessoa, mas a adoção deve começar por descrição mensurável, roteiro fixo, teste de português, transparência, limites de ação e cálculo do custo por resolução.
