For AI agents: the complete documentation index is available at https://docs.clickmax.io/llms.txt, the full documentation bundle is available at https://docs.clickmax.io/llms-full.txt, and this page is available as Markdown at https://docs.clickmax.io/features/max/generate-audio-with-ai.md.
  • Português
  • Como gerar um áudio com voz de IA a partir de um texto?

    Peça ao Max, por exemplo "grave um áudio com a voz da Raquel dizendo: Oi, Ana! Vi que você se cadastrou no nosso webinar…". O Max gera o áudio, salva num endereço público e devolve o link. Pela API pública ou pelo MCP do Clickmax, o mesmo pedido é a ferramenta speech_generate.

    Antes de começar:

    • Papel: é preciso a permissão Voz com IA. Quem já conversa com o Max recebe essa permissão junto.
    • O recurso Voz com IA precisa estar ligado nos módulos do workspace, no módulo IA.
    • O áudio fica num endereço público: qualquer pessoa com o link consegue ouvir. Não grave informações que não podem ser públicas.
    • Um texto tem até 4.000 caracteres, cerca de 4 minutos de áudio.

    1. Escolha a voz

    Sem voz, vale a voz padrão do workspace, definida em Max > Vozes. As vozes do Clickmax falam português do Brasil com sotaque nativo e funcionam com qualquer modelo. Vozes treinadas pelo seu time também aparecem na lista, com um id próprio (Como treinar uma voz com IA?).

    VozIdComo soa
    RaquelraquelJovem, simpática e explicativa
    FernandafernandaAdulta, acolhedora e profissional
    DanieldanielAdulto, cordial e conversacional
    EduardoeduardoAdulto, claro, com sotaque do Sul
    GuilhermeguilhermeJovem adulto, neutro e direto

    Pela API ou pelo MCP, a ferramenta speech_voices_list devolve as vozes do Clickmax, as treinadas e o padrão do workspace. Em Max > Vozes dá para ouvir cada uma.

    2. Escolha o modelo

    ModeloQuando usar
    clickmax/voicePadrão. Melhor pronúncia e entonação em português.
    clickmax/voice-fastRespostas curtas e ligações, quando a velocidade importa mais.
    clickmax/voice-expressiveÁudio de WhatsApp que precisa soar mais humano. Entende marcações de emoção no texto, como [laughs] e [whispers].

    Sem modelo, vale o modelo padrão do workspace (de início, clickmax/voice).

    3. Escolha o formato

    FormatoPara quê
    mp3Player, download e e-mail. É o padrão.
    opusNota de voz do WhatsApp: o áudio aparece como gravado na hora.
    ulawLigações telefônicas.

    A resposta traz o endereço do áudio (url), o tipo do arquivo e quantos caracteres foram gerados. Gere uma vez e reutilize o mesmo link: cada pedido gera um áudio novo.

    Relacionados

    Se não funcionou

    • Resposta 403: falta a permissão Voz com IA no seu papel, ou o recurso está desligado no workspace.
    • Resposta 400 com uma voz treinada: a voz foi apagada ou é de outro workspace. Confira o id em speech_voices_list.
    • Resposta 429: muitos pedidos ao mesmo tempo. Espere alguns segundos e peça de novo.
    • Resposta 502: a geração ou o salvamento do áudio falhou. Tente de novo em alguns minutos.
    • O WhatsApp mostra o áudio como arquivo, não como nota de voz: gere com o formato opus.