Se você desenvolve no Roblox, a maneira mais rápida de fazer um personagem falar é o próprio gerador de fala do Roblox: a roblox text to speech api transforma pequenas sequências de texto em áudio falado diretamente dentro da sua experiência. Ela roda em um objeto nativo chamado AudioTextToSpeech, e a verdadeira decisão não é se funciona, mas como você quer que a fala se comporte. Uma fala deve ser gerada ao vivo enquanto o jogo roda, reagindo ao que um jogador acabou de fazer? Ou o diálogo deve ser pré-gravado em um recurso de áudio reutilizável com antecedência? Essa única escolha molda seus limites de caracteres, sua responsabilidade de moderação e se as ferramentas integradas do Roblox são o lar certo para o áudio.
Este guia aborda o que a API realmente é, como ela se conecta ao grafo de áudio do Roblox, as duas rotas de geração disponíveis para você e as verificações práticas que indicam quando permanecer dentro do Roblox e quando um fluxo de voz dedicado serve melhor.
Índice
O que a API de text to speech do Roblox realmente é
A API de text to speech do Roblox é o recurso nativo do Roblox para gerar áudio falado dentro de uma experiência. Um script entrega texto a um objeto AudioTextToSpeech, que converte esse texto em fala. Você escolhe uma voz predefinida e pode ajustar propriedades como tom e velocidade, depois direciona o resultado para o sistema de áudio da experiência para que os jogadores o ouçam.
Dois detalhes importam de imediato. Primeiro, cada requisição é limitada a 300 caracteres, o que enquadra toda a ferramenta como um sistema para falas curtas e reativas, em vez de narração de formato longo. Segundo, as vozes são predefinições, não uma biblioteca personalizada. O Roblox lista vozes em várias variedades de inglês, incluindo britânico, americano, australiano e estilos retrô, além de espanhol, alemão, italiano, francês, chinês mandarim, hindi, japonês, árabe, coreano e português, com opções masculinas e femininas para muitos desses idiomas.
Isso posiciona o AudioTextToSpeech como uma ferramenta para diálogos dentro do mundo: a saudação de um NPC, uma deixa de jogabilidade, uma solicitação que muda com o contexto. Ele não foi projetado como um serviço de narração de uso geral, e interpretá-lo dessa forma é onde começa a maior parte da frustração de integração.
Como a fala chega aos ouvidos de um jogador
Gerar a fala é apenas metade do trabalho; o áudio precisa ser conectado ao grafo de áudio do Roblox antes que alguém possa ouvi-lo. A rota de conexão depende de você querer som plano ou posicional.
Para áudio 2D, você conecta o objeto AudioTextToSpeech a um AudioDeviceOutput usando um Wire. A fala é reproduzida como uma saída geral, da mesma forma que um som de interface ou uma deixa de fundo seriam.
Para áudio 3D ou posicional, a saída é direcionada por um emissor e um receptor. Isso coloca a voz em um ponto específico do mundo do jogo, de modo que a fala de um aldeão soe como se viesse do aldeão em vez de vir de todos os lugares de uma vez. Para experiências interativas, o roteamento posicional geralmente é o que faz o diálogo parecer pertencer a um personagem.
Como a fala é gerada sob demanda, o volume de requisições se torna uma restrição de design, não uma reflexão tardia. O Roblox dimensiona o limite conforme o quão movimentada sua experiência está: o teto publicado é de 1 + (6 × usuários simultâneos) de requisições máximas por minuto por experiência. Um lobby tranquilo tem muito pouca margem; um servidor lotado tem muito mais. Se uma fala puder ser acionada por todos os jogadores ao mesmo tempo, você precisa planejar para essas rajadas em vez de assumir que a requisição sempre será processada.
Fala em tempo real ou um recurso de áudio salvo?
O Roblox oferece duas rotas, e escolher a certa é a decisão central de todo este tópico.
AudioTextToSpeechgera fala para reprodução ao vivo. Recorra a ele quando a fala precisar reagir à jogabilidade ou mudar com o contexto, como uma resposta curta de NPC vinculada ao que um jogador acabou de fazer.GenerateSpeechAssetcria a fala como um recurso de áudio salvo. Recorra a ele quando quiser diálogo ou narração gerados armazenados para reutilização. Observe que a geração de recursos conta contra a cota de upload de áudio existente da sua experiência, portanto consome o mesmo orçamento que outros sons enviados.
A diferença vai além do momento. O Roblox filtra tanto o texto quanto a saída de áudio para conformidade, e a responsabilidade de moderação muda conforme a rota que você escolhe. Para recursos de fala salvos, o Roblox indicou que ações de moderação podem ser tomadas contra a conta que possui o recurso. Na prática, isso significa que um recurso reutilizável que você gera carrega uma responsabilidade contínua de uma forma que uma fala ao vivo transitória não carrega, o que vale a pena ponderar antes de gravar diálogos em recursos permanentes.
Uma maneira simples de decidir: se a fala só faz sentido no momento, gere-a ao vivo. Se você quiser ouvir exatamente o mesmo clipe novamente, trate-o como um recurso e aceite as implicações de cota e moderação que vêm com isso.
Verificações que decidem se o TTS do Roblox se encaixa
Antes de dedicar um recurso à API integrada, teste-o em relação a quatro restrições práticas.
Adeque a tarefa ao limite de 300 caracteres. Falas curtas se encaixam confortavelmente; narrações longas não. Qualquer coisa substancial precisa ser dividida em várias requisições ou movida para um fluxo de trabalho construído em torno de áudio preparado. Se o seu roteiro parece um monólogo, o objeto integrado está te atrapalhando.
Verifique a cobertura de vozes em relação aos seus jogadores. O Roblox oferece predefinições, não uma ampla biblioteca personalizada. Os idiomas listados cobrem bastante terreno, mas você ainda precisa de uma voz que combine com o idioma dos seus jogadores e o padrão de qualidade que sua experiência estabelece. Se seu público espera um sotaque específico ou um narrador com identidade de marca, as predefinições podem ficar aquém.
Planeje rajadas e moderação juntas. Um recurso que gera fala com frequência, especialmente um que muitos jogadores podem acionar simultaneamente, precisa respeitar o teto de requisições por experiência. Mantenha cada sequência gerada dentro dos Padrões da Comunidade e dos Termos de Uso do Roblox, já que tanto o texto de entrada quanto o áudio de saída são filtrados.
Decida onde a fala realmente pertence. Falas curtas, interativas e dentro do mundo são exatamente para o que os objetos nativos servem. Narração gravada, trailers, clipes de marketing ou recursos de mídia produzidos fora do jogo são um trabalho diferente, e forçá-los pelo AudioTextToSpeech geralmente significa lutar contra o limite de caracteres e a lista de vozes predefinidas ao mesmo tempo.
| Fator de decisão | O TTS integrado do Roblox se encaixa | Um fluxo de TTS separado se encaixa melhor |
|---|---|---|
| Comprimento da fala | Deixas curtas com menos de 300 caracteres | Narração longa ou monólogo roteirizado |
| Momento | Reage ao vivo à jogabilidade | Produzido com antecedência |
| Necessidades de voz | Voz predefinida é aceitável | Voz personalizada ou com identidade de marca necessária |
| Uso da saída | Reproduz dentro da experiência | Publicado em outras mídias |
Quando um fluxo de TTS externo faz mais sentido
A API integrada é a resposta direta para falas interativas de jogo. Ela começa a ficar sobrecarregada quando um projeto precisa de uma seleção mais ampla de vozes, um narrador personalizado ou clonado, ou áudio pronto para produção que vive além de deixas curtas dentro do jogo, como um trailer de lançamento, um vídeo tutorial ou marketing multilíngue em torno da sua experiência.
Essa é a lacuna que preenchemos na DubSmart AI. Nossa API de Text to Speech oferece mais de 300 vozes em muitos idiomas e dialetos e, se você precisar de um narrador com identidade em vez de uma predefinição, nossa API de Clonagem de Voz cria uma voz personalizada reutilizável a partir de uma amostra curta de áudio. Para localização completa de vídeo, nossa API de Dublagem com IA traduz e dubla imagens em mais de 33 idiomas com clonagem de voz, o que é útil quando você está promovendo uma experiência do Roblox para jogadores que não compartilham o seu idioma.
Para ser claro quanto ao escopo: este é um fluxo de produção separado para mídia que você cria em torno do seu jogo, não um substituto direto para os objetos do Roblox dentro da experiência. Nossa oferta pública não estabelece uma integração direta com o Roblox, portanto trate-a como a ferramenta para narração, trailers e promoção localizada, em vez de diálogo de NPC ao vivo. Se você é mais novo em como esses serviços funcionam por baixo dos panos, nossa explicação sobre o que é uma API de text to speech aborda o pipeline de síntese em termos simples.
A divisão prática é limpa. Mantenha a fala reativa, dentro do mundo, dentro do Roblox, onde o motor, o grafo de áudio e o modelo de moderação foram construídos para isso. Mova trailers, tutoriais e promoção multilíngue para um fluxo de voz dedicado, onde limites de caracteres e vozes predefinidas não mais te prendem.
Perguntas frequentes
O TTS do Roblox é o mesmo que o chat de voz dos jogadores?
Não. O TTS do Roblox gera fala artificial a partir do texto que você fornece. O Chat de Voz é um recurso separado para comunicação falada em tempo real entre jogadores, com seus próprios requisitos de elegibilidade e experiência.
O TTS do Roblox pode gerar diálogos longos em uma única requisição?
Não. O limite documentado é de 300 caracteres por requisição. Diálogos mais longos precisam ser divididos em requisições mais curtas ou preparados por meio de um fluxo de trabalho diferente.
Posso usar uma voz clonada personalizada com o TTS integrado do Roblox?
A lista de vozes de TTS documentada do Roblox consiste em IDs de vozes predefinidas. A documentação não descreve a importação de uma voz clonada personalizada para o AudioTextToSpeech, portanto um narrador com identidade de marca ou clonado pertence a um fluxo de produção separado.
Quantas requisições de TTS minha experiência pode fazer?
O Roblox dimensiona o teto conforme a atividade: um máximo de 1 + (6 × usuários simultâneos) requisições por minuto por experiência. Recursos que muitos jogadores podem acionar de uma vez precisam ser projetados em torno desse limite.
Quando devo usar uma API de TTS externa em vez disso?
Considere uma quando precisar de uma seleção mais ampla de vozes, fluxos de voz personalizados ou narração pronta para produção além de falas curtas dentro do jogo. Nossa API de Text to Speech é uma dessas opções para mídia criada em torno do seu jogo, não uma integração direta com o Roblox.