Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Inworld Realtime TTS-2 and TTS-2 Flash

A voz conversacional da Inworld, disponível desde agosto de 2026: direção em linguagem simples, mais de 100 idiomas, de US$ 25 até US$ 5 por milhão de caracteres.

Análise de ReviewRamble editors · Atualizado

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

4.2/5

Uma voz que aceita direção como um ator, por um preço que cai bastante com o volume, embora o ranking a tenha deixado para trás desde agosto.

O que é Inworld Realtime TTS-2 and TTS-2 Flash?

Realtime TTS-2 é o modelo de texto para fala da Inworld AI para conversas ao vivo, disponível para todos desde 31 de agosto de 2026 após uma prévia em maio, com uma variante Flash mais barata. Você orienta a interpretação em inglês simples, entre colchetes no início do texto, por exemplo pedindo que fale com tristeza, e acrescenta tags no texto para risadas, suspiros, respirações ou tosses. Ele produz hesitações naturais como "um" e, nas sessões Realtime, ouve o áudio dos turnos anteriores em vez de apenas uma transcrição.

As vozes podem ser clonadas a partir de um trecho limpo de 5 a 15 segundos ou criadas a partir de uma descrição escrita. A Inworld diz que uma mesma voz mantém sua identidade em mais de 100 idiomas, inclusive com trocas no meio da frase, com os idiomas menos comuns ainda experimentais.

O modelo é servido pela TTS API da Inworld e pela Realtime API, que segue o protocolo Realtime da OpenAI, então clientes existentes só mudam a URL. Os pesos não são publicados.

Quanto custa Inworld Realtime TTS-2 and TTS-2 Flash?

PlanoPreçoO que inclui
On-DemandPay as you goTTS-2 a US$ 25 e Flash a US$ 15 por 1M de caracteres; 5 requisições simultâneas
Growth$1,500/monthTTS-2 a US$ 12,50 e Flash a US$ 7 por 1M de caracteres; 500 requisições simultâneas
EnterpriseCustomTTS-2 a partir de US$ 5 por 1M de caracteres; residência na UE e na Índia

TTS-2 a US$ 25 por 1M de caracteres sob demanda, caindo para US$ 12,50 no plano Growth de US$ 1.500/mês e para até US$ 5 no Enterprise; TTS-2 Flash a US$ 15 sob demanda e US$ 7 no Growth.

Inworld Realtime TTS-2 and TTS-2 Flash vale a pena?

O grande truque do Realtime TTS-2 é que você diz como ele deve soar numa frase em inglês comum, em vez de escolher num menu de emoções prontas, e ele capta o tom de quem liga nos turnos anteriores. Para um personagem de jogo ou um agente de suporte que precisa soar arrependido, isso vale mais do que um ponto a mais de naturalidade.

Na arena de ouvintes da Artificial Analysis ele está em décimo, com 1.269 de Elo, atrás do Eleven v4 da ElevenLabs, com 1.340, e do Sonic 3.6 da Cartesia, com 1.294. O preço é o contrapeso: US$ 25 por milhão de caracteres sob demanda, contra US$ 49 do Sonic 3.6 na mesma tabela, e US$ 12,50 no plano Growth. O Flash fica em 19º, com 1.213, por US$ 15 ou menos.

O porém: os números de velocidade dependem de quem mede. A Inworld promete mediana abaixo de 200 ms até o primeiro áudio; o teste de laboratório da AssemblyAI cronometrou o TTS-2 em 280 ms. A contagem de idiomas também varia entre as próprias páginas da Inworld, de mais de 100 a cerca de 500, com a cauda longa marcada como experimental, então confira seu idioma de ouvido. A retenção zero de dados só começa no plano Developer, de US$ 300 por mês, e a residência na UE é exclusiva do Enterprise.

Nossa opinião: para personagens e agentes em que o registro emocional importa mais que os últimos milissegundos, este é o modelo para testar primeiro. Para uma central de atendimento em que a voz só precisa ser clara e rápida, o Flash ou um rival mais barato fará o mesmo trabalho por menos.

Onde ele se destaca

  • Um estúdio independente dublando 40 personagens não jogáveis

    Dar a cada personagem uma voz própria que reaja ao que o jogador diz

    Crie as vozes a partir de descrições em texto e envie as falas pela Realtime API com direção entre colchetes. A cerca de 1.000 caracteres por minuto de áudio, 2 milhões de caracteres no Creator custam US$ 40 com o TTS-2.

  • O agente de suporte multilíngue de uma empresa de viagens

    Atender cada cliente no próprio idioma sem trocar de voz

    Clone uma voz de marca a partir de um trecho de 10 segundos e deixe o TTS-2 trocar de idioma no meio da frase; teste antes os idiomas menos comuns, que a Inworld marca como experimentais.

Antes de decidir

Configuração
Chame /tts/v1/voice ou a variante de streaming com o modelo inworld-tts-2, ou abra o WebSocket Realtime; quem usa o TTS 1.5 só troca o ID do modelo.
Integrações
SDKs para Node e Python; API compatível com OpenAI Realtime; Cloudflare, DeepInfra, GMI Cloud, LiveKit, Stream e VoiceRun.
Dados e privacidade
Sem pesos publicados. GDPR e SOC 2 Type II em todos os planos; retenção zero de dados a partir do Developer (US$ 300/mês); HIPAA como adicional do Growth; residência na UE e na Índia no Enterprise. A página de preços não diz se os dados são usados em treinamento.
Custo em escala
100 milhões de caracteres por mês, cerca de 1.700 horas de fala, custam cerca de US$ 1.250 na tarifa de US$ 12,50 do Growth, ou US$ 700 no Flash, contra US$ 2.500 sob demanda.
Limites
Requisições simultâneas: 5 no On-Demand, 150 no Developer, 500 no Growth. As amostras para clonagem devem ter de 5 a 15 segundos. Idiomas menos comuns experimentais.

O que é bom

  • Direção da interpretação em linguagem simples e tags não verbais
  • Ouve os turnos de áudio anteriores para captar o tom nas sessões Realtime
  • Cai para US$ 12,50 por 1M de caracteres no Growth e US$ 5 no Enterprise
  • API compatível com OpenAI Realtime; clonagem com 5 a 15 segundos

O que não é

  • Décimo na Artificial Analysis, 71 de Elo atrás do Eleven v4
  • A contagem de idiomas varia entre as próprias páginas da Inworld
  • Retenção zero exige o plano Developer de US$ 300 por mês
  • Só 5 requisições simultâneas no On-Demand

Ideal para

Estúdios de games e equipes de agentes de voz que precisam de fala com direção emocional em muitos idiomas e esperam volume suficiente para subir nas faixas de preço da Inworld.

Alternativas ao Inworld Realtime TTS-2 and TTS-2 Flash

Inworld Realtime TTS-2 and TTS-2 Flash: perguntas frequentes

Inworld Realtime TTS-2 and TTS-2 Flash vale a pena?
Uma voz que aceita direção como um ator, por um preço que cai bastante com o volume, embora o ranking a tenha deixado para trás desde agosto. Damos nota 4.2 de 5.
Quanto custa Inworld Realtime TTS-2 and TTS-2 Flash?
TTS-2 a US$ 25 por 1M de caracteres sob demanda, caindo para US$ 12,50 no plano Growth de US$ 1.500/mês e para até US$ 5 no Enterprise; TTS-2 Flash a US$ 15 sob demanda e US$ 7 no Growth.
Quais são as desvantagens de Inworld Realtime TTS-2 and TTS-2 Flash?
Décimo na Artificial Analysis, 71 de Elo atrás do Eleven v4; a contagem de idiomas varia entre as próprias páginas da Inworld; retenção zero exige o plano Developer de US$ 300 por mês; só 5 requisições simultâneas no On-Demand.
Para quem Inworld Realtime TTS-2 and TTS-2 Flash é indicado?
Estúdios de games e equipes de agentes de voz que precisam de fala com direção emocional em muitos idiomas e esperam volume suficiente para subir nas faixas de preço da Inworld.
Quanto custa Inworld Realtime TTS-2 and TTS-2 Flash para uma equipe ou em produção?
100 milhões de caracteres por mês, cerca de 1.700 horas de fala, custam cerca de US$ 1.250 na tarifa de US$ 12,50 do Growth, ou US$ 700 no Flash, contra US$ 2.500 sob demanda.
Inworld Realtime TTS-2 and TTS-2 Flash é seguro para dados da empresa?
Sem pesos publicados. GDPR e SOC 2 Type II em todos os planos; retenção zero de dados a partir do Developer (US$ 300/mês); HIPAA como adicional do Growth; residência na UE e na Índia no Enterprise. A página de preços não diz se os dados são usados em treinamento.
Quais são as melhores alternativas ao Inworld Realtime TTS-2 and TTS-2 Flash?
As alternativas mais próximas que analisamos são Cartesia Sonic 3.6, Eleven v4 and v4 Turbo, AssemblyAI-TTS-1 e Gemini 3.8 Flash TTS.

Respostas verificadas em 21 de nov. de 2026.

Você faz o Inworld Realtime TTS-2 and TTS-2 Flash? Mostre esta nota no seu siteInworld Realtime TTS-2 and TTS-2 Flash com nota 4.2 de 5 no ReviewRamble