Como configurar a sua locutora de IA

Por onde começar

Toda a configuração fica em um único arquivo chamado config.json, na pasta do programa. Você abre esse arquivo com um editor de texto (o Bloco de Notas serve), troca os valores e salva. As mudanças passam a valer quando você reinicia o programa.

"webradio": {
  "enabled": true,
  "groq_api_key": "gsk_...sua_chave...",
  "elevenlabs_api_key": "sk_...sua_chave...",
  "dj_voice_id": "RVmX026jCrF5VqUvpCk0",
  "dj_name": "DJ Aurora",
  "station_name": "Rádio Monster FM 123.4",
  "language": "pt-BR"
}

🎙 A voz da locutora

A fala da locutora é gerada por um serviço de voz (TTS). Você pode escolher entre dois: o ElevenLabs (padrão) ou o Resemble.ai. A escolha é feita numa única chave, e todo o resto funciona igual nos dois — recados, vinhetas, cache de falas, controle de vídeo. Muda só de onde sai a voz.

"tts_provider": "elevenlabs"

Valores possíveis: "elevenlabs" ou "resemble".

Opção 1 — ElevenLabs (padrão)

Usa a chave e a voz do ElevenLabs. É o que está configurado por padrão.

"tts_provider": "elevenlabs",
"elevenlabs_api_key": "sk_...sua_chave...",
"dj_voice_id": "RVmX026jCrF5VqUvpCk0",
"elevenlabs_tts_model": "eleven_turbo_v2_5"

Opção 2 — Resemble.ai

Para usar a Resemble, mude o tts_provider para "resemble" e preencha os campos abaixo. Quando você usa a Resemble, os campos do ElevenLabs não são exigidos (a não ser que você use o ElevenLabs para criar música, na Seção 1).

"tts_provider": "resemble",
"resemble_api_key": "...seu_token...",
"resemble_voice_uuid": "...uuid_da_voz...",
"resemble_synthesize_url": "https://f.cluster.resemble.ai/synthesize",
"resemble_stream_url": "https://f.cluster.resemble.ai/stream",
"resemble_sample_rate": 48000

A voz que lê os recados de texto (audio.tts)

Quando o ouvinte manda um recado de texto (em vez de gravar um áudio), é o programa que lê a mensagem em voz alta, no formato "Fulano disse: …" (sorteando algumas variações). Essa voz é configurada à parte, no trecho "audio" → "tts", e é obrigatória: o programa não inicia sem ela, mesmo que você só receba recados em áudio. Ela é separada da voz da locutora — o ideal é usar uma voz diferente aqui (um "narrador" dos recados), mas pode ser a mesma conta/chave. Os provedores são os mesmos ("elevenlabs" padrão ou "resemble"), escolhidos por audio.tts.provider.

Com ElevenLabs (padrão):

"audio": {
  "tts": {
    "provider": "elevenlabs",
    "elevenlabs_api_key": "sk_...sua_chave...",
    "voice_id": "UMA_VOZ_PARA_OS_RECADOS",
    "elevenlabs_model": "eleven_turbo_v2_5"
  }
}

Com Resemble.ai:

"audio": {
  "tts": {
    "provider": "resemble",
    "resemble_api_key": "...seu_token...",
    "resemble_voice_uuid": "...uuid_da_voz..."
  }
}

🔑 Chaves e vozes: passo a passo

Aqui está, para cada serviço que o programa pode usar, como criar a conta, pegar a chave (ou token), escolher uma voz pronta e criar/clonar a sua própria voz. Tudo o que você pegar aqui vai parar no config.json — cada valor tem o seu campo, e no fim desta seção tem uma tabelinha de "qual valor vai em qual campo".

Groq — o cérebro (e a transcrição)

O Groq é o cérebro da locutora: é ele que escreve as falas e faz a moderação dos recados. Também é ele que transcreve o áudio quando você usa um arquivo de áudio como contexto (Seção 3). Não tem voz — é só o texto. Tem um nível gratuito para começar.

1. Crie uma conta em console.groq.com.
2. Abra a página de chaves em console.groq.com/keys (no menu, API Keys).
3. Clique em Create API Key, dê um nome qualquer (ex.: radio) e confirme.
4. Copie a chave na hora — depois de fechar a janela ela não aparece mais. A chave começa com gsk_.

Cole no campo groq_api_key:

"groq_api_key": "gsk_...sua_chave..."

ElevenLabs — a voz (padrão) e, opcionalmente, a música

O ElevenLabs é o serviço padrão de voz. A mesma chave serve para três coisas: a voz da locutora (dj_voice_id), a voz que lê os recados de texto (audio.tts) e, se você usar o modo de música por IA, a criação de música (Eleven Music).

1) Pegar a chave

1. Crie a conta em elevenlabs.io e faça login.
2. No menu lateral, abra API Keys (fica na área do seu perfil/workspace).
3. Clique em Create Key, dê um nome e confirme.
4. Copie na hora — o ElevenLabs mostra a chave uma única vez. Ela começa com sk_.

2) Escolher uma voz pronta (mais rápido)

1. No menu, abra Voices. Em My Voices ficam as vozes da sua conta; em Explore (Voice Library) há um acervo enorme da comunidade.
2. Achou uma voz que gostou? Clique nos três pontinhos (More actions) e em Copy voice ID.
3. Cole esse ID em dj_voice_id (a locutora) e/ou em audio.tts.voice_id (a voz dos recados de texto) — o ideal é usar vozes diferentes nos dois.

3) Criar/clonar a sua voz

Em Voices → Create or Clone a Voice (criar ou clonar uma voz), você tem duas opções:

1. Instant Voice Clone (clone instantâneo) — envie de 1 a 5 minutos de áudio limpo (sem ruído/música ao fundo). Fica pronta em segundos. É o caminho recomendado para a maioria. Exige um plano pago (a partir do Starter/Creator).
2. Professional Voice Clone (clone profissional) — precisa de 30 minutos a 3 horas de gravação e treina um modelo (leva algumas horas). Fica bem mais fiel, mas exige plano superior. Vale quando a voz é o seu "produto".

Depois de criar, é só pegar o voice ID dela (os mesmos três pontinhos → Copy voice ID) e colar no campo da voz.

"elevenlabs_api_key": "sk_...sua_chave...",
"dj_voice_id": "ID_DA_VOZ_QUE_VOCE_COPIOU",
"elevenlabs_tts_model": "eleven_turbo_v2_5"

4) Criar música por IA (opcional — só no Modo 1)

Se você usa o modo em que a rádio cria as músicas, o Eleven Music usa a mesma chave do ElevenLabs. O modelo padrão da API hoje é o music_v1 (já existe o v2 no site, e ele está vindo para a API).

"music_provider": "elevenlabs",
"elevenlabs_music_model": "music_v1"

Resemble.ai — alternativa de voz

É a outra opção de voz (no lugar do ElevenLabs), tanto para a locutora quanto para os recados de texto. Você só precisa dela se escolher "resemble" em tts_provider (ou em audio.tts.provider).

1) Pegar o token

1. Crie a conta em resemble.ai e faça login.
2. Clique no menu do canto superior direito e escolha API.
3. Copie o API Token que aparece ali. É a sua credencial (não é o seu e-mail).

2) Escolher ou criar a voz

No painel, abra Voices. Você pode usar uma voz pronta, criar por descrição (Voice Design — você descreve a voz em texto e ela gera opções) ou clonar:

1. Rapid Voice Clone (clone rápido) — a partir de uns 10 segundos de áudio; fica pronta em cerca de 1 minuto.
2. Professional Voice Clone (clone profissional) — precisa de 10 a 25 minutos de gravação e leva uns 40 minutos para treinar; resultado mais fiel.

3) Achar o UUID da voz

Em Voices, abra a voz desejada — o UUID aparece nos detalhes dela ou na URL ao abri-la (algo como .../voices/SEU_UUID). É o equivalente ao dj_voice_id do ElevenLabs.

"tts_provider": "resemble",
"resemble_api_key": "...seu_token...",
"resemble_voice_uuid": "...uuid_da_voz...",
"resemble_synthesize_url": "https://f.cluster.resemble.ai/synthesize"

O resemble_synthesize_url já vem com o endereço certo; só mude se a Resemble alterar o endereço dela.

Musicful — alternativa de música (opcional/avançado)

É a outra opção de criação de música (no lugar do Eleven Music), e só vale no Modo 1 (a rádio criando as músicas). Para a maioria, o Eleven Music (padrão) é o caminho mais simples — use o Musicful só se preferir o serviço deles.

1. Crie uma conta em musicful.ai.
2. No painel (dashboard), gere a sua API key.
3. Confira na documentação do Musicful o endereço completo da API de geração (o endpoint).

"music_provider": "musicful",
"musicful_api_key": "...sua_chave...",
"musicful_base_url": "https://...endereco_da_doc_do_musicful..."

Resumo: qual valor vai em qual campo

📨 A página dos ouvintes

Os recados não saem do programa — eles chegam de uma página pública que é o seu subdomínio (ex.: seunome.postaudio.live). É essa página que você divulga para a audiência. Ninguém precisa instalar nada nem fazer login: a pessoa entra, escreve (ou grava), paga o Pix e manda. O recado entra na fila, e o programa puxa essa fila e toca no ar.

O que o ouvinte faz

1. Abre a sua página e digita o nome.
2. Escolhe Escrever ou Gravar — um ou o outro, nunca os dois.
3. Escrevendo: digita a mensagem. Gravando: toca no microfone e grava a própria voz.
4. Informa o valor do Pix (com o mínimo já indicado) e clica em Enviar recado.
5. Aparece um "Recado enviado!" e ele já entra na fila.

O que acontece com cada tipo (ligando com a seção "A voz da locutora"): o texto é narrado pela voz do programa (a audio.tts), no formato "Fulano disse: …"; o áudio toca na voz do próprio ouvinte e é transcrito para você poder ler antes de colocar no ar.

É assim que ela aparece

Abaixo, um exemplo do que o ouvinte vê. O logo, o nome e o estilo seguem a sua marca; o campo de Pix some se você desligar o Pix.

O que dá para mudar (e onde)

A aparência e os limites dessa página são controlados por um arquivo de configuração que fica na plataforma (na pasta do seu subdomínio), chamado config/audio_config.json. Os principais ajustes:

Qual modo escolher

Existem duas decisões independentes. A primeira: de onde vêm as músicas — a IA cria sozinha, ou a rádio toca o seu acervo. A segunda: quem é a locutora — uma apresentadora de rádio comum, ou um personagem/assistente que você descreve (o "contexto"). Combinando as duas, você tem quatro jeitos:

1 Músicas criadas por IA

Aqui a locutora inventa as músicas — tanto sozinha (24h, para nunca ficar sem som) quanto a pedido dos ouvintes que mandam um Pix. Você dá os gêneros e os limites de criação por dia (para controlar o custo), e ela cuida do resto.

"ai_music": true,
"music_source": "",
"music_dir": "webradio/music",
"music_provider": "elevenlabs",
"genres": ["lo-fi","pop","sertanejo","eletronica","rock","mpb"],
"track_length_seconds": 90,
"vocals": "auto",

"autonomous": true,
"min_ready_tracks": 4,
"autonomous_daily_max": 30,
"renew_every_tracks": 20,

"about_every_minutes": 8,
"talk_every_tracks": 1,
"pix_every_minutes": 12,
"station_id_every_minutes": 20,

"submit_hint": "Acesse postaudio.live, escreva o estilo da música e finalize com um Pix",
"pix_suggested": "R$ 5",
"credit_template": "Essa música foi criada a pedido de {name}. Valeu, {name}!"

2 Seu acervo, sem contexto

Este é o modo de rádio comum tocando as suas próprias músicas. Você aponta para uma pasta no computador e a locutora toca essas faixas, anuncia, lê os recados — e nunca diz que as músicas são feitas por IA. Nada é criado por IA aqui.

"music_source": "C:\\Development\\postaudio.live\\musics\\live",
"ai_music": false,
"context": "",
"context_file": "",
"library_rotation": "shuffle",

"talk_every_tracks": 1,
"pix_every_minutes": 12,
"station_id_every_minutes": 20,
"about_every_minutes": 0,

"submit_hint": "Acesse postaudio.live e mande seu recado com um Pix",
"pix_suggested": "R$ 5"

3 Com contexto (assistente temático)

O "contexto" é onde você descreve quem a locutora é e o que ela pode falar. Em vez de uma apresentadora genérica, ela vira o personagem que você definir — por exemplo, "uma especialista em energia solar que só responde sobre esse assunto". As músicas continuam tocando (do seu acervo ou da IA); o que muda é a personalidade e o conhecimento dela e como ela responde aos recados.

Opção A — escrever o contexto direto no arquivo

"music_source": "C:\\Development\\postaudio.live\\musics\\live",
"ai_music": false,

"context": "Você é uma IA especialista em placas solares e energia fotovoltaica. Responda apenas perguntas sobre esse tema, de forma simples e clara. Se a pergunta fugir do assunto, responda: Posso falar somente sobre energia solar.",
"context_max_chars": 5000,

"talk_every_tracks": 1,
"pix_every_minutes": 12,
"station_id_every_minutes": 20

Opção B — usar um arquivo de contexto (texto ou áudio)

Para textos grandes, é mais cômodo deixar o conteúdo num arquivo à parte e só apontar o caminho. O arquivo pode ser texto (.txt, .md, .html) ou até um áudio — neste caso o programa transcreve o áudio sozinho na primeira vez.

"context_file": "C:\\Development\\postaudio.live\\context\\placasolar.md",
"context_max_chars": 8000

▦ O console manual: efeitos, tons e músicas

Além da locutora automática, o programa abre um painel no navegador (o "console") onde uma pessoa pode operar a rádio ao vivo: soltar efeitos sonoros, tocar tons rápidos e pôr músicas pra tocar na mão. Ele roda em paralelo à IA — quando você toca algo no console, a locutora cede a vez e volta sozinha depois.

É assim que ele aparece

Esta é a cara do console. Tudo o que aparece aqui é disparado com um clique (ou pelo teclado) e roda em paralelo à locutora — quando você toca algo, a IA cede a vez.

De cima para baixo:

Tons embutidos (vinhetas rápidas)

São 10 sons curtos já prontos no programa, sem precisar baixar nada. Servem como "carimbo" sonoro — tanto nos botões do console quanto como vinheta antes das falas da locutora. Os nomes são:

beepblippopdingbuzzboingrisercoinfanfaresadtrom

Você escolhe quais tons a locutora usa antes de cada tipo de fala — esta parte fica fora do console, no config.json:

"stinger": "ding",
"stinger_credit": "coin",
"stinger_track": "blip",
"stinger_gain": 0.6

Efeitos sonoros (soundboard)

São os botões de efeito do console — aquelas "zoeiras" e sons temáticos que o operador solta ao vivo. Você monta a lista no campo sounds, e cada item pode ser um link da internet ou um arquivo do seu computador:

"sounds": [
  "https://www.myinstants.com/media/sounds/vine-boom.mp3",
  "C:\\Development\\postaudio.live\\efeitos\\aplausos.mp3",
  { "url": "https://exemplo.com/tada.mp3", "gain": 0.6 },
  { "path": "C:\\Development\\postaudio.live\\myinstants\\viral", "name": "Virais", "gain": 0.8 }
]

• Link (URL): o programa baixa e converte na primeira vez (depois fica em cache).
• Arquivo do PC: aponte o caminho de um arquivo de áudio (mp3, wav, etc.).
• Com volume próprio: use a forma { "url": "...", "gain": 0.6 } — gain vai de 0 a 1 (deixe de fora para volume cheio).
• Pasta inteira = uma aba: aponte uma pasta com "path" e ela vira um grupo de botões (aba) no console, com todos os áudios de dentro. O "name" é o nome da aba.

Músicas do console

O operador também pode tocar músicas na mão, separadas das que a locutora coloca. Elas saem de uma pasta no seu computador, e a organização é simples: cada subpasta vira uma aba, e os arquivos dentro são as faixas.

"music": {
  "root": "C:\\Development\\postaudio.live\\musics\\live",
  "cache_dir": "C:\\Development\\postaudio.live\\musics\\cache",
  "volume": 1.0
}

4 Controle de vídeo

O programa pode controlar um vídeo em sincronia com a locutora — usando o player VLC ou um vídeo dentro do OBS. Tudo isto fica no bloco video_control. Você pode usar VLC, OBS, ou os dois ao mesmo tempo. Por padrão vem tudo desligado.

Três comportamentos que você liga ou desliga

• Pausar quando a locutora fala (pause_on_speech) — a locutora/recado começa a falar e o vídeo pausa; ao terminar, volta a tocar.
• Não tocar música com o vídeo (suppress_music) — enquanto o vídeo está rodando, a rádio não toca música (o som é o do vídeo). Quando o vídeo para ou acaba, a música volta sozinha.
• Repetir o vídeo (loop) — quando o vídeo termina, ele recomeça do início.

Usando o VLC

"video_control": {
  "vlc_enabled": true,
  "vlc_host": "127.0.0.1",
  "vlc_port": 8081,
  "vlc_password": "minhaSenha",
  "pause_on_speech": true,
  "suppress_music": true,
  "loop": true
}

vlc --extraintf http --http-host 127.0.0.1 --http-port 8081 --http-password minhaSenha

Usando o OBS

"video_control": {
  "obs_enabled": true,
  "obs_host": "127.0.0.1",
  "obs_port": 4455,
  "obs_password": "senhaDoWebSocket",
  "obs_input": "Video",
  "pause_on_speech": true,
  "suppress_music": true,
  "loop": true
}

• No OBS, ligue em Ferramentas → Configurações do Servidor WebSocket (porta padrão 4455) e use a senha de lá no obs_password.
• obs_input precisa ser o nome exato da sua Fonte de Mídia (o vídeo) no OBS.

5 Rádio de vídeo: tocar videoclipes

Aqui a rádio deixa de tocar só som e passa a tocar vídeos: o programa escolhe um videoclipe da sua pasta, manda tocar e, quando ele acaba, volta para um vídeo padrão que fica em repetição (um "stand-by"). Ao abrir o programa, esse vídeo padrão já entra no ar. O som vem do próprio vídeo — a voz da locutora continua entrando por cima, normalmente.

As três chaves novas

"media_kind": "video",
"video_source": "C:\\Development\\postaudio.live\\videos",
"default_video": "C:\\Development\\postaudio.live\\videos\\standby.mp4"

De onde vem o som

O áudio do videoclipe é o som do próprio vídeo (tocado pelo OBS/VLC) — o programa não toca uma música por baixo. A voz da locutora continua saindo pelo programa e se mistura ao vídeo. Quando ela fala, o vídeo abaixa o volume (no OBS) ou pausa (no VLC) e volta sozinho ao terminar.

O vídeo padrão vale em qualquer modo

O default_video funciona em qualquer media_kind — inclusive no "audio". Ou seja: dá para ter uma rádio só de áudio com um vídeo fixo de fundo (um visual, um logo animado) enquanto as músicas tocam por cima. Basta definir o default_video e ter um player ligado; o media_kind continua "audio" e só áudios alternam sobre o vídeo parado.

Misturando áudio e vídeo ("both")

Com media_kind: "both", a rotação alterna sozinha: quando cai uma música, ela toca e o vídeo padrão fica na tela; quando cai um videoclipe, ele aparece com o próprio som; ao acabar, volta para o padrão. O ouvinte também pode pedir um clipe pelo nome, igual aos pedidos de música. Para equilibrar quanto toca de cada, use o library_rotation (Seção 2): weighted pesa pelo tamanho das pastas; flat toca tudo antes de repetir.

Deixando a janela do vídeo do jeito certo

Por padrão, o VLC redimensiona a janela a cada vídeo (cada clipe tem um tamanho). Para manter estável, abra o VLC em tela cheia (ou trave o tamanho da janela) e esconda o nome do arquivo:

vlc --extraintf http --http-host 127.0.0.1 --http-port 8081 --http-password minhaSenha --fullscreen --no-video-title-show --no-osd

• Prefere janela em vez de tela cheia? Troque --fullscreen por --no-qt-video-autoresize e maximize a janela uma vez — o vídeo passa a escalar para dentro dela.
• No OBS isso não acontece (não há "janela"): a Fonte de Mídia renderiza dentro da cena. Para vídeos de tamanhos diferentes ficarem sempre iguais, clique na fonte com o botão direito → Transformar → Editar transformação → Caixa delimitadora: "Escalar para limites internos".

$ Reduzir custos sem perder funcionalidades

O programa usa serviços pagos por uso. Saber onde está o gasto ajuda a economizar sem desligar recursos. Abaixo, os custos em ordem — do maior para o menor — e os ajustes que cortam despesa mantendo tudo funcionando.

Onde está o gasto

Economizando na voz (o caso mais comum)

Existem dois tipos de fala, e eles custam de formas diferentes:

• Falas genéricas (vinheta, Pix, "sobre a rádio", comentários de faixa) já são gravadas uma vez e reaproveitadas do disco (o "cache de falas"). O gasto escondido aqui é a renovação: por padrão a IA gera uma fala nova de tempos em tempos, o tempo todo.
• Falas personalizadas (a apresentação e a reação a cada recado) nunca são gravadas — são feitas na hora, toda vez. É o gasto que cresce com o uso, e é a parte mais valiosa.

Os ajustes que economizam sem tirar nenhum recurso:

Configuração de "economia máxima" (modo acervo próprio)

"talk_cache": true,
"talk_cache_renew_every": 0,
"talk_cache_size": 5,
"elevenlabs_tts_model": "eleven_flash_v2_5",
"max_dj_talk_seconds": 14,
"bright_model": ""

Como aplicar mudanças

• Abra o config.json com um editor de texto (Bloco de Notas ou VS Code).
• Altere os valores que quiser e salve o arquivo.
• Reinicie o programa — as mudanças só valem depois disso.
• Os nomes das configurações diferenciam maiúsculas de minúsculas e precisam ser escritos exatamente como nos exemplos.

Erros comuns

• Vírgula sobrando ou faltando. No JSON, cada item é separado por vírgula — mas o último item de um bloco não leva vírgula antes do }. Esse é o erro nº 1: se houver, o programa nem inicia.
• Aspas "curvas". Ao copiar de e-mail/Word, as aspas podem virar “curvas” e quebram o arquivo. Use sempre aspas retas (").
• Nome de configuração errado. Ex.: o certo é station_id_every_minutes (e não "station_every_mins"). Nome errado é simplesmente ignorado.
• A locutora parou de responder recados. Geralmente são os créditos do serviço de voz (da locutora e/ou da narração dos recados — ElevenLabs ou Resemble) que acabaram. As falas curtas já gravadas continuam, mas as respostas personalizadas param. Os recados de texto não se perdem: ficam aguardando e são narrados assim que os créditos voltam. Recarregue os créditos.
• O programa não inicia e reclama de audio.tts. A voz que lê os recados de texto é obrigatória: preencha o trecho "audio" → "tts" com o provedor e a voz (ElevenLabs: chave + voice_id; Resemble: token + resemble_voice_uuid). Veja "A voz da locutora".
• O som some quando chega uma notificação (WhatsApp/Discord/Teams). É o Windows abaixando o áudio dos outros programas quando um app de mensagens fica ativo (o “ducking de Comunicações”) — não é defeito do programa. Vá em Som → aba Comunicações → “Não fazer nada” (rode mmsys.cpl) e feche o app de mensagens pela bandeja (clique com o botão direito no ícone → Sair; só fechar a janela não basta — ele continua ativo no fundo). Alternativa à prova de tudo: mande a saída do programa para um cabo de áudio virtual e capture esse cabo no OBS — por ser um dispositivo separado, o Windows não o abaixa.