Question 1

Quais modelos de áudio posso usar no CSuite?

Accepted Answer

Para fala: ElevenLabs v4 e v4 Turbo, ElevenLabs v3, ElevenLabs Flash v2.5, Gemini 3.1 Flash TTS, Speech 2.8, Grok Text-to-Speech, Fish Audio S2.1 Pro, GPT Audio e GPT Audio Mini, GPT-4o Mini TTS e Supertonic TTS, que roda na sua própria máquina. Para música: Lyria 3 e Lyria 3 Pro, ElevenLabs Music, Music 2.6 e ACE-Step v1.5. Para efeitos sonoros: SFX 1.5 e ElevenLabs Sound Effects v2. Para transcrição: Whisper, GPT-4o Transcribe e GPT-4o Mini Transcribe, Whisper Large V3 e Large V3 Turbo, MAI-Transcribe 2, Scribe v2 e Whisper Base e Small, que rodam na sua própria máquina. Os modelos na nuvem rodam pelo Runware, OpenRouter e Replicate com suas próprias chaves de API: GPT Audio, GPT Audio Mini e MAI-Transcribe 2 são exclusivos do OpenRouter, Lyria 3, Lyria 3 Pro e Whisper Large V3 estão no OpenRouter e no Replicate, GPT-4o Mini TTS, Whisper e os dois modelos GPT-4o Transcribe rodam diretamente com a sua chave da OpenAI, o Gemini 3.1 Flash TTS com a sua chave do Google, ElevenLabs v4, v4 Turbo, v3, Flash v2.5, Music, Sound Effects v2 e Scribe v2 com a sua chave da ElevenLabs, o Grok Text-to-Speech com a sua chave da xAI e o Speech 2.8 com a sua chave da MiniMax, enquanto o Supertonic TTS e o Whisper Base, Small e Large V3 Turbo rodam no runtime do Hugging Face incluído, sem chave nenhuma. Fala, música, efeitos sonoros e transcrição têm cada um o próprio modelo padrão, e o Auto em qualquer um deles escolhe um modelo para você. Veja os detalhes de cada modelo e clipes de amostra reais em csuite.so/models.

Question 2

Como fala, música, efeitos sonoros e transcrição cabem em um só painel?

Accepted Answer

Um seletor de Tipo alterna a caixa de prompt entre fala, música, efeitos sonoros e Transcrição, e o seletor de modelos mostra só os modelos que suportam o tipo ativo. Cada tipo tem o próprio modelo padrão (o Auto ou um modelo que você escolheu), então passar de uma narração para uma trilha de fundo e voltar não desfaz a sua configuração.

Question 3

Como as vozes funcionam?

Accepted Answer

Cada modelo de texto para fala traz o próprio catálogo de vozes. Escolha uma voz nas configurações de geração e, nos modelos que os oferecem, ajuste controles por voz como velocidade, estabilidade e similaridade. Vários modelos também suportam vários idiomas. Há um botão de play ao lado do seletor para você ouvir uma voz antes de escrever o roteiro inteiro: a primeira reprodução de uma voz gera uma amostra curta por uma fração de centavo, e todas as reproduções seguintes ficam em cache e são gratuitas. No Supertonic TTS, as dez amostras de voz são geradas no próprio dispositivo, então até a primeira audição não custa nada.

Question 4

Posso clonar uma voz?

Accepted Answer

Sim, nos modelos que permitem: hoje, os modelos Fish Audio S2.1 Pro, S2 Pro e S1. Escolha uma amostra de áudio, digite o que é dito nela, e o modelo lê o seu roteiro com essa voz em vez de uma predefinida. A amostra é copiada para o seu projeto como qualquer outro arquivo de referência.

Question 5

O CSuite consegue transcrever áudio ou vídeo?

Accepted Answer

Sim. Escolha o tipo Transcrição, depois carregue ou solte um arquivo MP3, WAV, FLAC, OGG ou AAC, ou um vídeo MP4, WebM, MOV ou AVI, cuja trilha sonora é extraída para o seu projeto como MP3. Nada é enviado até você clicar em Transcrever. Você recebe um arquivo de texto ao lado da gravação, além de um arquivo de legendas SRT quando o modelo retorna marcações de tempo, o que o Whisper e o Scribe v2 fazem e o GPT-4o Transcribe e o MAI-Transcribe 2 não fazem. A transcrição aparece abaixo do player, onde clicar em uma fala com marcação de tempo leva a reprodução até ela, e abre no espaço de trabalho de Texto para edição. Gravações longas são divididas em partes e unidas de novo para você.

Question 6

O CSuite pode me ajudar a escrever um prompt melhor?

Accepted Answer

Para música e efeitos sonoros, sim: digite a ideia geral e clique na varinha, e seu modelo de texto a expande em um briefing mais completo, com gênero, instrumentação, andamento e clima para a música, e fonte, textura e acústica para um efeito. Ele começa pelo assunto real da faixa, então uma música sobre algo específico continua sendo sobre isso, e se adapta ao modelo que você escolheu: um que canta a partir do prompt recebe versos de verdade marcados com as tags de seção que ele entende, enquanto um com campo de letra próprio (Music 2.6 ou ACE-Step v1.5) recebe um briefing de estilo e mantém a sua letra intacta. O texto para fala não tem varinha de propósito, porque o texto que você digita é exatamente o que será falado, e reescrevê-lo mudaria as palavras. Os prompts recentes também ficam como chips acima da caixa de prompt, e cada clipe gerado guarda o modelo e as configurações que o criaram.

Question 7

Posso gerar áudio localmente, offline?

Accepted Answer

Fala, sim: o Supertonic TTS roda no runtime do Hugging Face incluído, com dez vozes em inglês com amostras para ouvir, sem chave de API e totalmente offline depois que o modelo é baixado; até as prévias de voz são gratuitas, porque são geradas no próprio dispositivo. Transcrição também: Whisper Base, Whisper Small e Whisper Large V3 Turbo rodam no mesmo runtime sem chave, mas você mesmo escolhe o idioma falado, já que o Whisper no dispositivo não consegue detectá-lo. Música e efeitos sonoros, por enquanto, são só na nuvem. A edição é totalmente local para tudo: cortes, fades, volume, velocidade e conversão rodam na sua máquina, e suas gravações nunca são enviadas a lugar nenhum.

Question 8

Quanto custa gerar áudio?

Accepted Answer

Texto para fala costuma ser cobrado a cada 1.000 caracteres, música ou efeitos sonoros por geração ou por segundo de saída, e transcrição pela duração do áudio enviado, sempre pela plataforma (Runware, OpenRouter ou Replicate) ou por um fornecedor como OpenAI, Google ou ElevenLabs nos modelos diretos dele, direto na sua conta, sem margem nem medição do CSuite. As análises do app mostram o gasto estimado por provedor com base nas tarifas publicadas de cada modelo. O valor exato fica no painel da própria plataforma, e o OpenRouter informa o custo real cobrado. O Supertonic TTS e o Whisper no dispositivo são gratuitos.

Question 9

Posso editar minhas próprias gravações, e não só áudio gerado?

Accepted Answer

Sim. Coloque arquivos MP3, WAV, FLAC, OGG ou AAC na pasta do seu projeto (ou arraste-os para a barra lateral) e eles abrem no mesmo player: apare uma gravação, aplique fade nas pontas, ajuste o volume, mude a velocidade ou converta, salvando no próprio arquivo ou como uma nova cópia ao lado do original.

Question 10

Em que formato as edições são salvas?

Accepted Answer

No formato do próprio arquivo. Uma edição é renderizada localmente e recodificada de volta no formato de origem pelo ffmpeg incluído, então aparar um MP3 resulta em um MP3, e não em um WAV dez vezes maior. Se você quiser mesmo outro formato, a ferramenta de conversão faz a troca de propósito (MP3, WAV, FLAC ou OGG), convertendo direto da origem, sem uma etapa intermediária com perdas.

Question 11

Onde meus arquivos de áudio ficam armazenados?

Accepted Answer

Na pasta do seu projeto, como arquivos comuns no seu próprio disco: clipes gerados, importações e cópias editadas. Sem biblioteca proprietária, sem sincronização na nuvem.

Voz, música e som: um só painel.

Três tipos de som, um só seletor.

Entra um roteiro, sai uma narração.

Descreva o clima, receba a música.

Efeitos sonoros sob demanda.

Entra uma gravação, sai uma transcrição.

Digite a ideia, receba o briefing completo.

Faça o acabamento sem sair do app.

Apare até a melhor parte

Fade in, fade out

Acerte o nível

Mude a velocidade

Converta o formato

Não só clipes, episódios inteiros.

O resto do estúdio.

Modelos e provedores disponíveis.

Dúvidas sobre áudio respondidas.

Pagamento único. Seu para sempre.