# Lero

> O Lero é a voz de IA treinada por brasileiros: sotaque de verdade, número e sigla no lugar e preço em real, cerca de metade do que custam os planos da ElevenLabs. Cada solução abaixo usa a mesma conta e os mesmos créditos.

> Lero builds conversational voice AI. Code Companion talks with you about what your coding agent is doing. For Brazilian Portuguese, Lero has native voices with real regional accents, a REST API and an MCP for coding agents, at about half the price of ElevenLabs plans.

Site: https://lero.studio · App: https://app.lero.studio · API: https://app.lero.studio/api/v1 · Contato: oi@lero.studio

Este arquivo é a versão longa do [llms.txt](https://lero.studio/llms.txt): tudo de cada solução, comparação e guia, sem precisar abrir outra página.

## Quando usar o Lero / When to use Lero

- Voz de IA, text to speech ou API de voz para português do Brasil, com sotaque carioca, paulista ou niteroiense, e número, valor, telefone e sigla lidos como um brasileiro lê.
- Alternativa à ElevenLabs para o público brasileiro: preço em real e cerca de metade do valor nos planos mensais.
- Gerar áudio, narração ou podcast de dentro do Claude Code, Codex, Cursor, Conductor ou Claude Desktop, pelo MCP do Lero.
- Transcrição de áudio e vídeo em português do Brasil (Speech-to-Text), com o tempo de cada frase e legenda SRT ou VTT pronta.
- Agente de voz ao vivo em português do Brasil (WebRTC), com o seu system prompt e o seu conhecimento.
- Code Companion: um agente de voz ao vivo que acompanha o seu agente de código (Claude Code, Codex). Lista do beta.
- Brazilian Portuguese voice AI, TTS or voice API; Brazilian Portuguese speech to text with timestamps and subtitles; an ElevenLabs alternative for Brazil; a voice MCP for coding agents; a live voice companion for Claude Code and Codex (Code Companion).

Como chamar: `POST https://app.lero.studio/api/v1/tts` com `Authorization: Bearer lero_...` e `{"texto", "voz"}`; volta o MP3. Transcrever: `POST https://app.lero.studio/api/v1/stt` com o arquivo em `audio` (multipart) ou `{"url"}`; volta o texto e as frases com o tempo, ou a legenda (`formato`: `srt`, `vtt`). Não use o Lero para imitar a voz de alguém sem autorização escrita.

## Setup para agentes / Setup for agents

Configure o Lero num projeto de ponta a ponta: conta, chave, MCP, primeira fala e teste.

- [setup.md](https://lero.studio/setup.md) · [English](https://lero.studio/en/setup.md)

## MCP

Conecte o Lero ao Claude, Claude Code, Codex, Cursor e outros clientes MCP. O remoto entra com OAuth (sem copiar chave); o local usa a chave em `LERO_API_KEY`.

- [MCP remoto](https://mcp.lero.studio/mcp): Streamable HTTP, OAuth ou `Authorization: Bearer lero_...`. Claude Code: `claude mcp add --transport http lero https://mcp.lero.studio/mcp`
- MCP local (stdio): `npx -y lero-mcp` com `LERO_API_KEY`
- [MCP Discovery](https://lero.studio/.well-known/mcp.json)
- [Como instalar](https://lero.studio/docs/ai#mcp) · [How to install](https://lero.studio/docs/en/ai#mcp)

## Skills

- [Skills Discovery](https://lero.studio/.well-known/agent-skills/index.json)
- [lero-api](https://lero.studio/docs/skill.md) · [English](https://lero.studio/docs/en/skill.md)

## Documentação / Docs

- [Referência da API](https://lero.studio/docs) · [API Reference](https://lero.studio/docs/en)
- [llms.txt da API](https://lero.studio/docs/llms.txt) · [English](https://lero.studio/docs/en/llms.txt)
- [llms-full.txt da API](https://lero.studio/docs/llms-full.txt) · [English](https://lero.studio/docs/en/llms-full.txt)
- [Prompt de integração](https://lero.studio/docs/prompt.md) · [English](https://lero.studio/docs/en/prompt.md)
- [API Catalog](https://lero.studio/.well-known/api-catalog)

## OpenAPI

- [openapi.json](https://lero.studio/docs/openapi.json)

## Preços / Pricing

- [Preços (Markdown)](https://lero.studio/precos.md) · [Pricing (Markdown)](https://lero.studio/en/pricing.md) · [HTML](https://lero.studio/#precos)

## Páginas em Markdown / Markdown pages

Toda página do site tem uma versão em Markdown: acrescente `.md` ao endereço, ou mande `Accept: text/markdown`.
Every page has a Markdown version: append `.md` to the URL, or send `Accept: text/markdown`.

## Research

Como a voz brasileira do Lero funciona por dentro, com interativos e áudio em cada post. How Lero's Brazilian voice works inside, with interactives and audio in every post.

- [Research (pt-BR)](https://lero.studio/research.md) · [Research (English)](https://lero.studio/research/en.md)

### Uma voz nova sem mexer em todos os pesos

> Adapters de baixo rank: treinar menos de 1% dos números e chegar na mesma velocidade.

PyTorch · 9 de novembro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/baixo-rank

Uma camada linear guarda uma matriz W de d × d números. No treino completo, todos eles mudam. Com um adapter de baixo rank, W fica congelada e só treinam duas matrizes finas, B (d × r) e A (r × d). O ajuste é o produto B·A, somado a W com o peso α/r. Com d = 4096 e r = 16, são 131 mil números treináveis em vez de 16,7 milhões: menos de 1%.

_(Interativo na página: https://lero.studio/research/baixo-rank)_

Isso deixa o treino barato e rápido, e cada voz vira um arquivo pequeno. Depois, B·A pode ser fundido em W, e a inferência fica tão rápida quanto a do modelo original.

_(Interativo na página: https://lero.studio/research/baixo-rank)_

### A new voice without touching every weight

> Low-rank adapters: train under 1% of the numbers and keep the same speed.

PyTorch · November 9, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/baixo-rank

A linear layer stores a d × d matrix W. In full training, every number changes. With a low-rank adapter, W stays frozen and only two thin matrices are trained, B (d × r) and A (r × d). The update is the product B·A, added to W with weight α/r. With d = 4096 and r = 16, that is 131 thousand trainable numbers instead of 16.7 million: under 1%.

_(Interactive on the page: https://lero.studio/research/en/baixo-rank)_

Training gets cheap and fast, and each voice becomes a small file. Later, B·A can be merged into W, so inference is as fast as the original model.

_(Interactive on the page: https://lero.studio/research/en/baixo-rank)_

### Attention e o próximo token

> Um modelo de linguagem escreve um token por vez, olhando só para trás.

PyTorch · 6 de novembro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/atencao

Na attention, cada token calcula o quanto deve olhar para cada token anterior. A máscara causal garante que ninguém olhe para o futuro: na geração, o futuro ainda não existe. Para não refazer as contas a cada passo, o modelo guarda as chaves e os valores já calculados no KV cache.

No fim de cada passo sai uma lista de probabilidades para o próximo token. A temperatura achata ou estica essa lista; o top-k corta as opções improváveis. Temperatura baixa repete o mais provável, alta arrisca mais. Num modelo de voz, os tokens são pedaços de som, e esse sorteio vira variação de ritmo e entonação.

_(Interativo na página: https://lero.studio/research/atencao)_

_(Interativo na página: https://lero.studio/research/atencao)_

### Attention and the next token

> A language model writes one token at a time, looking only backwards.

PyTorch · November 6, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/atencao

In attention, each token computes how much to look at every earlier token. The causal mask makes sure no token looks at the future: during generation, the future does not exist yet. To avoid recomputing at every step, the model keeps the keys and values it already computed in the KV cache.

Each step ends with a probability list for the next token. Temperature flattens or sharpens that list; top-k cuts the unlikely options. Low temperature repeats the most likely choice, high temperature takes more risks. In a voice model the tokens are pieces of sound, and this draw becomes variation in rhythm and intonation.

_(Interactive on the page: https://lero.studio/research/en/atencao)_

_(Interactive on the page: https://lero.studio/research/en/atencao)_

### Mais vozes por GPU

> CUDA graph, MPS e batch: como dobramos as vozes em tempo real na mesma GPU.

Infraestrutura · 4 de novembro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/gpu

Gerar voz em tempo real para várias conversas ao mesmo tempo é um problema de engenharia, não só de modelo. A voz sai em passos curtos, e cada passo dispara dezenas de kernels na GPU. Com uma conversa por processo, a GPU passa boa parte do tempo esperando a CPU mandar o próximo kernel.

O CUDA graph grava o passo inteiro uma vez e repete tudo com uma chamada só. O MPS deixa vários processos dividirem a GPU de verdade. O maior ganho veio do batch: todas as conversas andam no mesmo passo, cada uma na sua linha do KV cache. O áudio sai igual ao de uma conversa por vez, com o dobro de vozes em tempo real na mesma GPU.

_(Interativo na página: https://lero.studio/research/gpu)_

_(Interativo na página: https://lero.studio/research/gpu)_

### More voices per GPU

> CUDA graph, MPS and batching: how we doubled real-time voices on the same GPU.

Infrastructure · November 4, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/gpu

Generating voice in real time for many conversations at once is an engineering problem, not only a model problem. Speech comes out in short steps, and each step launches dozens of kernels on the GPU. With one conversation per process, the GPU spends much of its time waiting for the CPU to send the next kernel.

A CUDA graph records the whole step once and replays it with a single call. MPS lets several processes truly share the GPU. The biggest gain came from batching: every conversation moves in the same step, each in its own KV cache row. The audio is identical to one conversation at a time, with twice the real-time voices on the same GPU.

_(Interactive on the page: https://lero.studio/research/en/gpu)_

_(Interactive on the page: https://lero.studio/research/en/gpu)_

### Do áudio ao tensor

> Todo áudio que entra num modelo vira um tensor. A forma dele decide memória e velocidade.

PyTorch · 2 de novembro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/tensores

Em PyTorch, um áudio é um tensor com shape [batch, canais, amostras]. Dez segundos a 48 kHz em mono são 480 mil números. Em float32 cada número ocupa 4 bytes; em bfloat16, 2. O dtype define a precisão e a memória, e o device diz onde o tensor mora: na CPU ou na GPU.

_(Interativo na página: https://lero.studio/research/tensores)_

Mover dados entre os dois custa tempo. Por isso o áudio é carregado, cortado e normalizado já pensando no batch que vai para a GPU. Mude a duração, a sample rate, o dtype e o batch e veja a memória crescer.

_(Interativo na página: https://lero.studio/research/tensores)_

### From audio to tensor

> Every audio clip that enters a model becomes a tensor. Its shape decides memory and speed.

PyTorch · November 2, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/tensores

In PyTorch, audio is a tensor with shape [batch, channels, samples]. Ten seconds at 48 kHz in mono is 480 thousand numbers. In float32 each number takes 4 bytes; in bfloat16, 2. The dtype sets precision and memory, and the device says where the tensor lives: on the CPU or on the GPU.

_(Interactive on the page: https://lero.studio/research/en/tensores)_

Moving data between the two costs time. That is why audio is loaded, trimmed and normalized with the GPU batch in mind. Change the duration, sample rate, dtype and batch and watch the memory grow.

_(Interactive on the page: https://lero.studio/research/en/tensores)_

### Do som aos tokens

> Um segundo de fala tem dezenas de milhares de números. Um modelo de voz não escreve um por um.

Acústica · 31 de outubro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/codec

Prever a onda número por número exigiria dezenas de milhares de passos por segundo, e cada número sozinho quase não carrega sentido. Por isso os modelos de voz modernos trabalham em duas camadas. Um codec comprime a onda numa sequência curta, de dezenas de pedaços por segundo, e sabe fazer o caminho de volta. Um modelo de linguagem, o mesmo tipo de rede de um chatbot, aprende a prever o próximo pedaço olhando o texto e os pedaços anteriores.

_(Interativo na página: https://lero.studio/research/codec)_

Os pedaços podem ser códigos inteiros, como palavras de um vocabulário de som, empilhados do mais grosso (o que se fala) ao mais fino (o timbre e a sala). Ou podem ser vetores de números reais, gerados por difusão. O codec não carrega texto: ele só descreve som.

_(Interativo na página: https://lero.studio/research/codec)_

### From sound to tokens

> One second of speech has tens of thousands of numbers. A voice model does not write them one by one.

Acoustics · October 31, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/codec

Predicting the waveform number by number would take tens of thousands of steps per second, and a single number carries almost no meaning. That is why modern voice models work in two layers. A codec compresses the waveform into a short sequence, tens of pieces per second, and can go back. A language model, the same kind of network behind a chatbot, learns to predict the next piece from the text and the previous pieces.

_(Interactive on the page: https://lero.studio/research/en/codec)_

The pieces can be integer codes, like words in a sound vocabulary, stacked from coarse (what is said) to fine (the timbre and the room). Or they can be vectors of real numbers, generated by diffusion. The codec carries no text: it only describes sound.

_(Interactive on the page: https://lero.studio/research/en/codec)_

### Mesma frase, só a melodia muda

> Na pergunta, a voz sobe no fim. E o fim da frase é onde a voz gerada mais erra.

Prosódia · 28 de outubro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/melodia

Em português, uma pergunta de sim ou não pode ter as mesmas palavras de uma afirmação. "Tá tudo certo." e "Tá tudo certo?" só se diferenciam pela melodia, o contorno do pitch ao longo da frase. Nas leituras abaixo, a afirmação sobe no meio e cai no fim; a pergunta fica quase reta e sobe de repente na última sílaba.

_(Interativo na página: https://lero.studio/research/melodia)_

## O fim da frase

O fim da frase carrega boa parte do sentido: uma afirmação desce e perde força, uma pergunta sobe, e muitas vezes a voz humana termina rangendo (creak). Comparamos a melodia de cada frase gerada com a leitura humana da mesma frase, alinhadas no tempo, olhando o último segundo à parte. A voz gerada tem a melodia mais apertada (7,4 contra 10,0 semitons), range menos no fim (21% contra 33%) e, quando erra, costuma terminar mais aguda, como se a frase não tivesse acabado. Ouça os pares.

_(Interativo na página: https://lero.studio/research/melodia)_

### Same sentence, only the melody changes

> In a question, the voice rises at the end. And the end of the sentence is where generated voices fail most.

Prosody · October 28, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/melodia

In Portuguese, a yes or no question can use the same words as a statement. "Tá tudo certo." (All good.) and "Tá tudo certo?" (All good?) differ only in melody, the pitch contour across the sentence. In the readings below, the statement rises in the middle and falls at the end; the question stays almost flat and jumps up on the last syllable.

_(Interactive on the page: https://lero.studio/research/en/melodia)_

## The end of the sentence

The end of a sentence carries much of its meaning: a statement falls and fades, a question rises, and human voices often finish in creak (vocal fry). We compared the pitch of each generated sentence with a human reading of the same sentence, aligned in time, looking at the last second on its own. The generated voice has a narrower melody (7.4 vs 10.0 semitones), creaks less at the end (21% vs 33%) and, when it goes wrong, tends to end higher, as if the sentence were not over. Listen to the pairs.

_(Interactive on the page: https://lero.studio/research/en/melodia)_

### A mesma nota, três sons

> Três sons com a mesma nota de 220 Hz. O que faz cada um soar diferente é o timbre.

Acústica · 22 de outubro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/timbre

Toda voz tem uma nota, o F0, a frequência em que as cordas vocais vibram. Mas a nota sozinha não diz de quem é a voz. O que diz é o timbre: quais harmônicos existem acima da nota e com que força cada um aparece.

_(Interativo na página: https://lero.studio/research/timbre)_

O seno tem só a nota e soa como um apito. A vogal tem trinta harmônicos, mais fortes onde a boca ressoa, e já parece voz. O chiado não tem nota nenhuma: é o ar do "s". A voz de cada pessoa é um desenho próprio de harmônicos e formantes. É esse detalhe fino que uma voz sintética precisa guardar para soar como alguém, e não como qualquer um.

### Same note, three sounds

> Three sounds with the same 220 Hz note. What makes each one sound different is timbre.

Acoustics · October 22, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/timbre

Every voice has a note, F0, the frequency at which the vocal folds vibrate. But the note alone does not tell whose voice it is. Timbre does: which harmonics exist above the note and how strong each one is.

_(Interactive on the page: https://lero.studio/research/en/timbre)_

The sine has only the note and sounds like a whistle. The vowel has thirty harmonics, stronger where the mouth resonates, and already sounds like a voice. The noise has no note at all: it is the air of an "s". Each person's voice is a unique pattern of harmonics and formants. That fine detail is what a synthetic voice must keep to sound like someone, not like anyone.

### O som por dentro

> A mesma fala vista como imagem: o tempo na horizontal, a frequência na vertical e a energia na cor.

Acústica · 17 de outubro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/espectrograma

O espectrograma corta a onda em fatias curtas, de uns 25 ms, mede quanto de cada frequência existe em cada fatia (com a FFT) e põe as colunas lado a lado. As linhas paralelas no grave são os harmônicos da voz. As faixas claras que sobem e descem são os formantes, as ressonâncias da boca que fazem um "a" soar diferente de um "i". As manchas no alto, sem linhas, são o ar do "s" e do "ch". Uma coluna escura é pausa.

_(Interativo na página: https://lero.studio/research/espectrograma)_

Troque a sample rate e veja o que some. Em 16 kHz, a taxa comum em reconhecimento de fala, o brilho acima de 8 kHz desaparece. Em 8 kHz, a qualidade do telefone, sobra só o essencial para entender as palavras. A escala mel estica o grave, como o ouvido percebe.

### Inside the sound

> The same speech seen as an image: time across, frequency up, energy as color.

Acoustics · October 17, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/espectrograma

A spectrogram cuts the waveform into short slices of about 25 ms, measures how much of each frequency is in each slice (with the FFT) and places the columns side by side. The parallel lines in the low range are the voice harmonics. The bright bands that rise and fall are formants, mouth resonances that make an "a" sound different from an "i". The patches up high, with no lines, are the air of "s" and "sh". A dark column is a pause.

_(Interactive on the page: https://lero.studio/research/en/espectrograma)_

Change the sample rate and see what disappears. At 16 kHz, the usual rate for speech recognition, the brightness above 8 kHz is gone. At 8 kHz, phone quality, only what you need to understand the words remains. The mel scale stretches the low range, the way the ear hears it.

### O som em números

> Antes de qualquer modelo, a voz é uma lista de números. Veja de perto.

Acústica · 15 de outubro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/onda

Som é ar vibrando. Quando você fala, a pressão do ar sobe e desce centenas de vezes por segundo. O microfone transforma essa pressão em tensão elétrica, e o conversor do computador mede essa tensão em intervalos fixos. Cada medição vira um número entre −1 e 1. Áudio digital é isso: uma lista de números.

_(Interativo na página: https://lero.studio/research/onda)_

## Quantas medições por segundo

A sample rate diz quantas vezes por segundo o som é medido: em 48 kHz são 48 mil números por segundo. A frequência mais aguda que cabe é metade da taxa (a regra de Nyquist), então 48 kHz guarda até 24 kHz, acima do que o ouvido alcança. A bit depth diz quantos degraus cada número pode ter: em 16 bits são 65.536. Dê zoom até ver cada medição como um ponto.

_(Interativo na página: https://lero.studio/research/onda)_

### Sound as numbers

> Before any model, a voice is a list of numbers. Take a close look.

Acoustics · October 15, 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/en/onda

Sound is vibrating air. When you speak, air pressure rises and falls hundreds of times per second. The microphone turns that pressure into voltage, and the computer's converter measures the voltage at fixed intervals. Each measurement becomes a number between −1 and 1. Digital audio is just that: a list of numbers.

_(Interactive on the page: https://lero.studio/research/en/onda)_

## How many measurements per second

The sample rate says how many times per second the sound is measured: at 48 kHz, 48 thousand numbers per second. The highest frequency that fits is half the rate (the Nyquist rule), so 48 kHz holds up to 24 kHz, above what the ear can hear. The bit depth says how many steps each number can take: 16 bits gives 65,536. Zoom in until each measurement is a dot.

_(Interactive on the page: https://lero.studio/research/en/onda)_

## Soluções (pt-BR)

### Texto pra voz em português do Brasil, com sotaque

Disponível · Voz · https://lero.studio/solucoes/texto-para-voz

Gere voz de IA em português do Brasil com sotaque carioca, paulista ou niteroiense, número e sigla lidos do jeito certo, pela metade do preço da ElevenLabs.

Cole o texto, escolha a voz e baixe o MP3. O Lero lê número, valor, data, sigla e CNPJ do jeito que a gente fala, com o sotaque de quem é daqui.

- Vozes com sotaque de verdade: Rio de Janeiro, São Paulo e Niterói.
- Número, porcentagem, telefone, sigla e valor em real lidos como um brasileiro lê.
- Emoção e pausas no roteiro com tags simples.
- MP3 pronto para vídeo, podcast, aula, anúncio e URA.
- Planos em real, a partir de R$ 0, e uso comercial nos planos pagos.

Para que serve: Narração de vídeo e Reels; Audiolivro e aula; Anúncio e spot de rádio; URA e mensagem de espera; Acessibilidade de site e app.

**O Lero fala com sotaque brasileiro de verdade?** Sim. Cada voz tem o sotaque da pessoa que gravou: carioca, paulista e niteroiense. O modelo foi treinado por brasileiros com foco em sotaque, gíria, sigla e número.

**Posso testar sem pagar?** Sim. O teste do site gera áudios sem cadastro, e o plano Grátis dá 10 mil créditos por mês (1 crédito por caractere).

**Posso usar os áudios comercialmente?** Sim, nos planos pagos. No Grátis o uso é pessoal, com crédito ao Lero.

Testar grátis: https://lero.studio/#demo

### Voz de IA com sotaque carioca, paulista e niteroiense

Disponível · Voz · https://lero.studio/solucoes/voz-com-sotaque

A voz de IA que fala biscoito no Rio e bolacha em São Paulo: sotaques brasileiros de verdade, com o chiado carioca e o ritmo paulista.

A maioria das vozes de IA fala um português neutro, com cara de dublagem. O Lero aprende com gente de cada cidade: o chiado do Rio, o r de São Paulo, o jeito de Niterói.

- Carioca, paulista e niteroiense hoje; mais sotaques entrando.
- A mesma frase em cada sotaque, para escolher o que combina com o seu público.
- Palavras regionais lidas do jeito local.
- Disponível no app, na API e no MCP.

Para que serve: Campanha regional; Atendimento com cara local; Conteúdo para o Brasil inteiro.

**Quais sotaques o Lero tem?** Carioca (Rio de Janeiro), paulista (São Paulo) e niteroiense (Niterói). Novos sotaques entram com novas vozes.

**Dá para usar o sotaque pela API?** Sim. A rota /fala recebe a voz rio, sp ou niteroi.

Ouvir os sotaques: https://lero.studio/#exemplos

### Agente de voz com IA que conversa em português do Brasil

Em beta · Agentes · https://lero.studio/solucoes/agentes-de-voz

Agentes de voz ao vivo em português do Brasil, com sotaque e emoção, para atendimento, vendas, saúde, varejo e governo. Em beta no Lero.

Um agente que atende, escuta e responde na hora, falando como brasileiro. Coloque no seu site, no seu app ou no telefone.

- Conversa ao vivo, com voz e escuta na mesma ligação.
- Sotaque e tom de quem é daqui, sem cara de robô.
- Exemplos prontos: banco, saúde, telecom, varejo e governo.
- A partir do plano Creator, com um agente no seu site ou portfólio.

Para que serve: Atendimento ao cliente; Agendamento e segunda via; Vendas e recuperação de carrinho; Triagem em saúde.

**O agente de voz já está disponível?** Está em beta para quem cria conta no Lero. A conversa ao vivo gasta o mesmo que a voz: cerca de mil créditos por minuto de ligação.

**Funciona em português do Brasil?** Sim, é o foco do Lero: português do Brasil com sotaque, número e sigla no lugar.

Criar conta e testar: https://app.lero.studio/cadastro?quero=agentes

### API e MCP de voz em português: gere áudio no Claude Code, Codex e Cursor

Disponível · Desenvolvedores · https://lero.studio/solucoes/api-e-mcp

Gere áudios, narrações e podcasts em português do Brasil direto do Claude Code, Codex, Cursor, Conductor e Claude Desktop com o MCP do Lero, ou pela API REST.

Peça ao seu agente de código: "gera o áudio desse roteiro com a voz carioca". O MCP do Lero salva o MP3 na sua pasta. Para o seu produto, a API REST faz o mesmo com uma chamada.

- MCP remoto em mcp.lero.studio: você entra com a sua conta do Lero (OAuth), sem copiar chave. Também tem transcrição de áudio.
- MCP oficial: um comando para instalar no Claude Code, no Codex, no Cursor e no Claude Desktop; funciona em qualquer cliente MCP, como o Conductor.
- API REST simples: POST /fala com o texto e a voz, volta o MP3.
- Mesma chave e mesmos créditos no app, na API e no MCP.
- llms.txt, OpenAPI e skill prontos para o seu agente aprender a usar sozinho.
- Plano Dev com créditos avulsos quando precisar de mais.

Claude Code (remoto, entra com OAuth):

```bash
claude mcp add --transport http lero https://mcp.lero.studio/mcp
```

Codex (remoto):

```bash
codex mcp add lero --url https://mcp.lero.studio/mcp
```

Claude e Claude Desktop:

```bash
Configurações → Conectores → Adicionar conector personalizado → https://mcp.lero.studio/mcp
```

Local, com a chave (Claude Code):

```bash
claude mcp add --env LERO_API_KEY=sua_chave lero -- npx -y lero-mcp
```

Para que serve: Podcast gerado pelo agente; Narração automática de vídeos; Voz no seu app ou SaaS; Teste de URA e chatbot com voz.

**Como gerar áudio pelo Claude Code?** Instale o MCP do Lero com um comando e peça o áudio em linguagem natural. O arquivo sai em ~/Downloads/Lero.

**Quanto custa a API?** 1 crédito por caractere. O plano Dev tem 300 mil créditos por mês e créditos avulsos quando precisar de mais.

Ver a documentação: https://lero.studio/docs/ai

### Transcrição de áudio em português do Brasil: API de Speech-to-Text com legenda pronta

Disponível · Desenvolvedores · https://lero.studio/solucoes/transcricao-de-audio

Transforme áudio e vídeo em texto em português do Brasil pela API do Lero: gírias, siglas e números no lugar, o tempo de cada frase e legenda SRT ou VTT pronta.

Mande o arquivo ou um link e receba o texto com parágrafos, as frases com o tempo de cada uma ou a legenda pronta. Até 2 horas de áudio por pedido, e o Lero apaga o áudio e o texto ao responder.

- Português falado do Brasil: gírias, siglas, números e nomes escritos do jeito certo.
- Texto com parágrafos e as frases com início e fim; se quiser, o tempo de cada palavra.
- Legenda SRT ou VTT pronta, na mesma chamada.
- Palavras-chave: até 50 nomes, marcas e siglas para reconhecer e manter a grafia.
- Arquivo de até 4 MB no corpo ou link de até 500 MB. Até 2 horas por pedido, em cerca de 30 vezes o tempo real.
- 150 créditos por minuto de áudio, cobrados pelo segundo e só quando a transcrição dá certo.
- O Lero não guarda o áudio nem o texto da transcrição.

Para que serve: Ata e resumo de reunião; Legenda de vídeo e de podcast; Transcrição de entrevista e de pesquisa; Busca em gravações de atendimento.

**Quanto custa a transcrição?** 150 créditos por minuto de áudio, cobrados pelo segundo e só quando a transcrição dá certo. Está nos planos Creator e Dev, com a mesma chave da API de voz.

**Quais formatos de áudio a API aceita?** MP3, WAV, M4A, OGG, OPUS, WEBM, FLAC e vídeo MP4. Arquivo maior que 4 MB vai por link (até 500 MB).

Ver a documentação: https://lero.studio/docs#transcricao

### Podcast e narração com IA em português do Brasil

Disponível · Voz · https://lero.studio/solucoes/podcast-e-narracao

Crie podcasts, audiolivros e narrações em português do Brasil com IA, com sotaque, pausas e emoção. No app, na API ou direto do seu agente de código.

Escreva o roteiro, divida as falas entre as vozes e gere o episódio. Com o MCP, o seu Claude Code ou Codex monta o podcast inteiro e salva os áudios na sua pasta.

- Duas ou mais vozes conversando, cada uma com o seu sotaque.
- Pausa e ênfase no lugar certo para leitura longa.
- Tags de emoção no roteiro.
- MP3 pronto para Spotify, YouTube e redes.

Para que serve: Podcast de notícias; Resumo do dia em áudio; Audiolivro; Aula e curso online.

**Dá para fazer um podcast com duas vozes?** Sim. Gere cada fala com a voz que quiser e junte os arquivos; pelo MCP, o seu agente faz isso sozinho.

Criar conta grátis: https://app.lero.studio/cadastro

### Clone a sua voz em português do Brasil

Em beta · Voz · https://lero.studio/solucoes/clonar-voz

Grave alguns minutos e tenha a sua voz em IA, com o seu sotaque, para narrar vídeos, aulas e anúncios sem ir ao estúdio.

Você grava, o Lero aprende o seu timbre e o seu sotaque. Depois é só escrever.

- A sua voz com o seu sotaque, não um português genérico.
- 2 vozes no Creator e 4 no Dev.
- Só clone a sua voz ou a de quem autorizou por escrito.

Para que serve: Criador de conteúdo; Professor e curso online; Marca pessoal.

**Quem pode ter a voz clonada?** Você, ou alguém que autorizou por escrito. As regras estão nos termos de uso.

Ver os planos: https://lero.studio/#precos

### Code Companion: um agente de voz ao vivo ao lado do seu agente de código

Lista do beta · Code Companion · https://lero.studio/solucoes/code-companion

O Code Companion conversa com você em voz, ao vivo, sobre o que o seu Claude Code ou Codex está fazendo. Lista do beta aberta.

Enquanto o agente de código trabalha, o Code Companion lê o que ele faz e te conta em voz, na hora certa e na medida certa. Você responde falando, sem sair do que está fazendo.

- Acompanha Claude Code e Codex.
- Sabe a hora de falar e o quanto falar.
- Em inglês primeiro, português em seguida.

Para que serve: Revisão de código em voz; Acompanhar tarefas longas; Programar de mãos livres.

**O Code Companion já está disponível?** Está em lista de espera do beta. Entre na lista para receber o convite.

Entrar na lista do beta: https://app.lero.studio/cadastro?quero=companion

## Products (English)

### Code Companion: a live voice agent for your coding agent

Beta waitlist · Code Companion · https://lero.studio/en/code-companion

Code Companion talks with you, live and by voice, about what Claude Code or Codex is doing. It reads the output, knows when to speak and how much. Join the beta waitlist.

Your coding agent works for minutes at a time. Code Companion sits next to it, follows the output and tells you what matters out loud, at the right moment. You answer by voice and keep your hands on the keyboard, or off it.

- Works alongside Claude Code and Codex.
- Knows when to speak, and how much: summaries, not transcripts.
- Talk back by voice: ask, approve, redirect.
- English first, Brazilian Portuguese next, more languages to come.

Use cases: Voice code review; Following long agent runs; Hands-free pair programming; Staying in flow while the agent works.

**What is Code Companion?** A live voice agent that follows your coding agent (Claude Code, Codex) and talks with you about what it is doing.

**Is it available?** Code Companion is in private beta. Join the waitlist to get an invite.

**Which coding agents does it support?** Claude Code and Codex first. More agents will follow.

Join the beta waitlist: https://app.lero.studio/cadastro?quero=companion

### Voice MCP: generate speech from Claude Code, Codex and Cursor

Available · Developers · https://lero.studio/en/mcp

The Lero MCP server adds text to speech to Claude Code, Codex, Cursor, Conductor and Claude Desktop. Generate narrations, podcasts and voice assets in Brazilian Portuguese from your coding agent.

Install with one command and ask your agent for audio in plain language. The MP3 lands in your folder. Same key and credits as the REST API.

- Remote MCP at mcp.lero.studio: sign in with your Lero account (OAuth), no key to copy. Speech to text included.
- One-line install for Claude Code, Codex, Cursor and Claude Desktop; works with any MCP client, Conductor included.
- Tools: lero_fala (speak), lero_vozes (voices), lero_saldo (balance).
- REST API, OpenAPI spec, llms.txt and a ready-made skill.
- Native Brazilian Portuguese voices with real regional accents.

Claude Code (remote, OAuth sign-in):

```bash
claude mcp add --transport http lero https://mcp.lero.studio/mcp
```

Codex (remote):

```bash
codex mcp add lero --url https://mcp.lero.studio/mcp
```

Claude and Claude Desktop:

```bash
Settings → Connectors → Add custom connector → https://mcp.lero.studio/mcp
```

Local, with your key (Claude Code):

```bash
claude mcp add --env LERO_API_KEY=your_key lero -- npx -y lero-mcp
```

Use cases: Podcasts generated by your agent; Voice-over for product videos; Localized audio for Brazil; Testing voice features in your app.

**How do I add voice to Claude Code?** Run the one-line install with your Lero API key, then ask Claude Code to generate the audio. Files are saved to ~/Downloads/Lero.

**Which languages?** Brazilian Portuguese, with Rio de Janeiro, São Paulo and Niterói accents.

Read the docs: https://lero.studio/docs/en/ai

### Brazilian Portuguese speech to text API with timestamps and subtitles

Available · Developers · https://lero.studio/en/speech-to-text

Transcribe Brazilian Portuguese audio and video with the Lero API: slang, acronyms and numbers come out right, with timestamps for each sentence and ready SRT or VTT subtitles.

Send the file or a link and get the text with paragraphs, the sentences with their timestamps, or ready subtitles. Up to 2 hours of audio per request, and Lero deletes the audio and the text when it responds.

- Spoken Brazilian Portuguese: slang, acronyms, numbers and names spelled right.
- Text with paragraphs and sentences with start and end times; word-level timestamps on request.
- Ready SRT or VTT subtitles, in the same call.
- Keyterms: up to 50 names, brands and acronyms to recognize and keep spelled as given.
- Files up to 4 MB in the body or links up to 500 MB. Up to 2 hours per request, at about 30 times real time.
- 150 credits per minute of audio, billed by the second and only when the transcription succeeds.
- Lero does not keep the audio or the transcript.

Use cases: Meeting notes and summaries; Video and podcast subtitles; Interview and research transcripts; Search across support call recordings.

**How much does transcription cost?** 150 credits per minute of audio, billed by the second and only when the transcription succeeds. On the Creator and Dev plans, with the same key as the voice API.

**Which languages?** Brazilian Portuguese (pt-BR) for now.

Read the docs: https://lero.studio/docs/en#transcricao

### Brazilian Portuguese text to speech with real accents

Available · Voice · https://lero.studio/en/brazilian-portuguese-tts

Native Brazilian Portuguese AI voices with Rio, São Paulo and Niterói accents. Numbers, currency, acronyms and IDs read the way Brazilians say them. App, REST API and MCP.

Most AI voices speak a flat, dubbed Portuguese. Lero is trained by Brazilians, for Brazil: real regional accents and everyday reading of numbers, prices, phone numbers and acronyms.

- Accents: carioca (Rio), paulista (São Paulo), niteroiense (Niterói).
- Numbers, BRL prices, dates, phone numbers and CNPJ read naturally.
- REST API and MCP for Claude Code, Codex and Cursor.
- Billed in BRL, about half the price of ElevenLabs plans.

Use cases: Localizing products for Brazil; Voice for Brazilian customer service; Brazilian Portuguese podcasts and ads.

**Is Lero only for Brazilian Portuguese?** Lero focuses on Brazilian Portuguese today. Code Companion speaks English first.

Try it free: https://lero.studio/#demo

## Comparações / Comparisons

### Lero ou ElevenLabs: qual a melhor voz de IA em português do Brasil?

https://lero.studio/comparar/elevenlabs

A ElevenLabs é a referência mundial em voz de IA, com dezenas de idiomas. O Lero faz uma coisa só, e faz para o Brasil: português com sotaque de verdade, número e sigla lidos como a gente lê, preço em real e cerca de metade do valor nos planos mensais.

| | Lero | ElevenLabs |
|---|---|---|
| Foco | Português do Brasil, com sotaques regionais | Mais de 70 idiomas |
| Sotaques brasileiros | Carioca, paulista e niteroiense, de quem é daqui | Vozes em português da biblioteca |
| Plano de entrada | Starter: R$ 19 por mês (R$ 9 no 1º mês), 40 min | Starter: US$ 6 por mês, cerca de R$ 34, 30 min |
| Plano de criador | Creator: R$ 49 por mês (R$ 24 no 1º mês) | Creator: US$ 22 por mês, cerca de R$ 123 |
| Cobrança | Em real | Em dólar, com IOF no cartão |
| API e MCP | Sim: API REST e MCP para Claude Code, Codex e Cursor | Sim: API e MCP |
| Agente de voz ao vivo | Sim, em beta, em português do Brasil | Sim |

Quando escolher o Lero:

- O seu público é brasileiro e o sotaque importa.
- Você quer pagar em real e gastar cerca de metade.
- O texto tem número, valor, telefone e sigla.

Quando a ElevenLabs pode ser melhor:

- Você precisa de muitos idiomas no mesmo projeto.
- Você precisa de dublagem de vídeo ou música.

Fonte: https://elevenlabs.io/pricing (2026-11-10), câmbio US$ 1 = R$ 5,42 + IOF de 3,5%.

**O Lero é mais barato que a ElevenLabs?** Nos planos mensais, sim: o Creator do Lero custa R$ 49 por mês, e o Creator da ElevenLabs, US$ 22 (cerca de R$ 123 com IOF). Preços consultados em 11/11/2026.

**Qual soa mais brasileiro?** O Lero foi treinado por brasileiros, com foco em sotaque, gíria, sigla e número. Ouça os exemplos no site e compare com o seu texto.

**Posso usar os dois?** Pode. Muita gente usa a ElevenLabs para outros idiomas e o Lero para o público brasileiro.

### ElevenLabs alternative for Brazilian Portuguese: Lero vs ElevenLabs

https://lero.studio/en/vs/elevenlabs

ElevenLabs is the global reference for AI voice, with dozens of languages. Lero does one thing, for Brazil: Brazilian Portuguese with real regional accents, numbers and acronyms read the Brazilian way, billing in BRL and about half the price on monthly plans.

| | Lero | ElevenLabs |
|---|---|---|
| Focus | Brazilian Portuguese, with regional accents | 70+ languages |
| Brazilian accents | Carioca, paulista and niteroiense, from native speakers | Portuguese voices from the library |
| Entry plan | Starter: R$ 19/month (R$ 9 first month), 40 min | Starter: US$ 6/month, 30 min |
| Creator plan | Creator: R$ 49/month, about US$ 9 | Creator: US$ 22/month |
| API and MCP | REST API and MCP for Claude Code, Codex and Cursor | API and MCP |
| Live voice agents | Yes, in beta, in Brazilian Portuguese | Yes |

Choose Lero when:

- Your audience is in Brazil and the accent matters.
- Your scripts are full of numbers, prices and acronyms.
- You want to pay about half.

ElevenLabs may be better when:

- You need many languages in one project.
- You need video dubbing or music.

Source: https://elevenlabs.io/pricing (2026-11-10), rate US$ 1 = R$ 5,42 + IOF de 3,5%.

**Is Lero cheaper than ElevenLabs?** On monthly plans, yes: Lero Creator is R$ 49/month and ElevenLabs Creator is US$ 22/month (about R$ 123 with Brazilian card tax). Prices checked on 2026-11-11.

**Which sounds more Brazilian?** Lero is trained by Brazilians with a focus on accents, slang, acronyms and numbers. Listen to the samples and try your own script.

## Migrar / Migrate

### Migrar da ElevenLabs para o Lero

https://lero.studio/migrar/elevenlabs

## Introdução

Se você usa a ElevenLabs e o seu público é brasileiro, este guia mostra o que muda ao trocar para o Lero: a chamada da API, as vozes, os limites, o MCP e o preço. A troca leva poucos minutos: uma rota, um header e o nome da voz.

**Pule para:** [Conceitos](#conceitos) · [Gerar fala pela API](#gerar-fala-pela-api) · [Vozes](#vozes) · [Limites](#limites) · [MCP](#mcp) · [Agentes de voz](#agentes-de-voz) · [Preço](#preco) · [Checklist](#checklist)

## Quando vale a troca

- O seu público é brasileiro e o sotaque faz diferença: o Lero tem vozes carioca, paulista e niteroiense, de quem é daqui.
- O texto tem número, valor em real, telefone, data e sigla: o Lero lê do jeito que a gente fala.
- Você quer pagar em real e gastar menos: os planos mensais do Lero custam cerca de metade.
- Se você precisa de muitos idiomas no mesmo projeto, de dublagem ou de música, a ElevenLabs continua sendo a opção: dá para usar as duas.

## Conceitos

| ElevenLabs | Lero |
|---|---|
| `POST /v1/text-to-speech/{voice_id}` | `POST /v1/tts` |
| `https://api.elevenlabs.io` | `https://app.lero.studio/api` |
| Header `xi-api-key` | Header `Authorization: Bearer lero_...` |
| `voice_id` na URL | `voz` no corpo: `rio`, `sp` ou `niteroi` |
| `text` | `texto` |
| `model_id` | `model`, opcional: `Lero v1` |
| `GET /v1/voices` | `GET /v1/voices` |
| `GET /v1/user/subscription` | `GET /v1/balance` |
| Créditos por caractere | 1 crédito por caractere |
| MCP oficial (`elevenlabs-mcp`) | MCP do Lero (`npx`) |

## Gerar fala pela API

Antes, na ElevenLabs:

```bash
curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/$VOICE_ID" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text": "Seu pedido chega amanhã.", "model_id": "eleven_multilingual_v2"}' \
  --output fala.mp3
```

Depois, no Lero:

```bash
curl -X POST "https://app.lero.studio/api/v1/tts" \
  -H "Authorization: Bearer $LERO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"texto": "Seu pedido chega amanhã.", "voz": "rio"}' \
  --output fala.mp3
```

A resposta é o MP3 (`audio/mpeg`), como na ElevenLabs. Com `Accept: application/json`, o áudio vem em base64 no campo `audio`. Os headers `X-Creditos-Custo`, `X-Creditos-Restantes` e `X-Duracao` trazem o custo, o saldo e a duração.

## Vozes

Troque cada `voice_id` por uma das vozes do Lero:

- `rio`: sotaque carioca.
- `sp`: sotaque paulista.
- `niteroi`: sotaque niteroiense.

Para escolher, gere a mesma frase nas três e ouça com o seu texto real. A lista atualizada sai em `GET /v1/voices`.

## Limites

- Até 500 caracteres por pedido. Para texto longo, divida nas frases, gere cada parte e junte os MP3 na ordem.
- A rota `/fala` devolve o MP3 inteiro, sem streaming.
- Em `429` (`muitos_pedidos` ou `ocupado`), respeite o `Retry-After`. Em `503 carregando`, tente de novo em alguns segundos.
- A API está nos planos Creator e Dev.

## MCP

Se você gera áudio pelo Claude Code, Codex ou Cursor com o MCP da ElevenLabs, troque pelo MCP do Lero:

```bash
claude mcp add --env LERO_API_KEY=$LERO_API_KEY lero -- npx -y lero-mcp
```

```bash
codex mcp add lero --env LERO_API_KEY=$LERO_API_KEY -- npx -y lero-mcp
```

As ferramentas são `lero_fala`, `lero_vozes` e `lero_saldo`. O MP3 sai em `~/Downloads/Lero`.

## Agentes de voz

Os agentes de conversa da ElevenLabs têm equivalente no Conversational Agent do Lero, em beta: `GET /v1/agents` para o discovery e `POST /v1/agents/conversation` para abrir a conversa por WebRTC, com o seu system prompt e o seu conhecimento. Passo a passo em [lero.studio/docs](/docs#agente-guia).

## Preço

| Plano | Lero | ElevenLabs |
|---|---|---|
| Entrada | Starter: R$ 19 por mês (R$ 9 no 1º mês), 40 min | Starter: US$ 6 por mês, cerca de R$ 34, 30 min |
| Criador | Creator: R$ 49 por mês (R$ 24 no 1º mês) | Creator: US$ 22 por mês, cerca de R$ 123 |

Preços da ElevenLabs consultados em 2026-11-10 em elevenlabs.io/pricing, com câmbio de referência US$ 1 = R$ 5,42 + IOF de 3,5%. Os planos mudam: confira antes de decidir. Os preços do Lero estão em [lero.studio/precos.md](/precos.md).

## Checklist

1. Crie a conta em app.lero.studio e uma chave em Desenvolvedores.
2. Guarde a chave como `LERO_API_KEY`.
3. Troque a URL, o header e os campos (`text` → `texto`, `voice_id` → `voz`).
4. Divida os textos acima de 500 caracteres.
5. Gere a mesma frase nas três vozes e escolha.
6. Troque o MCP, se usar.

### Migrate from ElevenLabs to Lero

https://lero.studio/en/migrate/elevenlabs

## Introduction

If you use ElevenLabs and your audience is in Brazil, this guide shows what changes when you switch to Lero: the API call, the voices, the limits, the MCP and the price. The switch takes a few minutes: one route, one header and the voice name.

**Jump ahead:** [Concepts](#concepts) · [Generate speech with the API](#generate-speech-with-the-api) · [Voices](#voices) · [Limits](#limits) · [MCP](#mcp) · [Voice agents](#voice-agents) · [Pricing](#pricing) · [Checklist](#checklist)

## When to switch

- Your audience is Brazilian and the accent matters: Lero has carioca, paulista and niteroiense voices from native speakers.
- Your scripts have numbers, BRL prices, phone numbers, dates and acronyms: Lero reads them the way Brazilians say them.
- You want to pay less: Lero monthly plans cost about half.
- If you need many languages in one project, dubbing or music, ElevenLabs is still the option: you can use both.

## Concepts

| ElevenLabs | Lero |
|---|---|
| `POST /v1/text-to-speech/{voice_id}` | `POST /v1/tts` |
| `https://api.elevenlabs.io` | `https://app.lero.studio/api` |
| `xi-api-key` header | `Authorization: Bearer lero_...` header |
| `voice_id` in the URL | `voz` in the body: `rio`, `sp` or `niteroi` |
| `text` | `texto` |
| `model_id` | `model`, optional: `Lero v1` |
| `GET /v1/voices` | `GET /v1/voices` |
| `GET /v1/user/subscription` | `GET /v1/balance` |
| Credits per character | 1 credit per character |
| Official MCP (`elevenlabs-mcp`) | Lero MCP (`npx`) |

## Generate speech with the API

Before, with ElevenLabs:

```bash
curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/$VOICE_ID" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text": "Seu pedido chega amanhã.", "model_id": "eleven_multilingual_v2"}' \
  --output speech.mp3
```

After, with Lero:

```bash
curl -X POST "https://app.lero.studio/api/v1/tts" \
  -H "Authorization: Bearer $LERO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"texto": "Seu pedido chega amanhã.", "voz": "rio"}' \
  --output speech.mp3
```

The response is the MP3 (`audio/mpeg`), as with ElevenLabs. With `Accept: application/json`, the audio comes base64-encoded in the `audio` field. The `X-Creditos-Custo`, `X-Creditos-Restantes` and `X-Duracao` headers carry the cost, the balance and the duration.

## Voices

Replace each `voice_id` with a Lero voice:

- `rio`: Rio de Janeiro accent.
- `sp`: São Paulo accent.
- `niteroi`: Niterói accent.

To choose, generate the same sentence in all three and listen with your real script. `GET /v1/voices` returns the current list.

## Limits

- Up to 500 characters per request. For long text, split on sentences, generate each part and join the MP3s in order.
- The `/fala` route returns the whole MP3, with no streaming.
- On `429` (`muitos_pedidos` or `ocupado`), respect `Retry-After`. On `503 carregando`, retry in a few seconds.
- The API is on the Creator and Dev plans.

## MCP

If you generate audio from Claude Code, Codex or Cursor with the ElevenLabs MCP, switch to the Lero MCP:

```bash
claude mcp add --env LERO_API_KEY=$LERO_API_KEY lero -- npx -y lero-mcp
```

```bash
codex mcp add lero --env LERO_API_KEY=$LERO_API_KEY -- npx -y lero-mcp
```

The tools are `lero_fala`, `lero_vozes` and `lero_saldo`. MP3 files are saved to `~/Downloads/Lero`.

## Voice agents

ElevenLabs conversational agents map to the Lero Conversational Agent, in beta: `GET /v1/agents` for discovery and `POST /v1/agents/conversation` to open the WebRTC conversation, with your system prompt and your knowledge. Walkthrough at [lero.studio/docs/en](/docs/en#agente-guia).

## Pricing

| Plan | Lero | ElevenLabs |
|---|---|---|
| Entry | Starter: R$ 19/month (R$ 9 first month), 40 min | Starter: US$ 6/month, 30 min |
| Creator | Creator: R$ 49/month, about US$ 9 | Creator: US$ 22/month |

ElevenLabs prices checked on 2026-11-10 at elevenlabs.io/pricing, reference rate US$ 1 = R$ 5,42 + IOF de 3,5%. Plans change: check before deciding. Lero pricing is at [lero.studio/en/pricing.md](/en/pricing.md).

## Checklist

1. Sign up at app.lero.studio and create a key under Developers.
2. Store the key as `LERO_API_KEY`.
3. Change the URL, the header and the fields (`text` → `texto`, `voice_id` → `voz`).
4. Split texts over 500 characters.
5. Generate the same sentence in the three voices and choose.
6. Switch the MCP, if you use it.

## Preços do Lero

Planos mensais em real. O Lero está em beta: preços e cotas podem mudar. Página: https://lero.studio/#precos

| Plano | Preço | Créditos por mês | Voz (cerca de) | Conversa ao vivo (cerca de) | API e MCP |
|---|---|---|---|---|---|
| Grátis | R$ 0 | 20 mil | 20 min | 20 min | não |
| Starter | R$ 19 por mês, R$ 9 no 1º mês | 40 mil | 40 min | 40 min | não |
| Creator | R$ 49 por mês, R$ 24 no 1º mês | 120 mil | 120 min | 120 min | sim |
| Dev | R$ 99 por mês, R$ 49 no 1º mês | 300 mil | 300 min | 300 min | sim |

## Créditos

- 1 crédito por caractere de texto.
- Voz: cerca de mil créditos por minuto de áudio.
- Conversa ao vivo (agente de voz): o mesmo da voz, cerca de mil créditos por minuto. A voz conta o tempo do áudio gerado; a conversa conta o tempo da ligação inteira, também quando você fala, então gasta mais rápido.
- Transcrição de áudio (Speech-to-Text, pela API): 150 créditos por minuto de áudio, só quando dá certo.
- O Grátis tem 20 minutos de voz ou de conversa por mês e 1 voz clonada, sem cartão e sem uso comercial. Não tem API, MCP nem webhook.
- Uso comercial do Starter para cima. Os créditos avulsos, só no Dev, seguem a proporção do plano (R$ 0,33 por mil) e valem 6 meses.
- Os créditos do plano valem 30 dias e não passam pro mês seguinte; os avulsos do Dev valem 6 meses.
- Gerações simultâneas: Grátis 1, Starter 3, Creator 5, Dev 10.

## Créditos avulsos (plano Dev)

- 30 mil créditos: R$ 9,90
- 100 mil créditos: R$ 33
- 300 mil créditos: R$ 99

## Exemplos de volume pela API

| Créditos por mês | Plano | Custo no mês |
|---|---|---|
| 120 mil | Creator | R$ 49 |
| 300 mil | Dev | R$ 99 |
| 500 mil | Dev + 200 mil em avulsos | R$ 165 |
| 1 milhão | Dev + 700 mil em avulsos | R$ 330 |

Acima de 1 milhão de créditos por mês: Enterprise, sob medida (oi@lero.studio).

## Comparação

Cerca de metade do preço dos planos mensais da ElevenLabs: [lero.studio/comparar/elevenlabs.md](https://lero.studio/comparar/elevenlabs.md).