IA de voz: como escolher o melhor gerador (comparativo)

Você cola um roteiro, escolhe uma voz e baixa um MP3. Isso é um gerador de voz IA. Os bons já não soam como robô: respiram, fazem pausas e sobem o tom nas perguntas.

A demo de cada marca é escolhida a dedo, então diz pouco. O que diz alguma coisa é o seu próprio texto e estes oito pontos, que definem quanto você paga e o que pode fazer com o áudio:

1. 1Qualidade com o seu texto, não com a frase de exemplo.
2. 2Idiomas e sotaques: o seu e o do seu público.
3. 3Clonagem de voz: se dá para criar a sua e quantas você pode guardar.
4. 4Preço por minuto, calculado por você e não o da página inicial.
5. 5Quando o saldo expira: todo mês, em dois meses ou nunca.
6. 6Assinatura ou pagamento único.
7. 7Licença de uso comercial, principalmente no plano grátis.
8. 8API e formatos de saída, se você vai automatizar ou editar vídeo.

Com o texto que você vai usar. Um parágrafo do seu roteiro diz mais do que dez demos, porque traz os seus nomes próprios, os seus números e a sua pontuação.

Clonar é criar uma voz sintética que soa como você a partir de uma gravação sua. Quase todos oferecem, então o que importa é perguntar em que condições:

• Quantas vozes próprias você pode guardar? Vários planos de entrada têm um número fixo de vagas e, para criar uma voz nova, é preciso apagar outra.
• A clonagem entra no plano mais barato ou só nos caros?
• O serviço pede para você confirmar que a voz é sua ou que tem permissão? Se não pede, é mau sinal: clonar a voz de outra pessoa sem autorização pode ser ilegal.
• A sua voz clonada pode falar em outros idiomas?

Em uma marca, um crédito é um caractere. Em outra, o plano é vendido em minutos. Para comparar, é preciso levar tudo para a mesma unidade: euros por minuto de áudio.

Divida o preço do plano pelos minutos que ele dá. Se o plano vem em caracteres, divida os caracteres por cerca de 1.000 e você terá os minutos aproximados.

De cada marca, usamos o plano de entrada, o mais barato que dá para contratar, pelo preço mensal e nunca pelo anual dividido por doze. Da Voizum, o pacote com o melhor preço por crédito. Tudo em euros por minuto de áudio.

Com esses dados, a Voizum é a mais barata da tabela: 0,013 €/min, 3,1 vezes menos que a seguinte, TTSMaker. Com o menor pacote, sai a 0,016 €/min, ainda abaixo de todas as outras.

Antes de publicar um vídeo monetizado, um anúncio ou um curso pago, leia a licença. É o passo que mais gente pula, e nos planos grátis é onde costuma estar a surpresa.

A Fish Audio informa na página de planos que usuários gratuitos só podem usar o áudio em projetos pessoais e não comerciais. A ElevenLabs inclui a licença comercial a partir do plano Starter, não no grátis. Se você testar de graça em um deles, não use esse áudio em nada que dê dinheiro.

Na Voizum, os termos de uso permitem usar os áudios que você gera para o que quiser, inclusive fins comerciais, venham de créditos comprados ou grátis. O que ninguém pode fazer, pagando ou não: se passar por outra pessoa, enganar, assediar ou publicar conteúdo ilegal.

Se você faz um vídeo de vez em quando, a API pouco importa. Se quer gerar áudio a partir de um app, uma planilha ou uma ferramenta de automação, veja se a API está incluída no que você paga ou se é cobrada à parte. A tabela acima responde isso para cada marca.

O MP3 serve para quase tudo: editores de vídeo, redes sociais, podcasts e apresentações. O que vale conferir é se o gerador guarda os seus áudios e por quanto tempo.

Dá para escolher sem gastar nada se você testar todas do mesmo jeito:

1. 1Use em todas o texto do teste de cinco minutos, sem mudar uma vírgula.
2. 2Abra o plano grátis de cada uma. Anote quantos minutos ele dá e se expiram.
3. 3Gere esse texto com uma voz parecida em cada uma: mesmo gênero, mesmo idioma e, se der, mesmo sotaque.
4. 4Ouça os resultados em sequência sem olhar qual é qual. Fique com as duas que soarem melhor.
5. 5Com essas duas, calcule o preço por minuto com o que você pensa em gerar por mês e veja se o saldo expira.
6. 6Leia a licença do plano que você vai usar antes de publicar qualquer coisa.

A cada 1.000 caracteres são 60 créditos, então um minuto de áudio custa cerca de 60 créditos. Você vê o custo antes de gerar.

Não há assinatura: você compra um pacote uma vez e os créditos não expiram. Os grátis de cada mês servem para gerar áudios e diálogos. Clonar vozes, usar a API e dublar vídeos exigem ter comprado alguma vez.