Voz do Google e Loquendo: o que são e o que usar hoje

Quando alguém procura “voz do Google” ou “voz do Google Tradutor”, quase sempre quer a voz que sai do botão de ouvir do Google Tradutor: uma voz sintética, clara e sem emoção, que virou piada em memes e vídeos de humor. “Voz de robô” é a busca mais ampla para o mesmo gosto: aquela fala plana e metálica que lembra computador antigo.

O Loquendo vem da mesma família de lembranças, mas é outra coisa: um programa que as pessoas instalavam no computador para narrar vídeos. No Brasil ele é menos conhecido do que na Espanha e na América Latina de língua espanhola, onde a voz Jorge narrou milhares de vídeos.

Se o que você quer é só ouvir um texto na voz do Tradutor:

1. 1Abra o Google Tradutor e escolha o idioma do texto.
2. 2Cole ou digite o texto na caixa da esquerda.
3. 3Clique no ícone de alto-falante embaixo da caixa para ouvir.

O Loquendo era uma empresa de Turim (Itália) dedicada à tecnologia de voz: converter texto em voz, reconhecer o que se diz e verificar quem fala. Nasceu como grupo de pesquisa em meados dos anos 1970 dentro do CSELT, o laboratório da telefônica italiana, e em fevereiro de 2001 virou uma empresa própria da Telecom Italia.

O que mais vendia era o motor de texto em voz. Empresas o colocavam em centrais telefônicas, GPS e celulares; pessoas físicas compravam as vozes por meio de programas leitores como o TextAloud e as usavam em casa. Foi por essa segunda porta que o Jorge chegou ao YouTube.

Não de forma legal. O Loquendo nunca foi grátis: as vozes eram compradas com licença, uma por voz e por programa, e depois da compra de 2011 a marca deixou de ser vendida separadamente. Tudo o que circula com nomes como “Loquendo portable” ou “Loquendo + vozes” são cópias sem licença, muitas vezes empacotadas com cracks para pular a ativação.

E é justamente o tipo de download que mais traz infecção. Em um estudo da Universidade Nacional de Singapura, 100% dos sites analisados que ofereciam programas piratas expunham o usuário a riscos de segurança, e o cavalo de Troia foi o código malicioso mais frequente no que se baixou deles (51% das infecções).

• Instaladores que pedem para desativar o antivírus “para o crack funcionar”.
• Executáveis escondidos dentro de um .zip ou .rar com senha.
• Programas de 2008 que não instalam direito em um Windows atual e pedem “patches”.

Antes de escolher, decida o que você procura: o som de robô exato daquelas vozes ou um narrador que leia o seu roteiro com clareza. Nenhuma opção entrega os dois.

O que dá para imitar daqueles vídeos é o tom: um narrador sério, neutro, que conta qualquer coisa com a mesma calma. Na Voizum, assim:

1. 1Entre em Vozes e filtre por português. Escute a amostra de várias antes de escolher; para algo sóbrio, procure uma voz masculina de tom grave e pausado.
2. 2No gerador, leve a Expressividade para “Contida”. A voz se solta menos e soa mais neutra, como um locutor que lê sem atuar.
3. 3Ajuste a Velocidade. Ela vai de 0.5× a 2×: os vídeos dessa época eram narrados um pouco depressa, então experimente subir um pouco em vez de deixar em 1×.
4. 4Escreva pausas onde quiser um silêncio dramático: <#1.5#> entre duas frases coloca um segundo e meio, até um máximo de 10 segundos.
5. 5Valores e datas são lidos bem sozinhos; as siglas, escreva como quer que soem. Se você digitar “GTA”, pode sair de um jeito que você não espera; “gê tê á” não deixa dúvida.
6. 6Gere um trecho curto primeiro, ouça e, quando o tom convencer, gere o roteiro inteiro. Baixe em MP3 e leve para o editor.

O Loquendo funcionava como uma colagem. Uma pessoa gravava durante horas milhares de frases; o programa as cortava em pedacinhos (sílabas, transições entre sons) e, para ler o seu texto, procurava os pedaços que encaixavam e os colava um atrás do outro. Essa técnica se chama síntese por seleção de unidades.

Por isso soava como soava: cada peça era voz real, mas as emendas se notavam, e a entonação de uma frase era decidida por regras, não pelo sentido do que se dizia. Uma pergunta e uma afirmação saíam quase iguais.

Uma voz com IA não cola pedaços. Ela aprendeu com muitíssimas horas de fala como soa alguém lendo e gera cada frase inteira conforme o que ela diz: onde cai a ênfase, como o fim de uma afirmação desce e o de uma pergunta sobe. Não há emendas, e o ritmo muda de uma frase para outra.

Para um vídeo de dez minutos, conte uns 10.000 caracteres de roteiro. Depois ajuste com a velocidade, porque cada voz tem o seu ritmo e isso pesa mais na duração do que o próprio texto.

Na Voizum, cada 1.000 caracteres custam 60 créditos, sem assinatura, e os que você compra não vencem. Se você entra com o Google, tem 600 créditos grátis todo mês, uns 10 minutos de áudio: o suficiente para testar várias vozes com o começo do seu roteiro antes de pagar.

Usar uma voz com IA para narrar seus vídeos, inclusive com fins comerciais, é permitido. O que não é permitido é usá-la para se passar por outra pessoa ou para conteúdo ilegal.

• Não apresente seu vídeo como feito com o Loquendo nem use o logotipo dele: é marca registrada de outra empresa. O mesmo vale para o Google e o Google Tradutor.
• Não tente reproduzir a voz de um youtuber ou locutor conhecido: imitar uma pessoa real sem a permissão dela não é permitido.
• Não baixe instaladores de “Loquendo grátis”: lembre-se do estudo de Singapura mais acima.