Guias
Voz realista com IA: texto para voz que soa humano
Equipe da Voizum · Atualizado · 5 min de leitura
Uma voz de IA soa humana quando o texto foi escrito para ser ouvido e a voz combina com o que lê. O timbre das vozes atuais não é mais o problema: o que entrega uma voz sintética são pausas no meio de uma ideia, frases enormes e uma velocidade que não combina com ela. Veja qual voz escolher, como preparar o texto e quais ajustes usar para um anúncio, um tutorial ou um audiolivro.
Antes de continuar: ouça como soa
Dê o play. Qualquer uma dessas vozes lê o texto que você escrever.
Se você entrar com o Google, nós damos 600 créditos todo mês: uns 10 minutos de áudio.
Por que a voz de IA soa robótica?
O que costuma falhar é o texto. Uma frase de quarenta palavras cheia de vírgulas obriga qualquer leitor, humano ou não, a respirar no lugar errado. Um parágrafo copiado de um PDF traz número de página e hífen de quebra de linha junto. Uma sigla em maiúsculas é soletrada letra por letra.
Depois vem a velocidade. Cada voz tem o seu ritmo natural, e forçar a voz a ir mais rápido ou mais devagar do que ela pede deixa tudo mecânico antes de qualquer outra coisa.
Escolha uma voz feita para o seu tipo de texto
As vozes de narração leem com calma e colocam o peso no fim da frase: servem para documentário, curso e audiolivro. As conversacionais soam como alguém te contando algo: funcionam em vídeo curto, podcast e anúncio. Uma voz de narração lendo um Reels parece jornal da noite; uma conversacional lendo um capítulo inteiro cansa.
Escolha também pelo sotaque. Para público brasileiro, voz brasileira: um sotaque de Portugal é a primeira coisa que o ouvinte percebe, antes da qualidade.
| Tipo de texto | Estilo de voz | Velocidade | Pausas no texto |
|---|---|---|---|
| Anúncio ou spot | Conversacional ou comercial | 1,0× a 1,1× | As do ponto e da vírgula |
| Vídeo para YouTube, Reels ou TikTok | Conversacional | 1,0× a 1,1× | As do ponto e da vírgula |
| Tutorial ou curso | Narração, tom próximo | 0,95× a 1,0× | <#1#> entre seções |
| Documentário ou audiolivro | Narração | 0,9× a 1,0× | <#1.5#> entre seções |
Como escrever o texto para soar natural
Dez minutos revisando o texto mudam mais o resultado do que qualquer ajuste:
- Frases de 15 a 20 palavras. Se uma precisa de duas vírgulas e um parêntese, divida em duas.
- A pontuação marca as pausas: vírgula é um respiro curto, ponto é uma pausa completa. Quer que a voz pare antes de um número? Coloque um ponto antes.
- Perguntas e exclamações mudam a entonação. Use quando forem de verdade; exclamação em toda frase soa como propaganda de TV.
- Siglas e nomes estranhos, do jeito que se falam. Se «SUS» deve soar «sus» e não «esse-u-esse», escreva assim.
- Tire o que só existe no papel: parênteses, notas de rodapé, «veja acima», número de página.
- Uma ideia por frase. O que no texto escrito vira uma oração subordinada, falado fica melhor em duas frases.
Velocidade e pausas: o que mais aparece
A velocidade vai de 0.5× a 2×, mas a faixa em que uma voz continua natural é bem mais estreita: quase sempre entre 0,9× e 1,1×. Fora disso dá para perceber, principalmente ao acelerar.
As pausas normais são definidas pelo modelo a partir da pontuação. Para uma mais longa, como entre duas seções, escreva <#1#> ou <#1.5#> (os segundos) entre duas frases. E para mudar como soa um trecho, use uma emoção como <#triste#> ou <#sussurro#>. Nada disso é lido nem cobrado.
A voz mais humana é a sua, clonada
Se o áudio leva o seu nome, o seu canal ou a sua marca, nada soa mais real do que a sua própria voz. Uma gravação limpa de 15 a 60 segundos basta para criar uma voz que lê qualquer texto como você leria. Custa 199 créditos e é preciso ter comprado um pacote alguma vez.
O que mais pesa é a gravação: um cômodo sem eco, o microfone a um palmo e falar do seu jeito, não como quem lê.
Existe texto para voz realista grátis?
Para ouvir um texto na hora, sim: o Microsoft Edge e o modo de leitura do Chrome leem em voz alta com vozes naturais, de graça. O que eles não fazem é salvar o áudio, então não servem para vídeo nem podcast.
Para ter o MP3, na Voizum você ganha 600 créditos todo mês ao entrar com o Google, uns 10 minutos de áudio, sem cartão. Dá para testar várias vozes com o seu próprio texto antes de decidir.
Como ter uma voz realista na Voizum
Do texto ao MP3 em cinco passos:
- 1Cole o texto já revisado (frases curtas, siglas como se falam).
- 2Filtre as vozes por idioma, gênero, idade e estilo, e ouça duas ou três antes de escolher.
- 3Ajuste a velocidade e ponha as pausas conforme a tabela acima, e dê play na voz para ouvir a mudança.
- 4Clique em Gerar: o custo em créditos aparece antes de gastar qualquer coisa.
- 5Ouça e baixe o MP3. Se uma frase não ficou boa, mude a pontuação e gere só ela.
Quanto custa
Cada 1.000 caracteres custam 60 créditos, então um minuto de áudio sai por uns 60 créditos. Sem assinatura, e os créditos comprados não vencem.
Fontes consultadas
Nossos guias te ajudam? Adicione a Voizum como fonte preferida e o Google vai te mostrar mais do nosso conteúdo.
Adicionar no Google ↗