Voizum

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.

Escreva seu texto e ouça

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 textoEstilo de vozVelocidadePausas no texto
Anúncio ou spotConversacional ou comercial1,0× a 1,1×As do ponto e da vírgula
Vídeo para YouTube, Reels ou TikTokConversacional1,0× a 1,1×As do ponto e da vírgula
Tutorial ou cursoNarração, tom próximo0,95× a 1,0×<#1#> entre seções
Documentário ou audiolivroNarração0,9× a 1,0×<#1.5#> entre seções
Valores para começar: ouça a amostra e ajuste ao seu gosto.

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.

Como gravar a amostra e clonar sua voz passo a passo →

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:

  1. 1Cole o texto já revisado (frases curtas, siglas como se falam).
  2. 2Filtre as vozes por idioma, gênero, idade e estilo, e ouça duas ou três antes de escolher.
  3. 3Ajuste a velocidade e ponha as pausas conforme a tabela acima, e dê play na voz para ouvir a mudança.
  4. 4Clique em Gerar: o custo em créditos aparece antes de gastar qualquer coisa.
  5. 5Ouça e baixe o MP3. Se uma frase não ficou boa, mude a pontuação e gere só ela.

Escreva seu texto e ouça →

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

  1. Microsoft: recursos de acessibilidade do Microsoft Edge (Ler em voz alta)
  2. Ajuda do Google Chrome: usar o modo de leitura
  3. YouTube: divulgação de conteúdo alterado ou sintético

Nossos guias te ajudam? Adicione a Voizum como fonte preferida e o Google vai te mostrar mais do nosso conteúdo.

Adicionar no Google ↗

Também pode ajudar

Perguntas frequentes

Dá para perceber que é voz de IA?
Num áudio curto com um texto bem escrito, a maioria das pessoas tem dificuldade de perceber. Em textos longos, o que entrega a voz quase sempre é o roteiro: frases longas demais ou escritas para leitura. Revisar o texto é o que mais ajuda.
Qual voz de IA soa mais humana?
A que combina com o texto: conversacional para vídeo curto e anúncio, narração para curso e audiolivro, com o sotaque do seu público. Para o seu próprio conteúdo, a mais natural de todas é a sua voz clonada.
Dá para a voz expressar emoção?
Sim. Além de perguntas, exclamações e pausas, você pode marcar uma emoção dentro do texto: <#triste#>, <#risada#> ou <#sussurro#> mudam como soa o que vem depois, até o fim do parágrafo ou até <#normal#>. Não são lidas nem cobradas. Escolha também uma voz cujo estilo combine com o tom.
Posso usar a voz no YouTube?
Sim, os áudios que você gera são seus. O YouTube pede para sinalizar conteúdo sintético quando parece real e pode confundir; a regra está no link abaixo.
Em quais idiomas há vozes realistas?
Português, espanhol, inglês, francês, alemão, italiano, russo, holandês, polonês, chinês, japonês, coreano, hindi, árabe, turco, indonésio e romeno, com vários sotaques nos mais usados.

Mais guias

Escreva o seu texto e ouça com uma voz real

Se você entrar com o Google, nós damos 600 créditos todo mês: uns 10 minutos de áudio.