Texto para fala com IA: gerador de voz online

Como funciona o texto para fala com IA

O texto para fala, ou TTS, converte texto digitado em áudio falado. As vozes antigas soavam robóticas; as vozes de IA de hoje leem com acento tônico, pausas e entonação parecidas com as de um locutor. Não precisa de microfone, estúdio nem programa: tudo funciona no navegador, no computador e no celular.

Um minuto de fala tem em torno de 850 caracteres em português, então 3.000 caracteres dão uns três minutos de áudio. Uma chamada curta ou um texto para Reels sai em segundos; um artigo longo, em poucas gerações. Baixe cada parte e junte no CapCut ou em qualquer editor.

A IA também lê a pontuação. O ponto encerra a frase com uma pausa, a vírgula dá um respiro, o ponto de interrogação sobe o tom e as reticências desaceleram. O mesmo texto soa diferente com outra pontuação: é o jeito mais simples de controlar a narração sem mexer em configuração.

Vozes masculinas e femininas

A ElevenLabs tem quinze vozes: oito masculinas e sete femininas. São vozes de origem inglesa, mas leem texto em português com pronúncia natural: ouça a amostra de cada uma antes de escolher. A voz do Brian é grave e aveludada, a do Hank é rouca, de trailer, o James soa como apresentador, o Mark e o Liam são jovens e animados. Entre as femininas, a Bella é firme e confiante, a Jessica é vibrante, a Lucy é calma e grave, a Allison é suave.

O MiniMax tem treze vozes, e todas leem português. O Seed Audio não tem lista de vozes: ele escolhe a voz e o jeito de falar pela descrição da cena.

Escolha a voz pela tarefa. Para aula e tutorial, uma voz calma e clara; para anúncio, uma voz animada; para audiolivro e história infantil, um narrador de timbre quente. Antes de narrar um texto longo, teste um parágrafo com duas ou três vozes: é mais rápido do que refazer tudo.

Narração em português, inglês, espanhol e outros idiomas

A ElevenLabs e o MiniMax leem português e reconhecem o idioma do texto sozinhos. O MiniMax Speech 2.8 HD fala 37 idiomas, entre eles português, inglês, espanhol, francês, italiano, alemão, japonês e coreano. O Seed Audio liga o modo multilíngue sozinho quando o texto não está em inglês.

Precisa do mesmo vídeo em outro idioma? A aba Dublagem traduz áudio e vídeo para 16 idiomas e mantém o timbre de quem fala.

Como preparar o texto para a locução

A IA lê exatamente o que está escrito, então vale preparar o texto. Divida frases longas em frases curtas: fica mais fácil de ouvir e a entonação sai mais natural. Escreva siglas e abreviações do jeito que devem ser faladas, por exemplo “por exemplo” em vez de “p. ex.”.

Números, datas e valores são lidos automaticamente, e na ElevenLabs há uma opção para ler números por extenso ou como estão. Em casos difíceis, escreva por extenso: “vinte e cinco de maio” em vez de “25/05”. Ouça a narração inteira antes de publicar: uma palavra errada se corrige com uma vírgula ou um sinônimo, sem refazer tudo.

Emoções, pausas e tags no texto

Na ElevenLabs, o tom é definido por tags no próprio texto: [whispers] para sussurro, [laughs] para riso, [sighs] para suspiro, além de [excited], [sad], [angry] e [sarcastic]. As tags entram pelo menu “Tags de voz” no campo de texto, e o Eleven v3 é o que mais as interpreta. A tag é escrita em inglês, o texto pode ser em português.

No MiniMax as pausas são exatas: <#1.5#> significa um segundo e meio de silêncio, de 0,01 a 99,99 segundos. As interjeições vão entre parênteses: (laughs), (sighs), (coughs), (gasps). A emoção é escolhida nas configurações: neutra, alegre, triste, irritada, surpresa, assustada ou com nojo.

Se uma palavra sair errada, coloque uma vírgula, reescreva a frase ou teste outra voz do mesmo modelo.

Narração para YouTube, Reels, anúncios e audiolivros

Para vídeo, baixe a narração em MP3, ou em WAV para edição, e coloque na linha do tempo do editor. Se uma pessoa fala na tela e a boca precisa acompanhar a voz, use o lip sync: ele ajusta o movimento da boca ao áudio pronto.

Anúncio pede frases curtas e tom animado: Eleven v4 com estabilidade baixa ou MiniMax com a emoção Alegre. Audiolivro e aula pedem leitura uniforme, sem emoção forte. Narre capítulos em partes de até 3.000 caracteres com a mesma voz e as mesmas configurações, e a emenda não aparece.

Lip sync com IA: vídeo com a nova voz

Trocar voz e sua própria voz

A aba Trocar voz recebe a sua gravação (MP3, WAV ou M4A, até 5 minutos) e troca a voz por uma das quinze vozes da ElevenLabs. Suas palavras, pausas e entonação continuam as mesmas, e o ruído de fundo pode ser removido.

Para narrar com a sua própria voz, abra a escolha de vozes e clique em “Sua própria voz”. Grave uma amostra curta no navegador ou envie um arquivo, confirme que a voz é sua, e ela aparece na lista do MiniMax ou do Seed Audio. Assim a narração sai com o seu jeito de falar. A voz do MiniMax fica salva sem prazo, a do Seed Audio por 12 meses.

Dá para usar texto para fala de graça?

Sim. Depois de entrar, cada conta ganha 2 narrações grátis de até 500 caracteres cada (até 300 no Seed Audio), em qualquer um dos cinco modelos.

• É preciso entrar na conta: as tentativas grátis ficam ligadas a ela.
• 500 caracteres são um parágrafo ou o texto de um anúncio curto.
• Se a narração falhar, a tentativa não é gasta e volta sozinha.
• Depois disso, a narração é paga com tokens por caractere, e o preço aparece no botão antes de gerar. Trocar voz, dublagem e voz própria são só pagos.