Gravei o IVR da empresa e o amigo perguntou: "Essa voz é de gente de verdade?"

Outro dia, no intervalo do café, o Rafael chegou perto de mim com uma cara desconfiada: "Essa mensagem de IVR que você me mandou ontem, quem gravou? A voz é tão natural, até tem respiração no final." Eu ri, porque a verdade é que usei um clonagem de voz grátis no navegador, do texto ao áudio, em menos de dez minutos.

Ele ficou chocado: "Grátis? Sem cadastro? Não é algum teste escondido de uma empresa grande?" Neguei com a cabeça e mostrei a aba do texto para voz grátis no navegador. Ele olhou para a tela, pensou um pouco e disse: "Se isso fosse no nosso sistema de atendimento, o chefe ia achar que contratamos um locutor profissional."

E olha, eu também não esperava que fosse tão fácil. Já tinha testado um monte de ferramenta de voz ia grátis que ou saíam com som abafado ou com pausas de robô. Mas essa plataforma parece que entende como a gente fala de verdade.

Primeiro erro: de "sintetizada" para "humana"

Deixa eu contar como quase desisti. No começo, peguei um texto da empresa e joguei num sintetizador de voz grátis. O resultado era até claro, mas para uma saudação de IVR tipo "Olá, obrigado por ligar", lia como se estivesse dando o boletim meteorológico. Cada palavra com o mesmo peso, sem ritmo. Imagina o cliente ouvindo aquilo? A primeira coisa que pensa é "é robô", e a taxa de desligamento vai lá pra cima.

Aí eu mudei a estratégia. Quando fui usar o clonar minha voz online, reescrevi o texto do jeito que a gente fala. Troquei "pressione 1" por "aperta o 1", "transferir para atendente" por "se quiser falar com gente, aperta 0". Depois ajustei a velocidade e a pausa, deixei a vírgula depois de "transferir" mais longa. Só isso já fez uma diferença absurda.

O que mais me surpreendeu foi que esse clonar voz grátis consegue pegar a emoção do texto. Se eu coloco um "tá" no final, sai com um tom mais casual. Se coloco "viu", a voz fica mais suave. Isso é crucial para IVR — ninguém quer reclamar com uma voz fria.

Por que eu desisti da gravação com ator

Você deve pensar: "por que não gravar com uma pessoa de verdade?" Eu pensava igual. Mas a real é que gravar com gente é caro, e mudar o texto é mais caro ainda. No mês passado, o pessoal do comercial mudou o pacote, e três preços na gravação precisavam ser atualizados. Chamar o locutor de novo? Ele cobra por hora, a gente perdeu uma semana só em reunião.

Aí eu usei a plataforma de clonagem de voz grátis, colei o texto novo, escolhi uma voz parecida com a original e em dez minutos tava pronto. E o melhor: voz sintética sem cadastro. Se precisar mudar uma palavra, não precisa logar, é só enviar um áudio de referência, ajustar o tom e pronto.

Um detalhe: testei o clonagem de voz para música com um trecho de toque de celular. Não uso no IVR, mas percebi que o motor é muito bom. Ele não só lê o texto, ele interpreta.

Os erros que cometi e o que aprendi

Mas nem tudo são flores. Na primeira vez com o clonagem de voz grátis, escrevi "VIP" do jeito que a gente fala, mas ele leu "vi-ai-pi". Aí mudei para "vip" mesmo e funcionou. Outra coisa: frases longas precisam de vírgula. Esse texto para fala grátis depende muito da pontuação.

Sobre o áudio de referência: o gerador de voz gratuito tem um recurso que remove ruído de fundo. Gravei um áudio com um chiado leve, e ele limpou. Mas se o áudio tiver eco, o resultado fica meio "oco". Então, grave num quarto silencioso, mesmo que seja no celular, só não pode ter eco.

E aqui vai um segredo que nem o Rafael sabe: o IVR que ele elogiou não me custou nada. Usei a página de clonagem de voz grátis sem limites, sem nem criar conta. Se você também trabalha com atendimento ou quer mudar a voz do seu robô de chamada, copia esse texto e testa:

"Olá, aqui é a empresa X. Para informações, aperte 1. Para suporte, aperte 2. Para falar com um atendente, aperte 0. Tenha um ótimo dia. Até logo."

Depois me conta se seu colega também vai perguntar se é gente de verdade.

Ah, e não testa no computador do trabalho, senão o TI vai te pegar no locução automática gratuita. Eu testei em casa, funciona igual.

Comparação: mesma frase, parâmetros diferentes

Fiz um teste com o mesmo texto, usando três configurações: padrão, velocidade rápida e pausa longa. No padrão, "Olá, obrigado por ligar" soa como um jornal. Na velocidade rápida, fica mais apertado, mas "obrigado" se embaralha um pouco. Já com pausa longa, é o mais humano — coloquei duas vírgulas depois de "ligar", e a voz desce no final, com um respiro antes do "aperte 1", como se a pessoa tivesse realmente respirando.

Isso me fez ver que clonagem de voz grátis não é sobre falar mais rápido, é sobre achar o ritmo natural. Depois disso, quebrei todas as frases longas do IVR em pedaços curtos, com vírgula no final, e o resultado quase não tem cara de robô.

O detalhe que todo mundo ignora: a pontuação

Pode parecer bobagem, mas a pontuação muda o sentimento. Testei "aperte 1" com ponto de exclamação e saiu com um tom de urgência. Com ponto final, vira uma instrução normal. E o mais louco: coloquei um ponto de interrogação depois de "transferir", e a voz leu com uma dúvida, tipo "você tem certeza que quer transferir?".

Então, na hora de escrever o texto do IVR, não economiza na pontuação. Usa ponto final onde precisa, vírgula onde tem pausa. Eu até coloco um ponto depois de "tenha um ótimo dia" para o final ser limpo, sem arrastar. O Rafael não reparou nisso, mas disse que "soa mais agradável que o IVR de outras empresas".

Para quem tem pressa: o método rápido

Se você não quer ficar ajustando, copia o meu modelo. Começa com "Olá" e uma vírgula, separa cada opção com ponto final, e não coloca nada depois de "até logo". Aí deixa a velocidade um pouco mais lenta que o normal e a pausa em 1.2x. O resultado engana 90% das pessoas.

Se nem isso você quer fazer, usa o preset "Atendimento" no clonar minha voz online — ele já tem aquele tom gentil, quase sorridente. Eu testei, é até mais natural que o meu, porque foi feito para esse cenário.

Última dica: não compara com uma gravação profissional, você vai se frustrar. Mas para substituir aquele robô do seu sistema atual, é outro nível. E quando seu colega perguntar se é gente de verdade, você responde: "Adivinha".