Primeira vez usando clonagem de voz grátis? Eu quase surtei com os tons do português

Na quarta-feira à noite, eu tava deitada no sofá, querendo mandar um áudio pra uma amiga que mora em Portugal. Mas minha garganta tava um nojo — parecia que tinha engolido uma lixa. Aí pensei: por que não clonar minha voz e deixar o computador falar por mim? Pesquisei rapidinho e achei um site de clonagem de voz grátis que nem pedia cadastro. Só clicar e usar.

Gravei uns dez segundos de áudio, colei um texto que eu tinha escrito e apertei o botão. O resultado? A voz até que parecia a minha, mas o português... Ah, amigo. Ele leu "banco" como se fosse banco de praça (e eu queria dizer banco, tipo instituição financeira). Leu "sede" como vontade de beber água, quando eu tava falando de sede de uma empresa. E "leite" ele leu com um "e" aberto, como se eu fosse mineira — eu sou paulista, pô.

Fiquei olhando pra tela, sem acreditar. Isso é clonagem ou é trote? Quase fechei a aba.

Primeiro fracasso: os tons são uma roleta-russa

Escutei três vezes, cada vez mais incrédula. Na minha gravação, eu falo "banco" com o som fechado, mas ele insiste no aberto. Fiquei gritando com o notebook: "Cara, essa é a MINHA voz! Aprende comigo, porra!"

Aí fui entender como funciona. Esses sintetizadores de voz grátis extraem as características da sua voz e depois usam um modelo de texto para fala. Mas a parte de interpretar o texto é toda estatística: ele vê a palavra "banco" e chuta o tom mais comum. Não tem noção de contexto. É tipo um amigo inteligente, mas sem noção nenhuma.

Na hora, bateu um desânimo. Pensei: "Ah, então esses geradores de voz gratuitos são tudo assim, né? Só servem pra inglês ou espanhol." Mas aí lembrei que eu tinha gravado o áudio e tudo mais. Não ia desistir assim.

Segunda tentativa: descobri que dá pra ajustar os tons na mão

Fui fuçar o site e achei um botãozinho chamado "Configurações avançadas". Fica embaixo da caixa de texto, meio escondido. Cliquei e apareceu uma lista de palavras problemáticas: "banco", "sede", "leite", "moleque"... Todas com opções de tom.

Testei: marquei "banco" com tom fechado, "sede" com tom de empresa, e "leite" com o "e" fechado. Gerei de novo. Funcionou! A voz ficou natural, com aquele sotaque preguiçoso que eu tenho no fim da tarde.

Foi aí que percebi: o clonar minha voz online não é burro — ele só não adivinha o que você quer. Você precisa ensinar. É como conversar com um gringo que fala português perfeito, mas não entende gíria: você tem que explicar tudo.

Por que um serviço grátis exige esse trabalho todo?

Pensa comigo: os TTS gigantes da Google, da Microsoft, eles têm milhões de horas de áudio anotado por humanos. Por isso acertam os tons sozinhos. Um clonador de voz grátis, que ainda te deixa clonar sem pagar nada, não tem esse luxo. Ele te entrega a ferramenta e diz: "Ó, o problema é seu."

Mas o problema é que a gente não sabe que precisa fazer isso. Eu quase desisti. Se não tivesse fuçado, teria ido embora falando mal. Isso me lembrou que muitos serviços de locução automática gratuita têm funções boas, mas escondidas atrás de menus mal explicados.

O jeito certo de ajustar os tons (testado e aprovado)

Depois de alguns testes, descobri uns macetes que funcionam:

  • Sempre que tiver dúvida, joga a palavra no Google Tradutor ou num dicionário online pra ver a pronúncia. Exemplo: "moleque" — o "e" é aberto ou fechado? Depende da região.
  • Se a mesma palavra aparece várias vezes com sentidos diferentes, você tem que ajustar cada uma. Tipo: "Ele mora na sede da empresa" — aqui "sede" é com "e" fechado. Mas "ele está com sede" é com "e" aberto. O sistema não sabe disso.
  • Não tenha preguiça. Você ajusta uma vez, e o áudio fica salvo. Eu já deixei vários textos prontos no meu text to speech português grátis favorito, com todos os tons corrigidos. É só copiar e colar.

Armadilha: marcar o tom errado é pior do que não marcar

Numa vez, fui rápida demais e só ajustei "banco", mas esqueci do "sede". Resultado: ele leu "sede" como vontade de beber, no meio de um texto sobre empresa. Quase cuspi o café.

Outra vez, usei números (1, 2, 3, 4) pra indicar os tons, achando que funcionava. Não funcionou. O site pedia símbolos como ´ ` ^ ~, ou então escrever a palavra com acento. Aprendi da pior forma.

Esses detalhes ninguém te conta, mas depois que você erra, nunca mais esquece.

Pra quem tá começando: não se assusta, tenta de novo

Eu sei que quando a gente vê "grátis", já pensa que vai ser ruim. Mas esse clonador de voz grátis que achei tem uma qualidade de voz muito boa — o problema é só os tons. Depois que você passa dez minutos entendendo o painel, fica tudo redondo.

E o melhor: ele aceita textos longos. Você cola um capítulo inteiro e ele lê tudo, sem precisar gravar frase por frase. Foi assim que eu mandei um áudio de três minutos pra minha amiga, com a minha voz (ou quase), e ela respondeu: "Nossa, você melhorou da garganta?"

Eu respondi: "Não, foi a IA." Ela ficou chocada e me pediu o link. Mandei o clonar voz grátis e falei: "Não precisa cadastrar, só gravar dez segundos." No dia seguinte, ela já tava usando e reclamando dos mesmos tons. Aí eu passei todas as minhas dicas.

Se você quiser testar, não deixa o primeiro erro te afastar. Ajusta os tons duas, três vezes, e você acostuma. Aliás, que tal abrir o gerador de voz gratuito agora, gravar sua voz e testar com um texto cheio de "banco", "sede" e "leite"? Eu garanto que você vai rir — e depois vai conseguir usar de verdade.

E aí, bora clonar essa voz?