Eram quase onze da noite de uma quarta quando o Rafael me mandou um áudio de oito segundos no WhatsApp. Uma voz feminina lia a descrição de um fone bluetooth, tranquila, com uma respiração leve no meio da frase. Logo depois veio o texto: “Essa voz é de locutora de verdade, né?”

Não. Eu tinha gerado aquilo com clonagem de voz grátis em menos de dois minutos. Sem instalar programa, sem criar conta.

Ele ficou uns três segundos sem responder. Aí soltou a pergunta que eu não esperava: “E na hora de exportar, você escolhe MP3 ou WAV?”

Sinceramente? Essa pergunta é bem mais difícil de responder do que “parece gente de verdade?”.

Como a gente foi parar no formato do arquivo

O Rafael trabalha com página de produto em e-commerce. Ultimamente ele está montando áudios de explicação para uma leva de itens. Antes, pagava locução terceirizada: oitenta reais por trinta segundos, mais trinta a cada ajuste. Um dia eu abri o gerador de voz gratuito aqui do site na frente dele, colei um texto e apertei play. Ele travou.

“Sem cadastro? Sem marca d’água? E é clonar voz grátis mesmo?”

Entendo o espanto. Já testei uns oito sintetizador de voz grátis por aí. A maioria te dá um punhado de caracteres e depois começa a empurrar plano. Ou exporta com aquele chiado de watermark. Ferramenta com voz sintética sem cadastro e sem limite de uso ainda é exceção.

Mas quando ele foi fazer sozinho, travou de novo. Digitou o roteiro na página de texto para voz grátis, clicou em exportar e viu duas opções de formato. Aí parou. Muita gente procura “text to speech português grátis”, testa dez sites, discute qual voz soa mais natural... e no último clique escolhe o formato no chute. É uma pena, porque é ali que se decide se o áudio vai durar ou vai virar dor de cabeça.

MP3 e WAV: a diferença não é “soa melhor ou pior”

Vamos derrubar uma confusão comum.

WAV não é “qualidade superior”. É “sem compressão”. MP3 não é “qualidade ruim”. É “compressão com perda, mas feita de um jeito esperto”. A relação lembra RAW e JPEG: não é um melhor que o outro, é uso diferente.

WAV guarda os dados originais de amostragem. O arquivo fica enorme. Um minuto em 44,1 kHz / 16 bits passa fácil de 10 MB. O mesmo minuto em MP3 a 128 kbps fica perto de 1 MB; a 320 kbps, uns 2,4 MB.

E o que esse peso extra compra? Compras capacidade de edição. Se você vai jogar o áudio num editor para tirar ruído, mudar velocidade, mixar com trilha, cortar e colar, o WAV aguenta o tranco. O MP3 perde um pouco a cada exportação. Depois de três rodadas de corte, os “s” e “t” começam a ficar ásperos.

Por outro lado, se o destino é só subir num Reels, mandar no grupo da família ou colocar num player de site, aqueles 10 MB de WAV são desperdício. A plataforma vai recomprimir de qualquer forma. Você fez força à toa.

Meu costume, na prática

Depois de alguns anos produzindo conteúdo, virei bicho de reflexo:

  • Vai passar por editor de áudio? Exporto WAV.
  • Vai direto para entrega, grupo ou plataforma? MP3 320 kbps.
  • Fiquei na dúvida? Gero WAV, guardo, e converto depois se precisar.

O terceiro item entrou na lista depois de um erro. Entreguei um MP3 para um cliente, ele pediu para “abaixar a trilha”. Peguei o MP3 e editei. A voz saiu abafada, sem brilho. Tive que gerar tudo de novo. Aprendi.

Falando em gerar: quando o assunto é narração ia grátis, o mais prático é rodar uma vez e salvar nos dois formatos. Como dá para fazer locução automática gratuita quantas vezes quiser, refazer leva menos de um minuto. Não vale arriscar a qualidade para economizar espaço em disco.

Também serve para quem faz dublagem com ia grátis de vídeos curtos — nesse caso, o MP3 320 kbps já dá conta do recado na maioria das vezes.

E se você pretende conectar a voz a um programa, rodar em lote, aí é obrigatório guardar o arquivo sem perda na origem. A página de clonar minha voz online tem chamada de API que devolve o áudio direto em WAV. Aí você decide depois o que fazer. Guardar sem perda na fonte sai muito mais barato do que tentar consertar depois.

Aliás, se o projeto é audiolivro com voz ia grátis, isso vale em dobro. Audiolivro costuma passar por normalização, equalização, ajuste de capítulo. Começar com WAV evita aquele som de “arquivo cansado” no meio do livro.

Perguntas que eu já respondi umas cinquenta vezes

MP3 soa mais “voz de IA”?

Não. Ou melhor: o formato não é o fator decisivo. Uma voz parecer artificial normalmente vem de pontuação esquisita no texto ou de timbre que não combina com o conteúdo — tipo uma locução de telejornal lendo um post engraçado. Seja com voz ia grátis ou com sintetizador mais parrudo, a naturalidade já passou faz tempo daquela fase “dá para ouvir de longe que é robô”. A diferença de formato quase não aparece no alto-falante do celular.

Para TikTok e Reels, WAV não fica grande demais?

Fica. TikTok, Reels, YouTube Shorts e companhia têm limites implícitos de upload e ainda recomprimem tudo. Você sobe WAV, a plataforma transforma em AAC. Para vídeo curto, MP3 320 kbps resolve. Não brigue com a plataforma.

Dá para editar o arquivo exportado depois?

Dá, mas cada edição cobra um preço no MP3. Se for só cortar silêncio do começo e do fim, tudo bem. Se for mudar velocidade, tom, reduzir ruído, melhor voltar na página de clonar voz grátis e gerar um WAV novo. Essa é a vantagem de poder clonar minha voz online sem cadastro: o custo de refazer é tão baixo que não faz sentido insistir num arquivo já castigado.

O que eu respondi para o Rafael

No fim, mandei isto: “Exporta um WAV para arquivo e um MP3 320 kbps para entregar.” Ele riu. “Você acha que alguém vai notar a diferença?”. Falei que não. Mas quando ele for mudar o texto daqui a três meses, vai entender por que o WAV estava lá.

Se você está parado na tela de exportação sem saber o que escolher, não fique pensando. Pegue um texto de trinta segundos, gere duas vezes com texto para voz grátis — uma em MP3, outra em WAV. Ouça de fone. Jogue no editor e corte uma pontinha. Cinco minutos fazem mais do que dez tutoriais.

E se quiser evitar outras pedras em que eu já tropecei, dá uma olhada nos mais tutoriais. Tem bastante coisa lá.