Clonar minha voz grátis: como resolvi o IVR da loja sem gastar R$ 8 mil
São 7h12 de uma terça-feira e eu estou com o celular na mão, gravando a mesma frase pela quinta vez: "Para falar com o setor de vendas, digite 1". O problema não é a frase. É que a locutora que gravou o IVR da minha loja de material de construção pediu demissão, e o novo menu que eu preciso colocar no ar tem três opções a mais. O fornecedor que fez o sistema original me passou um orçamento de R$ 8 mil e prazo de duas semanas. Duas semanas. Eu tenho até sexta.
Foi aí que eu pensei: será que dá para clonar minha voz grátis e gerar esses áudios sozinho? Não sou locutor, nunca fiz dublagem, mas a voz do IVR é a minha mesmo — eu que gravei as primeiras mensagens, há três anos, num estúdio improvisado no fundo da loja. Se eu conseguir reproduzir aquela voz, o cliente nem percebe a diferença.
Este texto é o relato do que aconteceu. Não é review de produto, não é tutorial oficial. É o que eu fiz, os erros que cometi e o que eu faria diferente.
O teste com 5 segundos de áudio (e por que quase deu errado)
A primeira coisa que fiz foi abrir o navegador e procurar por clonar voz online grátis. Caí em vários sites, uns pediam cartão de crédito, outros pediam cadastro com e-mail e senha, outros simplesmente não abriam no meu notebook velho. Eu queria algo que funcionasse sem instalar nada, porque o computador da loja é bloqueado pelo TI (sim, eu tenho um "TI", que é o sobrinho da minha sócia).
Achei uma página que prometia clonar voz com inteligência artificial grátis, sem registro. Pensei: "deve ser furada". Mas resolvi testar. O processo pedia um arquivo de áudio com a minha voz. Peguei um trecho de 5 segundos que eu tinha gravado no WhatsApp, mandando um áudio para o fornecedor de cimento. Só 5 segundos. Achei que não ia dar em nada.
Deu em alguma coisa. A voz saiu parecida, mas com um chiado estranho no final e uma entonação meio robotizada. O problema não era o site — era o áudio de entrada. O WhatsApp comprime o áudio, tem barulho de fundo, tem eco da loja. Aí eu entendi: clonar minha voz grátis é fácil, o difícil é entregar um material limpo para a IA.
Gravei de novo. Dessa vez, usei o microfone do headset que eu uso para atender cliente no balcão. Fui para a sala dos fundos, fechei a porta, esperei o caminhão de areia passar. Gravação de 40 segundos, lendo um texto qualquer sobre argamassa. Subi no site. A diferença foi brutal. A voz saiu natural, com o meu sotaque de quem cresceu na Zona Leste de São Paulo, sem aquele chiado.
Sete tentativas até acertar o tom do "digite 1"
Aqui começa a parte que ninguém conta nos tutoriais. Clonar a voz é metade do caminho. A outra metade é fazer o texto gerado soar como um aviso de IVR de verdade, e não como um robô lendo bula de remédio.
Minha primeira versão do menu ficou assim: "Para falar com o setor de vendas, digite 1. Para o setor de entregas, digite 2. Para falar com o financeiro, digite 3." Simples, direto. Só que a IA leu tudo numa velocidade só, sem pausa entre as opções, e o "1" saiu quase inaudível. O cliente que liga para a loja está no barulho da rua, muitas vezes dentro do carro. Se a pausa não existe, ele não entende nada.
Tentei de novo, agora colocando vírgulas e pontos. Melhorou um pouco. Mas o tom continuava sério demais, parecia que eu estava anunciando falência. O IVR da loja precisa ser acolhedor, mas não meloso. É um equilíbrio chato de achar.
Na terceira tentativa, usei a configuração avançada do site, que permite ajustar o tom e a velocidade da fala. Baixei um pouco a velocidade e subi levemente o tom. Ficou estranho, parecia outra pessoa. Voltei ao padrão.
Quarta tentativa: escrevi os números por extenso. "Digite um", em vez de "digite 1". Aí a IA leu "um" como artigo, não como número. Ficou "Para falar com o setor de vendas, digite um". O cliente entende, mas soa amador.
Quinta: coloquei os números entre parênteses e escrevi "digite o número um". Ficou longo demais. O menu inteiro passava de um minuto, e ninguém aguenta um minuto de menu.
Sexta: voltei ao "digite 1", mas separei cada opção em um parágrafo próprio, com uma linha em branco entre elas. A IA entendeu a pausa. O áudio ficou bom, mas o "1" ainda saía abafado. Descobri que se eu escrevesse "digite 1." com ponto final, a IA dava uma entonação de descida, como se fosse fim de frase. Melhorou.
Sétima: a que ficou no ar. Texto curto, números com ponto final, uma linha em branco entre cada opção, e a palavra "opção" antes do número, só na primeira. "Para falar com o setor de vendas, digite 1. Para o setor de entregas, digite 2." Parece bobo, mas a pausa entre as frases foi o que resolveu. O cliente ouve, processa e digita sem precisar repetir.
O que eu aprendi sobre clonar voz com IA grátis (e o que ninguém te conta)
Vou ser honesto: a tecnologia de clonar voz com inteligência artificial grátis avançou muito. Hoje, com 30 segundos de áudio limpo, você consegue um resultado que engana fácil no telefone. Mas tem três coisas que eu só descobri na prática.
A primeira é que o áudio de referência precisa ser na mesma entonação do texto que você vai gerar. Se você grava o sample gritando ou rindo, a voz clonada vai sair com aquela energia. Eu gravei o meu sample lendo um texto neutro, e foi o que funcionou para o IVR. Se eu quisesse fazer um anúncio animado para o Instagram, teria que gravar outro sample.
A segunda é que pontuação é tudo. A IA não adivinha pausa. Ela lê o que está escrito. Se você escreve tudo grudado, ela lê tudo grudado. Vírgula, ponto, reticências — cada sinal vira uma respiração. Eu passei a escrever o texto do IVR como se estivesse escrevendo um roteiro de teatro, com marcações de pausa.
A terceira é que número é um problema. Cada IA lê número de um jeito. Algumas leem "1" como "um", outras como "primeiro", outras como "um real". No IVR, isso é crítico. A solução que encontrei foi testar cada número separadamente antes de montar o menu final. Parece perda de tempo, mas economiza uma ligação de cliente irritado.
O resultado final: R$ 0,00 e uma tarde de trabalho
O IVR entrou no ar na quinta-feira, um dia antes do prazo que eu tinha. Custo total: zero. Tempo gasto: uma tarde, contando as sete tentativas e o tempo de upload. O fornecedor que cobrou R$ 8 mil nunca soube. A locutora que pediu demissão mandou mensagem semana passada perguntando se eu tinha achado alguém. Respondi que sim, que eu mesmo tinha resolvido. Ela riu.
Mas não vou romantizar. O processo tem limites. A voz clonada não substitui uma locução profissional para um vídeo institucional ou um anúncio de TV. Para o IVR, que é uma voz de atendimento, funcionou perfeitamente. Para o Reels da loja, que eu também testo, o resultado é bom, mas ainda dá para notar uma diferença sutil na respiração. Nada que o cliente médio perceba.
Se você está pensando em clonar tua voz gratis para um projeto parecido, o caminho é esse: grave um sample limpo, de 30 a 40 segundos, em ambiente silencioso, com entonação neutra. Escreva o texto com pausas explícitas. Teste os números separadamente. E não tenha medo de errar sete vezes — eu errei, e o resultado final ficou melhor do que o orçamento de R$ 8 mil.
Ah, e uma dica que vale ouro: guarde o arquivo de sample original. Se um dia você precisar gerar um novo áudio, com a mesma voz, é ele que vai salvar você. Eu quase apaguei o meu achando que não ia usar de novo.
Ferramentas que usei e o que evitar
Não vou fazer propaganda de nenhum site específico, mas posso dizer o que funcionou para mim. Usei uma ferramenta online, sem instalação, que permite clonar voz online grátis e gerar o TTS na hora. O ponto forte foi a configuração avançada de tom e velocidade, que me deixou ajustar o "digite 1" sem refazer o sample. O ponto fraco foi a fila: em horário de pico, o áudio demorava uns dois minutos para processar. Nada que atrapalhe.
O que evitar: sites que pedem cartão de crédito para "teste grátis" e depois cobram mensalidade. Sites que pedem upload de documentos ou selfie para "verificação de identidade". E sites que prometem clonar uma voz gratis em 5 segundos sem nenhum ajuste — isso não existe. Clonagem de voz é como receita de bolo: o resultado depende do ingrediente.
Outra coisa: fique de olho na LGPD. A voz é um dado biométrico, e clonar a voz de outra pessoa sem autorização é crime. No meu caso, a voz é a minha, então não tive problema. Mas se você for clonar a voz de um locutor, de um funcionário ou de um cliente, tenha autorização por escrito. Isso não é burocracia, é proteção.
Se você quer começar hoje
O primeiro passo é simples: pegue o celular, vá para um lugar silencioso e grave 40 segundos lendo um texto qualquer, com a voz que você usa no dia a dia. Depois, abra uma ferramenta de clonagem de voz online grátis, suba esse áudio e gere uma frase de teste. Se o resultado te agradar, você já tem meio caminho andado.
Eu comecei assim, sem saber nada, e terminei com um IVR novo no ar e R$ 8 mil no bolso. Se eu consegui, você também consegue. Só não esqueça de testar o "digite 1" antes de publicar.