Sábado passado, mexendo numa gaveta lá de casa, encontrei um velho Walkman da década de 90. A fita estava mofada, com as bordas esbranquiçadas. Eu só queria um carregador velho, mas quando apertei o play, a sala inteira se encheu com a voz da minha avó — ela cantava uma moda de viola, parou no meio, tossiu duas vezes. Fiquei sentado no sofá segurando aquele plástico gelado por um bom tempo. Fazia um ano que ela tinha ido embora.

Eu não sou engenheiro de áudio, não gastei um centavo com restauração profissional. Usei um celular, um app de gravação e um site de clonagem de voz grátis que achei por acaso. Este texto não é sobre especificação técnica. É sobre como, em 2024, qualquer pessoa comum consegue usar texto para voz grátis e trazer de volta um pedaço da memória que estava prestes a sumir.

Uma fita mofada e três áudios de WhatsApp

O começo foi mais bagunçado do que eu esperava.

Aquele Walkman era dos anos 90, com o fone de ouvido todo zoado e a rotação instável. No meu bolso, um iPhone 6s aposentado guardava três mensagens de voz que minha avó mandou em 2019. A mais longa, 47 segundos, era ela me avisando: "Menino, esfriou aí, o casaco tá na segunda gaveta do guarda-roupa." Só isso. Nada de gravador profissional, nenhum backup em estúdio. Uma fita mofada e um celular velho.

Aposto que muita gente tem o mesmo cenário em casa: a voz dos mais velhos espalhada em aparelhos antigos, esperando o dia em que você tropeça nela e fica sem chão.

Transformar o "sinal analógico" em arquivo: mais chato do que parece

Meu primeiro erro foi clássico: coloquei o áudio pra tocar no celular e gravei com outro. O resultado parecia a minha avó cantando dentro de uma caverna. Aí eu fui atrás de um cabo P2, liguei o Walkman direto na entrada do microfone do celular, e usei o Audacity pra reduzir o chiado e o zumbido. Foram duas noites inteiras até conseguir um áudio minimamente limpo.

Não tem atalho. Se você também tem fitas em casa, fica a dica: antes de tocar, limpe a cabeça de leitura com um cotonete e álcool isopropílico. E grave com o ar-condicionado desligado, de preferência a geladeira também — esses ruídos até dá pra reduzir depois, mas nunca somem de vez.

Nessa hora eu ainda só queria guardar a voz. Nem pensava em text to speech português grátis ou em gerador de voz gratuito. Mas sabia que um MP3 não bastava. Eu queria que ela "falasse" de novo.

Afinal, o que é clonagem de voz? (Em miúdos)

Muita gente confunde com um efeito de voz, tipo um filtro. Não é isso.

Um clonar voz grátis funciona assim: a IA aprende o timbre, os maneirismos e o ritmo de respiração de uma pessoa. Você dá alguns minutos de áudio limpo, ela cria um modelo, e depois qualquer texto que você digitar sai lido com a voz daquela pessoa.

Eu usei um site de voz sintética sem cadastro que achei no Google. Subi um trecho de dois minutos, esperei uns três minutos, e o modelo ficou pronto. Essas ferramentas de clonar minha voz online são boas justamente porque não exigem instalar nada. Você sobe o áudio, treina, exporta — tudo no navegador.

Se você tiver um áudio de qualidade razoável, dá pra testar direto na página de clonagem. Eu acabei usando o site principal porque o fluxo é reto: sobe, clona, baixa. Pra quem não quer dor de cabeça, é o suficiente.

Meu teste real: fazer minha avó perguntar "cê comeu?"

Quando o modelo ficou pronto, a primeira coisa que digitei foi uma frase bem do dia a dia:

"Fio, já comeu? Tá frio, agasalha."

Apertei o botão de sintetizar e meu coração acelerou.

Três segundos depois, fones de ouvido com a voz dela. O timbre bateu em uns 80%, mas o que me arrepiou foi uma pausa: ela sempre dava uma respirada antes do "já", e a IA pegou isso. E aquele cantado mineiro no final da frase — parece que alguém me segurou pelo pescoço.

Claro, não ficou perfeito. Algumas palavras saíram com uma pronúncia "correta" demais, sem aquele sotaque caseiro. Mas naquele momento eu tive certeza: a voz ia grátis já tá num nível que carrega emoção de verdade. Não é mais brinquedo de laboratório.

Testei um monte de ferramentas — e os erros que você não precisa repetir

Pra achar a que mais parecia com ela, passei por uns sete ou oito sites. Tinha um que prometia clonagem de voz grátis ilimitada, outro que era narração ia grátis, e ainda baixei uns programas de sintetizador de voz grátis. No fim, quatro lições:

  • Áudio limpo é tudo. A fita tinha chiado, e a voz clonada saiu com uma textura de lixa. Se o seu áudio tem ruído, gaste meia hora limpando antes — vale mais que trocar de ferramenta.
  • Sotaque é um desafio. A maioria dos sites lida bem com o português padrão, mas se você fala mineirês, nordestino ou gaúcho, eles tendem a "corrigir" pra norma culta. Fica parecido, mas não é igual.
  • Cuidado com o "grátis" enganoso. Alguns dizem locução automática gratuita, mas o áudio sai com marca d'água. Outros deixam você usar três vezes sem cadastro e depois pedem CPF. Pra uso contínuo, tem que ver se a ferramenta é honesta.
  • Privacidade é questão de vida ou morte. A voz da sua avó é dado pessoal sensível pela LGPD. Antes de subir, eu li a política de privacidade. Alguns sites de clonar voz grátis duvidosos podem usar seu áudio pra treinar modelos de terceiros.

Se você quiser ir além e montar um fluxo próprio, dá pra explorar a função de síntese dinâmica. Ela oferece mais flexibilidade pra quem quer brincar com voz sintética sem cadastro via API. Mas pro uso doméstico, o site simples já resolve.

O mais difícil não é a tecnologia, é o "parece com ela"

Depois de uma semana, percebi que o maior problema não era o modelo. Era a IA tentando "corrigir" a minha avó.

Ela tinha um costume: no fim de cada frase, soltava um "né" bem característico. Tipo: "cê vai, né". Muitas ferramentas tratam isso como ruído e cortam. Mas na minha cabeça, aquele "né" era a assinatura dela.

Aí comecei a escrever o texto com vírgulas, travessões e quebras de linha pra "enganar" o algoritmo. Escrevia: "Cê vai — né. Fio, obedece — né." Funcionou, mas foi uma luta.

Isso me fez pensar: quando a gente clona uma voz, o que a gente quer? A pronúncia perfeita, ou a pessoa exatamente como ela era? A tecnologia quer otimizar, mas a memória afetiva mora nos defeitos.

O produto final: 60 segundos no grupo da família

Depois de duas semanas, montei um áudio de 60 segundos. Não era nada complexo: minha avó, com a voz dela, lendo um textinho que escrevi sobre o verão na casa velha, a rede, o rádio que ela vivia esquecendo de desligar. Mandei no grupo da família com a legenda: "A vó mandou um recado via tecnologia."

Em cinco minutos, o grupo explodiu. Meu tio ligou na hora — um homem de cinquenta anos chorando sem conseguir falar. Minha prima, que mora no Canadá e nunca conheceu a avó, respondeu: "Então era isso que minha mãe sentia falta."

Aí eu entendi que não era mais sobre clonagem de voz grátis ou dublagem com ia grátis. Era uma carta digital pra família.

Avisos de quem já passou por isso

Um mês de experiência me deixou com alguns alertas.

Primeiro: não exagera. Conheço gente que clonou a voz do pai falecido e fica tocando todo dia pra mãe, achando que tá confortando. Na real, tá reabrindo ferida. A voz é uma âncora de memória, não um remédio.

Segundo: cuidado com golpe. Já tem caso de golpe usando IA de voz. Se você clonou a voz de alguém da família, não fica espalhando o áudio original em grupo aberto. O que vai parar na internet pode ser usado contra você.

Terceiro: se a pessoa ainda tá viva, pede licença. Minha avó não tá mais aqui, então a decisão foi minha. Mas se o seu parente tá vivo, conversa antes. É ética, e é a lei.

Se você chegou até aqui e lembrou da voz de alguém, não fica só na saudade.

Hoje à noite, abre a gaveta, mexe no celular velho, procura as mensagens de voz no WhatsApp. Num fim de semana tranquilo, usa um clonador de voz grátis e sobe o áudio mais limpo que você tiver. Não precisa ser perfeito. Se for só pra ouvir aquela frase de novo, já muda tudo.

A tecnologia guarda a onda sonora. Mas quem te cobria com cobertor nas noites frias, isso ninguém traz de volta. Então, aproveita enquanto dá: grava mais uns segundos hoje.