Transformei as histórias de ninar da minha filha em audiolivro: uma semana de texto para voz grátis e o tropeço que quase acabou com tudo

Terça-feira, 21h40. Minha filha encosta na porta do quarto com o Sítio do Picapau Amarelo debaixo do braço e dispara: "Pai, hoje deixa o celular contar? Sua voz tá estranha."

Estava mesmo. Duas semanas narrando toda noite e a garganta pediu demissão — amigdalite daquelas que fazem você engolir com força de vontade. Pensei: tá, vou testar texto para voz grátis e ver no que dá.

O primeiro resultado... como eu explico isso. Ela ouviu dois segundos, devolveu o celular e sentenciou: "Não é você."

E era a minha voz. Só que não era. Parecia eu lendo a ata de uma reunião, de máscara, num auditório vazio.

O vilão não era o modelo. Era o áudio de referência.

Comecei com um gerador de voz gratuito que pedia cadastro e número de celular. Subi um áudio de WhatsApp como referência — trinta segundos dizendo "ei, aquele orçamento a gente vê amanhã". O sintetizador de voz grátis devolveu uma coisa impecável na dicção e vazia de alma. Um estagiário de locução recém-formado.

Demorei pra cair a ficha: áudio de WhatsApp é comprimido, tem eco, tem chiado de rede. Você está pedindo um retrato a partir de uma foto tremida. Não tem modelo que salve.

Foi quando troquei para clonagem de voz grátis e regravei a referência. Mesmo modelo, resultado completamente outro. A diferença não estava na IA — estava nos vinte segundos que eu mandei pra ela.

Como gravar a referência pra não sair robô

Aqui eu quero ser bem específico, porque refiz isso quatro vezes.

Não grave na sala. Tem geladeira zumbindo, moto passando na rua, ventilador. Seu ouvido filtra isso sozinho, o microfone não filtra nada. Eu acabei gravando dentro do guarda-roupa — roupa absorve som, e o resultado ficou bom demais. Sem guarda-roupa? Cobre a cabeça com um edredom e grave embaixo.

Quinze a trinta segundos. Não exagere. Curto demais e o modelo não pega o timbre. Longo demais e ele aprende seus pigarros. Gravei quase dois minutos uma vez e cada frase terminava com um restinho de pigarro meu. Assustador.

Não leia nada. Essa é a parte contraintuitiva. Se você declamar um poema, sai locução de rádio. Fale como fala: "o que você quer comer hoje? Tem meio pote de morango na geladeira, se não comer estraga". Ritmo normal, com emoção, pode até rir no meio. O modelo aprende como você conversa, não como você recita.

Microfone a um palmo, inclinado uns 45 graus. Colado na boca dá estouro; longe demais pega a reverberação do quarto.

Grave três tomadas e escolha a melhor. Parece trabalho, mas são cinco minutos. Meu hábito agora é gravar três falas diferentes de uma vez e escolher a que mais parece "eu contando história".

Detalhe bobo que faz diferença: beba água morna antes. Com a garganta travada a voz oscila, e isso também vai pro modelo.

Ah, e o texto para fala que usei essa semana é voz sintética sem cadastro — abre e usa. Pra quem tem preguiça de preencher formulário e confirmar e-mail (eu), isso vale ouro. Já desisti de plataformas no meio do cadastro. E olha, clonar minha voz online sem criar conta parecia detalhe até minha amiga querer testar e travar na tela de registro. Fora que é clonagem de voz grátis de verdade, sem muro de créditos — pra quem faz história longa, um livro infantil tem duas, três mil palavras, e ferramenta com limite de caracteres não aguenta.

Minha rotina real da semana

Na segunda peguei três livros da pilha e digitei tudo no bloco de notas. No caminho, fiz três coisas:

  • Números por extenso. "3 porquinhos" vira "três porquinhos", senão sai "three".
  • Quebrei as frases longas e marquei vírgula e ponto onde eu respiraria. Pontuação é pausa.
  • Revisei palavras difíceis e homógrafos. Errou, a criança corrige na hora.

Depois sintetizar, ouvir, voltar e mexer na pontuação. As duas primeiras noites foram trabalhosas; da terceira em diante engatou — porque a referência já estava definida e só sobrava o texto. Uma passada de clonar voz grátis leva segundos. O que consome tempo é editar o roteiro.

No fim, o que eu queria era simples: um audiolivro com voz IA grátis pra minha filha, com text to speech em português grátis que não tropeçasse nos nomes próprios nem nas palavras compostas. Levei umas três tentativas até achar um ajuste de pontuação que resolvesse isso.

Sinceramente? Há dois anos eu não acreditava em narração IA grátis com essa qualidade. Achava que era teste de três dias ou áudio embolado. Hoje uso também pra dublagem com IA grátis de uns Reels que eu publico no Instagram e no TikTok — locução automática gratuita salvou meu domingo mais de uma vez. E o plano é ligar isso numa API e montar um contador de histórias automático... mas isso é buraco pra outro post.

Um alerta: caí numa armadilha. Plataforma anunciando voz IA grátis que, na versão free, sintetiza um minuto e depois te joga numa fila. Travei no meio da história com a criança esperando do lado. Constrangedor. Antes de escolher, confira se o "grátis" é ilimitado mesmo. Tem muito gerador de voz gratuito por aí que esconde a coleira em algum lugar.

FAQ

Quanto tempo de áudio de referência é o suficiente?

De quinze a trinta segundos, sendo que vinte é o ponto ideal na minha experiência. Menos de dez e o timbre fica instável; mais de um minuto e a chance de ruído entrar sobe muito. Se você não tem um lugar silencioso, prefira um trecho curto e limpo a um longo e sujo.

O microfone do celular resolve?

Resolve. Uso um celular de três anos e não consigo ouvir diferença para microfone externo. O que manda é o ambiente, não o equipamento. Gravar no guarda-roupa com o celular tende a sair melhor do que gravar na sala com microfone profissional.

Dá pra clonar a voz de uma criança?

Tecnicamente dá, mas eu não recomendo. A voz da criança ainda está mudando, o timbre é instável e fica difícil garantir uma boa referência. E tem outra coisa... ouvir uma criança contando história com a própria voz é meio esquisito. Prefiro a minha, mesmo imperfeita.

Se quiser ver como outras pessoas resolveram, tem mais exemplos aqui — li alguns e a lista de erros é bem honesta.

Antes de você fechar a aba

Minha rotina agora é essa: domingo à noite, vinte minutos, cinco livros sintetizados numa pasta. A criança escolhe qual quer ouvir. Quando a garganta aguenta, eu conto ao vivo — máquina nenhuma substitui isso.

Mas nas noites de amigdalite, a história não para.

Se você quer testar, não comece por um texto longo. Grave vinte segundos de referência, sintetize uma frase qualquer e escute. Parece você? Então siga. Não parece? Volta pro guarda-roupa. São dez minutos que decidem todo o resto.