Gravei a voz da minha avó com o carro do ovo passando na rua — e o clone saiu parecendo um robô gripado

Gravei a voz da minha avó com o carro do ovo passando na rua — e o clone saiu parecendo um robô gripado

Você já tentou clonar a voz de alguém e o resultado pareceu a pessoa falando de dentro de um túnel, gripada e com um caramelo na boca?

Foi exatamente isso que me aconteceu.

Minha avó tem 84 anos e fala um caipira do interior de Minas que quase ninguém da minha geração fala mais. Aquele "uai" arrastado, o "nós vai", o "ó, minha filha" abrindo toda frase. Pensei: antes que essa voz desapareça, vou gravar e montar uma carta falada — um audiolivro caseiro, com voz de IA grátis, pra tocar todo dia 24 de dezembro.

Peguei o celular, sentei na cozinha e gravei meia hora.

Detalhe: a panela de pressão estava chiando. O carro do ovo passou com o alto-falante na rua. E o caminhão do gás resolveu aparecer duas vezes.

Joguei tudo no clonador mesmo assim.

A culpa não era da ferramenta. Era do áudio.

Minha primeira reação foi típica: trocar de ferramenta. Testei site, testei programa pra instalar, testei as opções de clonar voz grátis, testei as pagas. Umas seis, sete.

Todas com o mesmo sotaque de túnel.

Foi aí que eu aceitei o óbvio. O modelo não estava com defeito — eu tinha alimentado ele com meia hora de lixo sonoro. Nos meus trinta minutos de gravação, a voz da minha avó devia ocupar uns 30%. O resto era panela de pressão, cachorro latindo, alto-falante de rua e a reverberação do azulejo.

A ferramenta aprende o que você entrega pra ela. Ela aprendeu direitinho a imitar a panela de pressão também.

Meus três erros, cada um mais bobo que o outro

Erro 1: gravar na cozinha. Cozinha é o pior lugar da casa. Azulejo, janela de vidro, panela de metal — o som fica batendo de um lado pro outro. E o caipira vive de detalhe de entonação. Com reverberação, toda aquela subida e descida da voz vira uma linha reta. Descobri depois que um quarto pequeno, janela fechada, cortina puxada e um cobertor na cama entrega um resultado dez vezes melhor.

Erro 2: pedir pra ela "ler um texto". Imprimi a carta que eu tinha escrito e pedi pra ela ler em voz alta. Ela leu devagar, travada, quase soletrando. Parecia criança na aula de leitura. Ninguém fala assim. O encadeado, o "engolir" o final das palavras, aquele "ê" comprido no fim da frase — tudo isso sumiu na leitura. O clone saiu "correto" demais. E correto não é ela.

Erro 3: achar que quanto mais tempo, melhor. Gravei 30 minutos achando que estava garantindo material. Tinha menos de dez minutos aproveitáveis. E o celular ficava apoiado na bancada, ora perto ora longe da boca — o volume subia e descia o tempo todo. Com material assim, o modelo só consegue pegar o contorno geral.

No dia da regravação, eu fiz o dever de casa

Uma semana depois, levei minha avó pro quarto dos fundos da casa da minha irmã. Dessa vez:

• Celular numa pilha de livros, a uns 20 cm da boca, sem mexer
• Janela fechada, ar desligado, cortina puxada, celular em modo avião
• Nada de leitura: eu perguntava, ela conversava — "como era o Natal quando a senhora era menina?", "como sua mãe brigava com a senhora?"
• Sessões de 5 a 8 minutos, ouvindo na hora e refazendo se tivesse barulho
• No fim, uns 20 minutos limpos, divididos em quatro sessões

Antes de sintetizar, colei o texto da carta num texto para voz grátis online só pra ouvir como soava. Quem procura text to speech português grátis acaba fazendo isso naturalmente — não custa nada, então dá pra testar à vontade. E ajudou muito: as interjeições ("uai", "vixe", "ó", "né") são a alma da carta, e eu precisava saber onde elas caíam bem.

Na hora oficial, subi os 20 minutos e esperei alguns minutos. A primeira frase saiu e minha irmã, que estava do lado, travou.

Aquele "ó, minha filha", com o final descendo e um pouquinho rouco.

Era ela.

Depois que a carta ficou pronta

Dividi tudo em 26 trechos, de uma ou duas frases cada, da infância dela até a parte em que ela conta como me criou. Com tantos trechos, precisei de um gerador de voz gratuito que não travasse no meio do caminho — nada mais chato que gerar 15 pedaços e o negócio parar. No VoxClone é voz sintética sem cadastro: abre a página e usa, sem instalar aqueles "pacotes de clonagem" duvidosos que aparecem em busca aleatória. Isso salvou minha irmã, que não tem nada instalado no computador — ela só abriu o navegador, e clonar minha voz online deixou de ser mistério pra ela.

Um conselho: não persiga áudio perfeito. Deixei respirar, deixei um estalinho de boca aqui e ali, e ficou muito mais humano. Limpo demais vira locução de rádio — e a sua avó não é locutora.

Se o sotaque for muito fechado, nem com material limpo vai sair idêntico. Não brigue com a ferramenta: escolha os trechos em que ela está mais solta e treine o clone com eles. O resto da carta pode ir numa versão mais neutra, misturada. A família nem percebe.

Se for volume grande — tipo 50 trechos —, dá pra rodar por API e deixar a fila trabalhando sozinha, o que na prática é locução automática gratuita em escala. Pra quem faz isso uma vez por ano, como eu, clicar no navegador resolve.

Ah, e vale dizer: o mesmo truque serve pra dublagem com IA grátis de vídeos curtos, Reels, TikTok, e pra narração com IA grátis de canal no YouTube. Não é só pra carta de família.

Perguntas frequentes

Já gravei material com barulho. Tem salvação?

Tem, um pouco — mas sem ilusão. Passa um redutor de ruído, corta no editor os pedaços com barulho e guarda só o que estiver limpo. Se sobrar menos de três minutos de material bom, regrave. Regravar leva duas horas; consertar áudio ruim pode levar duas semanas e ainda sair meia-boca.

Clonar sotaque é muito mais difícil que clonar voz "neutra"?

É, e a diferença é dado. O modelo já viu português padrão até cansar; caipira do interior de Minas, quase nada. Então cada segundo que você entrega precisa ser puro. Fora que o sistema de tons do sotaque é mais complexo — tem subida e descida que no português padrão nem existem. Mais amostra, e de conversa espontânea, não de leitura.

Até onde vai uma ferramenta gratuita?

Depende do que você quer. Pra carta falada de família, narração de vídeo, audiolivro com voz de IA grátis pra ouvir no carro — o nível atual da clonagem de voz grátis me surpreendeu. Pra gerar muita coisa de uma vez, um sintetizador de voz grátis com fila de processamento dá conta. Agora, se você precisa de dublagem comercial, texto longo e estável, aí é outro papo — aí é plano pago. Pra uso de gente comum, o caminho grátis basta. Deixei mais material no guia de tutoriais pra quem quiser fuçar.

Não espere

Minha avó partiu no ano passado.

A carta está no meu celular e numa pasta na nuvem. No último dia 24 eu coloquei pra tocar: minha mãe chorou, e minha sobrinha de cinco anos perguntou "quem é que tá falando?".

Ela não entendeu nada. Tudo bem. Quando crescer um pouco, eu conto: é a voz da bisavó dela, é o jeito que o povo da nossa família falava.

Se você tem uma avó, um avô, um pai que fala um português que está sumindo, não espere o momento certo. Escolhe um sábado à tarde, desliga o ventilador, apoia o celular em cima de uns livros e pergunta: "como era o Natal quando você era criança?". O resto, a ferramenta faz.