Um amigo me perguntou se a locução do meu vídeo era voz humana — era clonagem de voz grátis

Quarta-feira, quase meia-noite, o celular vibrou. Era o Rodrigo, no WhatsApp, uma linha só: "quem tá falando no teu vídeo da garrafa térmica?"

Eu tinha postado aquele Reels umas seis horas antes. Respondi: é IA. Ele mandou três pontos de interrogação seguidos. "Não é possível, a respiração, as pausas... parece gente de verdade."

Confesso que dei uma risadinha de canto. Dois anos atrás eu também tentei narração automática e o resultado parecia aviso de estação de metrô — "próxima estação, desembarque pelo lado direito". Colocar isso num vídeo de produto é pedir pra perder o cliente no primeiro segundo. Dessa vez eu usei clonagem de voz grátis, treinada com três minutos da minha própria voz gravados no celular, dentro do armário. De lá pra cá, é ela que narra tudo.

Locução ruim derruba mais que imagem tremida

Quem vende online conhece o trio: foto, descrição e vídeo. Os dois primeiros ainda dá pra salvar no Canva. O vídeo se entrega no instante em que alguém abre a boca.

Já vi cada coisa... imagem limpa, trilha bem escolhida, corte no tempo certo — e aí entra a voz: robótica, sempre no mesmo ritmo, cada sílaba mordida com força, tipo leitura de bula de remédio. O dedo do usuário desliza pra cima em um segundo e meio.

O problema é que locutor de verdade custa caro e demora. Um vídeo de 30 segundos com profissional sai por 80 a 300 reais, e cada mexida no texto é cobrança nova. Loja que precisa publicar cinco criativos por dia não aguenta esse ritmo. E voz de robô afasta. O meio do caminho é exatamente o que um gerador de voz gratuito bem feito entrega hoje.

Nem todo "grátis" serve — e eu testei vários

Vou direto ao ponto: o que sai mais caro numa ferramenta gratuita é o seu tempo.

Testei uns sete ou oito. Alguns se anunciavam como sintetizador de voz grátis e travavam em 30 segundos de áudio — passou disso, cai na tela de assinatura. Outros exigiam cadastro, confirmação de e-mail, número de celular... quando terminei o processo, o vídeo já estava editado há meia hora. Teve ainda um que inseria um sussurro a cada dez segundos: "este áudio foi gerado por...". Inutilizável.

Foi um amigo editor que me mandou o link do VoxClone. Entrei desconfiado, porque prometer clonagem de voz grátis pra sempre é o tipo de coisa em que ninguém acredita. Só que abriu e... nada de cadastro. Você grava ou sobe o áudio, espera alguns minutos, e o timbre aparece. Voz sintética sem cadastro, pra mim, não é luxo: eu edito muito na casa de cliente, no computador deles, e não vou criar conta só pra gerar uma frase.

A lógica por trás é simples. Você entrega uma amostra limpa da voz, ela aprende o timbre, você joga o texto e recebe o áudio de volta. No text to speech português grátis, o que mais me surpreendeu foi a pontuação — vírgula e reticências viram pausa de verdade, e os "né", "tá", "então" não saem com aquela dureza de sintetizador antigo.

Meu fluxo hoje, do roteiro ao export

Quatro passos, nada sofisticado:

  • Escrevo o roteiro marcando onde eu respiraria, sem frase acima de 15 palavras
  • Jogo o texto no texto para voz grátis e escolho o timbre que já treinei
  • Exporto o áudio e arrasto pro CapCut, alinhando com o corte
  • Na frase do argumento de venda, adiciono 0,2s de silêncio na mão

Parece fácil e é — mas tem detalhe que faz diferença.

O roteiro, por exemplo, precisa soar como conversa. "Este produto é fabricado em aço inox 304 de grau alimentício" vira desastre na boca da IA. Troque por "o interior é inox 304, esquenta a água e não deixa gosto". Mesmo timbre, resultado completamente outro. Se você só quer ouvir o ritmo do texto antes de gravar, converter texto para fala com narração ia grátis já resolve.

E não espere acertar de primeira. Eu gero duas ou três versões e fico com a de cadência mais confortável. Como é voz ia grátis, gerar de novo não dói no bolso — bem melhor que ferramenta que cobra por caractere.

Amostra limpa é outra coisa que ninguém avisa. Na primeira vez gravei na sala, com ar-condicionado ligado, e o zumbido entrou no treinamento: cada palavra saía com um "hmmm" atrás. Depois gravei entre as roupas do armário e a diferença foi gritante. Esse truque aparece em mais tutoriais também.

Um caso que me chamou atenção: uma amiga que vende petiscos naturais tem a voz muito aguda, nada a ver com o tom acolhedor que o nicho pede. Ela clonou a própria voz, baixou um pouco o tom e misturou com a do marido. Saiu algo entre os dois — sem problema de direitos, porque são as duas pessoas autorizando, e com muito mais calor que qualquer voz genérica. Isso com clonar minha voz online, coisa que dois anos atrás eu não imaginava.

E pra quem produz conteúdo longo: audiolivro com voz ia grátis é o uso que mais cresce entre conhecidos meus. Um deles publicou um ebook de 90 páginas em áudio no Spotify, narrado com a própria voz clonada, num fim de semana. Dublagem com ia grátis pra Reels em espanhol também rola — ele mantém o timbre e troca só o idioma.

As perguntas que mais me chegam

Precisa entender de tecnologia pra clonar a voz?

Não. Juro. Sem modelo, sem placa de vídeo, sem linha de código. Você sobe de 1 a 3 minutos de áudio limpo e espera. Entre as opções de clonar voz grátis que testei, essa foi a de caminho mais curto — abre a página e usa, sem etapa de verificação.

E se a ferramenta virar paga do nada?

O medo é legítimo. O que eu faço: guardo o áudio original de cada timbre no HD externo. Se um dia mudar, treino em outro lugar e perco uns quinze minutos. Até agora, com uns seis meses de uso, não apareceu limite de caracteres nem de duração — e locução automática gratuita sem teto é raro.

Posso usar comercialmente? Alguma plataforma reclama?

Uso direto nos vídeos da loja e nunca tive problema, porque a voz é a minha — na prática, eu autorizo o uso de mim mesmo. Agora, se você clonar a voz de outra pessoa, precisa de autorização por escrito, sem discussão. Ah, e se você mexe com código, existe API de síntese de voz gratuita pra gerar dezenas de variações de SKU em lote. Ainda não explorei a fundo, mas está na minha lista pro mês que vem.

Enquanto isso...

Voltando ao Rodrigo. Depois que expliquei, ele ficou quieto um tempo e perguntou: "e eu posso usar a minha voz também?"

Pode. Falei pra ele entrar em https://pt.web666.cc/ e testar — dez minutos e ele saberia. Na manhã seguinte chegou um áudio de 20 segundos: a voz dele vendendo o chá da loja dele, com um tom meio convencido, admito.

Então, se você está travado na locução dos vídeos, pare de decidir se contrata locutor. Grave três minutos da sua voz hoje, no lugar mais silencioso da casa, e teste. O custo de errar é praticamente zero. A parte difícil nunca foi a ferramenta — é reescrever o roteiro pra parecer conversa e não catálogo.