“Essa voz é de locutor, né?” — como resolvi a narração dos vídeos de produto com clonagem de voz grátis

Segunda-feira, 23h47. O celular vibra. Era o Rodrigo, aquele amigo que vende suplemento no Mercado Livre: “Cara, quem narrou aquele vídeo da garrafa térmica?”

O vídeo tinha ido pro Reels e pro TikTok Shop às 16h. Respondi: “foi IA”. Ele mandou três interrogações seguidas. “Não é possível. Tem respiração, tem pausa, parece gente de verdade.”

Confesso que fiquei meio bobo. Dois anos atrás eu também tentei narração automática e o resultado parecia GPS de carro velho — “vire à direita na próxima conversão”. Colocar aquilo num vídeo de produto era receita pra perder metade da audiência. Dessa vez eu tinha usado clonagem de voz grátis com três minutos da minha própria voz como material de treino. Tudo que publiquei depois saiu com a minha voz. Só que não era eu falando.

Narração ruim derruba vídeo mais rápido que imagem tremida

Quem vende online sabe: foto, descrição e vídeo. Os dois primeiros ainda dá pra salvar no Photoshop. O vídeo se entrega no primeiro segundo em que alguém abre a boca.

Já vi isso mil vezes. Corte limpo, trilha boa, legenda caprichada… e aí entra a voz: mecânica, velocidade constante, cada sílaba apertada como se estivesse lendo bula de remédio. O dedo do usuário desliza pra cima em 1,5 segundo. Não tem segunda chance.

O problema é que locutor humano custa caro e demora. Uma locução de 30 segundos aqui no Brasil sai entre R$ 80 e R$ 250, dependendo do profissional, e cada revisão de texto é cobrada de novo. Uma loja que precisa publicar cinco criativos por dia não aguenta esse ritmo. E o sintetizador de voz grátis de dez anos atrás era simplesmente feio de ouvir. O meio do caminho — voz natural, sem custo, sem estúdio — é exatamente onde a clonagem de voz entra.

O que eu já perdi testando ferramentas “grátis”

Vou ser direto: o grátis mais caro que existe é o seu tempo.

Testei umas oito ferramentas. Uma limitava a síntese a 30 segundos e travava o resto atrás de assinatura. Outra exigia cadastro, confirmação de e-mail, telefone e CPF — quando terminei o processo, eu já tinha editado o vídeo inteiro na mão. Teve uma que inseria um chiado de marca d'água a cada dez segundos, e outra que falava no meio do áudio “esta locução foi gerada 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 que ninguém cumpre. Só que abriu e pronto: sem login, sem formulário, sem cartão. Você grava ou sobe um áudio, espera alguns minutos e o timbre aparece. Voz sintética sem cadastro é o detalhe que mudou minha rotina — eu costumo ajustar roteiro no notebook do cliente, e não vou criar conta em site nenhum só pra ouvir uma frase.

A lógica é simples, aliás. Você entrega um trecho de voz limpo, ele aprende o timbre, e depois é só colar o texto. No text to speech português grátis o que mais me surpreendeu foi a naturalidade das pausas — o “né”, o “ó”, o “tá” não saem travados como em gerador de voz gratuito genérico.

Meu fluxo hoje, do roteiro ao vídeo publicado

São quatro passos:

  • Escrevo o roteiro marcando os pontos de respiração, sem frase acima de 20 palavras
  • Jogo o texto no texto para voz grátis e escolho o timbre que já treinei
  • Exporto o áudio e levo pro CapCut, alinhando com as cenas
  • Na frase do preço, insiro 0,2 segundo de silêncio na mão

Parece banal, mas tem três detalhes que fazem toda a diferença.

O primeiro: escreva como gente fala. “Este produto é confeccionado em aço inox 304 de grau alimentício” vira um desastre na boca da IA. Troque por “o interior é 304, não deixa gosto na água” — mesmo timbre, resultado completamente diferente. Se você só quer ouvir o ritmo do texto antes de gravar, um narração ia grátis já resolve.

O segundo: não espere acertar de primeira. Eu gero duas ou três versões e fico com a mais confortável. Como é voz ia grátis, não tem aquele peso de estar queimando crédito a cada tentativa.

O terceiro: material de treino limpo, sempre. Na primeira vez gravei na sala, com o ar-condicionado ligado. Resultado: cada palavra saiu com um zumbido atrás. Refiz dentro do guarda-roupa, entre casacos, e a diferença foi absurda. Esse truque também aparece nos tutoriais extras do site.

E tem um caso que me marcou. Uma amiga vende ração e petiscos, mas a voz dela é fina e acelerada demais pro tom “cuidadoso” que o nicho pede. Ela usou clonar minha voz online pra baixar o tom da própria gravação e misturou um pouco com a voz do marido. Saiu algo entre os dois — sem problema de direito de imagem, porque os dois autorizaram, e com muito mais calor que qualquer sintetizador de voz grátis padrão.

Também comecei a testar duas coisas novas: audiolivro com voz ia grátis pros meus e-books de nicho e dublagem com ia grátis dos Reels pro espanhol, mirando o Mercado Livre do Chile e da Colômbia. Locução automática gratuita em dois idiomas, sem contratar ninguém. Dois anos atrás eu não acreditaria nisso.

Perguntas que me fazem quase toda semana

Preciso entender de tecnologia pra fazer isso?

Não. Sério. Você não precisa saber o que é modelo, GPU ou linha de comando. Sobe de 1 a 3 minutos de voz limpa e espera. Entre as opções de clonar voz grátis que testei, essa foi a de caminho mais curto — abre no navegador e funciona.

E se um dia virar pago ou sair do ar?

Preocupação legítima, e minha resposta é prática: guardo sempre o áudio original de cada timbre no meu HD. Se a ferramenta mudar, eu treino de novo em outro lugar e perco uns quinze minutos. Até agora, usando há quase seis meses, não apareceu limite de caracteres nem de tempo de áudio. O texto para voz grátis continua funcionando igual ao primeiro dia.

Posso usar comercialmente? A plataforma não vai penalizar?

Eu uso direto nos vídeos da loja e nunca tive problema, porque o timbre é o meu — na prática, eu autorizei a mim mesmo. Agora, se você clonar a voz de outra pessoa, precisa de autorização por escrito. Isso não é opinião minha, é direito de imagem e voz, e a LGPD não deixa margem pra dúvida. Ah, e se você mexe com código, existe API de síntese pra gerar locução em lote por SKU — ainda não explorei a fundo, mas está na minha lista pra este mês.

Sobre o Rodrigo

Expliquei tudo pra ele naquela segunda. Ele ficou calado um tempo e soltou: “e dá pra usar a minha voz?”. Falei pra entrar em https://pt.web666.cc/ e testar, que em dez minutos ele teria a resposta. Na manhã seguinte chegou um áudio de 20 segundos: a voz dele vendendo o blend de café da marca dele. Com um tom de quem acabou de descobrir um atalho.

Então se você está travado na narração dos seus vídeos, esquece a briga entre pagar locutor ou aceitar voz robótica. Grava um minuto da sua voz num lugar silencioso, joga no gerador e ouve o resultado. O custo de errar é praticamente zero. O difícil nunca foi a ferramenta — é reescrever o roteiro até ele soar como uma pessoa falando com outra.