Produto

A oficina de audiodrama

Isto aqui é o produto. Todo o resto do site é uma porta de entrada para ele. Você traz um roteiro com mais de uma pessoa dentro; a CastDub descobre quem são, dá um intérprete a cada uma e coloca na sua mão os controles que um diretor usaria.

Num relance

O que é
Um gerador de voz IA e ferramenta de texto para fala grátis, feitos para roteiros: descobre quem está falando, dá a cada personagem uma voz própria, deixa você dirigir a emoção fala a fala e exporta uma mixagem pronta — uma radionovela com elenco completo, não um narrador só lendo todos os papéis.
O que você cola
Um roteiro, colado como texto. Formato de roteiro, «Nome: fala» e prosa comum com marcações de diálogo são lidos como estão, assim como os diálogos com travessão do espanhol, do francês, do português e do russo. Uma linha inteira entre parênteses vira rubrica e não é falada. Não existe importação de arquivos: cole o texto em vez de anexar um documento.
O que você recebe
Um MP3 mixado em todos os planos. A partir do Plus, legendas SRT escritas a partir do seu roteiro e não transcritas do áudio, então os nomes saem certos e os tempos já batem. As faixas por personagem, uma faixa do mesmo tamanho para cada personagem mais a mixagem, vêm em ZIP no Pro. Sem exportação em WAV.
Personagens e vozes base
40 personagens na biblioteca, cada um com retrato, perfil e amostra. Atrás deles estão 10 vozes base – 4 femininas, 5 masculinas, 1 andrógina – e são as mesmas 10 em todos os idiomas. Dentro de um projeto, dois personagens não recebem a mesma voz base enquanto as 10 não estiverem ocupadas: uma cena com até 10 falantes se separa direitinho; além disso, dois personagens dividem uma voz e se distinguem pelo perfil e pela direção que cada fala carrega. Você escolhe o personagem, não a voz base. Também dá para clonar a sua própria voz lendo em voz alta uma breve declaração de consentimento – até 3 por conta – e entregá-la a qualquer personagem; a voz clonada lê nos 9 idiomas e segue a velocidade, mas não interpreta emoções nem indicações de atuação.
Idiomas
9: English, 简体中文, 日本語, 한국어, Deutsch, Français, Español, Português, Русский. Todo personagem atua em todos eles – um personagem é um perfil, não uma gravação única – e o idioma de um projeto fica definido na criação. Fora do inglês você recebe o sotaque comum daquele idioma; sotaques regionais não dá para escolher e não são prometidos. Não pedimos a falantes nativos que ouvissem cada idioma um a um, então passe as suas próprias falas antes de decidir.
Emoção e direção fala a fala
Cada fala é interpretada por um ator de voz de IA a partir de uma indicação de interpretação escrita, então as 7 emoções (neutro, alegre, triste, raiva, medo, sussurro, empolgado) são atuadas, não imitadas com ajustes. A emoção padrão por personagem está em todos os planos; trocá-la fala a fala só existe no Pro, e o controle de velocidade em 5 níveis (0.75×–1.25×) vem com Plus e Pro. Gerar uma fala de novo dá uma tomada realmente diferente, na mesma voz, e mexer em uma linha só ressintetiza aquela linha.
Preço e beta aberto
Um crédito é um caractere do roteiro e os créditos só saem quando você baixa: gerar e ouvir não custa nada, dentro de um teto de 30 falas a cada 24 horas no Free e de até 2,000 no Pro. O plano Free é um bolo único de 4,500 créditos, mais ou menos 5 minutos de áudio pronto, com 2 personagens por projeto. Os planos pagos custam Basic $5, Plus $19, Pro $29 por mês, com 10% de desconto no anual. Os pagamentos ainda não estão no ar: durante o beta aberto toda conta tem de graça o conjunto completo de recursos do Pro, mas a licença comercial continua à parte e vem com um plano pago quando os planos abrirem.
O que ainda não dá para fazer
Só dá para clonar a própria voz, e a voz clonada lê o texto sem interpretar emoções nem indicações de atuação. Não há importação de arquivos, nem exportação em WAV, nem dicionário de pronúncia, nem controle de tom, nem como exigir uma voz base específica ou um sotaque regional. Nenhum idioma tem vozes infantis de verdade: papéis de criança são interpretados por atores adultos, como a animação sempre fez. Personagens existem só dentro de um projeto e não passam para o seguinte.

Vozes para testar

Torvald

Torvald

Knight commander who gives orders that men actually follow

masculinaadultoinglês britânicoheroicafantasia
Usar esta voz
Morrow

Morrow

Something under the floorboards that learned your name

neutraadultoinglês americanoterrorsussurro
Usar esta voz
Wren

Wren

Bedtime-story narrator, slow and warm, never wakes anyone up

femininaadultoinglês americanonarraçãocalorosa
Usar esta voz
Juno

Juno

Podcast host who thinks out loud and never reads a script

femininajovem adultoinglês americanopodcastconversa
Usar esta voz
Kestrel

Kestrel

Low, weary swordswoman who has already lost this war once

femininaadultoinglês americanodramáticaáspera
Usar esta voz
Ashford

Ashford

Velvet-voiced villain who apologises before he ruins you

masculinaadultoinglês britânicovilãaveludada
Usar esta voz
Hale

Hale

Documentary narrator with a hand on the listener's shoulder

masculinaadultoinglês americanonarraçãodocumentário
Usar esta voz
Cass

Cass

Seventeen and furious about it, in a good way

femininaadolescenteinglês americanoadolescentemoderna
Usar esta voz

Ver a biblioteca inteira →

O que ela faz

Roteiro colado, sem modelo pronto

Formato de roteiro, falas começando com “Nome:” e prosa comum com verbos de fala são todos lidos como foram escritos. Cole de um documento, de um programa de roteirização ou de uma coluna de planilha. Não há envio de arquivo — .txt, .docx e .srt não são importados, então copie o texto para dentro.

Escalação automática do elenco

A detecção de interlocutor separa o roteiro por quem está falando e então propõe um personagem da biblioteca para cada interlocutor, a partir de como o roteiro o apresenta. É uma proposta, não uma decisão — toda escalação pode ser trocada, e a troca vale para o resto do projeto.

Emoção fala por fala

A emoção é uma propriedade da fala, não do personagem. Defina um registro de repouso por personagem e marque só as falas em que ele se quebra. É o único mecanismo que separa uma leitura de uma interpretação, e é o principal que o Pro acrescenta: nos outros planos, cada fala segue o registro de repouso do personagem.

Personagens, definidos uma vez por projeto

Nome, perfil, gênero, faixa etária, personagem da biblioteca e emoção padrão, definidos uma vez dentro do projeto. Dois personagens do mesmo projeto não dividem voz até acabarem as dez vozes base do motor — dez vozes distintas por projeto é o teto, igual nos nove idiomas —, e acrescentar um depois não embaralha os outros. Personagens não passam de um projeto para outro, então uma série escolhe de novo os mesmos personagens da biblioteca em cada episódio.

Só as falas alteradas são geradas de novo

Edite uma fala e só ela é sintetizada de novo; todo o resto mantém o áudio que já tinha. Num projeto longo, é a diferença entre revisar à vontade e temer cada reescrita — três falas alteradas custam três falas de geração, não uma renderização inteira.

Exportações que cabem num fluxo de verdade

Um MP3 mixado em qualquer plano, as faixas separadas por personagem em um ZIP no Pro, para trilha e desenho de som, e, a partir do Plus, um SRT gerado a partir do seu roteiro em vez de transcrito — então os nomes saem escritos certo e os tempos já batem.

Como usar

  1. Cole o roteiro

    Copie como texto. Sem etapa de reformatação, sem modelo para preencher.

  2. Confira o elenco

    Revise a voz proposta para cada personagem, ouça as alternativas na mesma fala e trave a que servir.

  3. Defina os registros de repouso

    Dê a cada personagem uma emoção padrão. A maior parte da cena roda no padrão.

  4. Dirija as viradas

    Marque as falas específicas em que o registro se quebra — normalmente de três a cinco por cena.

  5. Renderize e ouça de ponta a ponta

    Problemas de ritmo são invisíveis fala a fala e escancarados quando você ouve tudo seguido.

  6. Exporte

    Mixagem, faixas separadas ou legendas, conforme o destino do áudio.

Por que o elenco é o produto e a síntese é um componente

Síntese de voz virou commodity. Vários fornecedores produzem áudio bom o bastante para dramaturgia, e a diferença entre eles é menor do que a diferença entre uma cena bem escalada e uma mal escalada. O que não é commodity é tudo o que cerca a síntese: descobrir quem está falando, manter um personagem estável por meses, dirigir falas individuais e tirar o áudio num formato que dê para mixar.

É por isso que a camada de fornecedor aqui é uma interface com várias implementações atrás dela. Se aparecer um motor melhor no ano que vem, trocar vira mudança de configuração e não reconstrução, e os seus projetos, a escalação e a direção fala a fala atravessam intactos.

O que a ferramenta deliberadamente não faz

Ela não escreve roteiros. Diálogo gerado interpretado por vozes geradas é um produto que ninguém pediu duas vezes, e o problema interessante do audiodrama é a produção, não a ideia.

Ela não mixa. Sem cama de música, sem reverb, sem posicionamento estéreo. Isso é trabalho de editor de áudio, onde você ouve tudo junto, e embutir essas coisas numa ferramenta de renderização produziu, com uma regularidade impressionante, algo pior do que as duas separadas.

Ela não sobrepõe diálogo numa renderização só. Falar por cima de alguém é um recurso dramático de verdade e é uma operação de mixagem — exporte as faixas separadas e deslize uma sobre a outra. É um arrasto em qualquer editor, e é a coisa mais realista que você pode fazer com uma discussão.

Onde ela é honestamente fraca

A vocalização física é o limite atual: gritar, chorar, rir enquanto fala, grunhidos de esforço. São eventos de respiração, não eventos de fala, e é aí que um ouvinte identifica que o áudio é gerado. Escreva em volta deles quando der, e grave as duas ou três falas que os carregam quando não der. Misturar áudio gravado e gerado na mesma produção é normal — isso acontece no seu editor de áudio, já que gravações não podem ser colocadas dentro de um projeto —, e a emenda não aparece quando a escrita segura o momento.

Monólogos emocionais muito longos são o segundo ponto fraco, por um motivo parecido: um intérprete humano toma uma decisão sobre o subtexto a cada poucos segundos ao longo de um monólogo, e nada aqui tenta fazer isso.

Perguntas frequentes

Quais formatos de arquivo posso importar?

Nenhum — não há envio de arquivo. Cole o próprio texto, em formato de roteiro, falas no estilo “Nome:” ou prosa com verbos de fala. De um documento do Word ou de um arquivo de legenda, copie o texto e cole aqui.

A escalação automática sempre acerta quem está falando?

Em formatos de roteiro, quase sempre. Em prosa, depende de quão explícita é a atribuição — trechos longos de diálogo sem atribuição e personagens chamados por epíteto são os casos de falha previsíveis. Passar os olhos na escalação antes de renderizar leva um minuto.

Dá para mudar uma fala sem renderizar tudo de novo?

Dá, e é esse recurso que torna projetos longos viáveis. Mude a fala, renderize só ela, e todo o resto mantém o áudio que já tinha.

Os personagens passam de um projeto para outro?

Não. Um personagem só existe dentro do projeto dele. Para uma série, crie um projeto novo por episódio, escolha os mesmos personagens da biblioteca e escreva os mesmos perfis. Não há garantia da mesma voz entre projetos, porque as vozes são mantidas distintas na ordem em que os personagens são acrescentados em cada projeto — então ouça a primeira fala do protagonista antes de exportar.

Posso acrescentar música e efeitos sonoros?

Aqui não. Exporte as faixas separadas e faça a trilha num editor de áudio. É uma fronteira deliberada, não um recurso faltando.

Qual plano me dá controle de emoção fala por fala?

Só o Pro. No Free, no Basic e no Plus, cada fala segue a emoção padrão do personagem, o que basta para conferir se a cena funciona, mas não para colocar uma virada específica numa fala específica.

Escale a sua primeira cena hoje à noite

Cole um roteiro, deixe a CastDub dar uma voz a cada personagem e exporte um audiodrama pronto.

Criar de graça

Sem cartão de crédito. O Free dá um bolo único de créditos.