Comparativo

Os melhores geradores de voz com IA para vários personagens em 2026

Quase toda lista de “melhor gerador de voz com IA” classifica ferramentas que ninguém abriu. Esta tem um requisito único de entrada — o site da própria ferramenta precisa dizer que dá conta de mais de uma pessoa falando — e cada afirmação carrega o link de onde veio.

Verificado em:

A CastDub está nesta lista e a CastDub publica esta lista. Isso é conflito de interesse, não um aviso que dissolve o conflito, então estas são as amarras que a gente se impôs: a entrada é decidida pelo que cada fabricante declara nas próprias páginas, não pela nossa opinião; cada entrada linka a fonte; a gente entra pela mesma regra que todo mundo; e as ferramentas que não conseguimos verificar são nomeadas, com o motivo, em vez de sumirem caladas.

Verificado em 2026-09-21. Fabricantes mudam preço e refazem site sem avisar — se um link abaixo hoje diz outra coisa, acredite no link.

O que conseguimos verificar

 CastDubElevenLabsPlayHTWellSaid
Declara saída com várias vozes no próprio site?Sim: escalar um roteiro colado é o produto; até 10 vozes base diferentes num projeto.“There is no limit to the number of speakers in a dialogue.” (fonte)O PlayDialog “can generate turn-based dialogues with multiple voices”. (fonte)“Combine various clips with different voice styles to create a dialogue.” (fonte)
Editor ou APIEditor web; sem API pública.Os dois: Studio e uma API documentada. (fonte)API primeiro, documentada com limites de taxa. (fonte)Um estúdio com clipes e estilos de voz. (fonte)
Nível gratuitoSim: 4,500 créditos de download de uma única vez (algo como 5 minutos de áudio pronto em inglês), 30 falas sintetizadas a cada 24 horas e 2 personagens por projeto. Gerar e ouvir não gasta crédito em plano nenhum.$0 com “10k credits per month” e “3 Projects in Studio”. (fonte)Não verificado — o play.ht fechou a conexão com o nosso leitor em 2026-09-21.Trial com “3 download minutes per month” e sem direitos comerciais. (fonte)
Preço de entrada dos planos pagosUS$5 por mês no Basic, quando os pagamentos entrarem no ar. Durante o beta aberto nada é cobrado e toda conta roda com os recursos do nível Pro.Starter $6 por mês por 30k créditos. (fonte)Não verificado no site deles em 2026-09-21.Starter $10 por mês na cobrança anual ($120 por ano); $19 por mês avulso. (fonte)
Idiomas9: inglês, chinês, japonês, coreano, espanhol, português, francês, alemão e russo. Todas as vozes base falam os nove. Fora do inglês não dá para escolher sotaque regional, e a gente não promete isso.“74” idiomas nos níveis pagos. (fonte)Play 3.0 Mini “Supports 36 languages”; PlayHT 2.0 Turbo “English only”; o multilíngue do PlayDialog, “Beta”. (fonte)Centenas de vozes em inglês; os outros idiomas aparecem só como Enterprise. (fonte)
Clonar a sua própria voz?Só a sua própria voz: você lê em voz alta uma declaração curta de consentimento e essa gravação vira a voz, até 3 por conta. Ela lê falas nos 9 idiomas e segue a velocidade da fala; emoções e indicações de atuação não valem para ela.Clonagem instantânea a partir do Starter; profissional a partir do Creator. (fonte)“Clone any voice instantly across languages with only 30 seconds of speech.” (fonte)Não consta na página de preços deles. (fonte)
Formatos de exportaçãoSó MP3. Mixagem em todos os planos; SRT em Plus e Pro; MP3 por personagem em Pro. Sem WAV.“MP3 or WAV”, com qualidade conforme o plano; essa opção de WAV a gente não oferece. (fonte)Áudio por requisição pela API; a montagem fica com você. (fonte)MP3 no Starter e no Pro; MP3, WAV, OGG e TXT no Business e no Enterprise. (fonte)
Direitos comerciais no nível gratuitoNão. O plano Free é de uso pessoal, não comercial. A licença comercial começa no Basic, e o beta aberto não muda essa condição.A “Commercial License” começa no Starter. (fonte)Não verificado no site deles em 2026-09-21.O Trial tem “No commercial rights”; todos os planos pagos incluem direitos comerciais completos. (fonte)

Verificado em 2026-09-21, nas próprias páginas de cada fabricante, linkadas abaixo.

Murf, Typecast e Speechify são comentados no texto mas não estão nesta tabela: saída com várias pessoas falando a partir de um roteiro não consta nas páginas que conseguimos ler de cada um.

A coluna da CastDub é interpolada a partir das definições de plano do próprio produto quando a página é construída, então ela não tem como se afastar do que o produto aplica.

O que precisava ser verdade para entrar nesta lista

Um requisito: o próprio site da ferramenta precisa declarar que ela produz mais de uma voz falando dentro de um mesmo trabalho. Não “tem muitas vozes” — todas têm muitas vozes — e sim várias vozes numa mesma saída, seja uma API de diálogo, um editor multivoz ou um jeito documentado de atribuir vozes diferentes dentro de um projeto.

A gente não classificou por qualidade de áudio. Julgamentos de qualidade entre estas ferramentas são subjetivos, mudam a cada lançamento de modelo, e um ranking publicado por um dos participantes não valeria nada. O teste que resolve qualidade são três falas do seu próprio roteiro em duas ferramentas, uma atrás da outra, com os seus ouvidos.

Também não contamos recursos que ninguém declara. Onde as páginas de um fabricante não respondiam a uma pergunta, a entrada diz “não consta no site deles”, o que é um convite para ir perguntar a eles.

ElevenLabs: o mais amplo, e o que precisa ser batido em clonagem

A documentação de Text to Dialogue deles declara que “creates natural sounding expressive dialogue from text using the Eleven v3 model” e que “There is no limit to the number of speakers in a dialogue”, com a recomendação de manter cada requisição em 2000 caracteres ou menos. A interpretação é dirigida por etiquetas entre colchetes dentro do texto, como [sad]. No Studio, o guia diz que dá para “assign multiple voices to a single paragraph”.

A página de preços do ElevenLabs lista Free a $0 com 10k créditos por mês, Starter a $6, Creator a $11, Pro a $99, Scale a $299 e Business a $990, com a licença comercial começando no Starter, clonagem instantânea a partir do Starter, clonagem profissional a partir do Creator e 74 idiomas nos níveis pagos. Os downloads do Studio são “MP3 or WAV”, com mais qualidade nos planos maiores: essa opção de WAV a gente não consegue igualar.

Escolha eles quando precisar de clonagem além da sua própria voz lendo falas, de cobertura ampla de idiomas, de entrega em WAV que a gente não faz, ou de uma API com superfície grande e documentada. São muitos motivos, e a gente prefere listar a fingir que não existem.

PlayHT: um modelo de diálogo para quem escreve código

A documentação de motores de voz deles descreve o PlayDialog como “PlayHT's latest voice model built for fluid, emotive conversation” e “a more advanced model that can generate turn-based dialogues with multiple voices”, com um “Adaptive Speech Contextualizer” controlando “prosody, intonation, emotion and pacing”. Isso é multivoz como capacidade do modelo, não como recurso de editor.

Leia a tabela de idiomas com cuidado antes de se comprometer: Play 3.0 Mini “Supports 36 languages”, PlayHT 2.0 Turbo é “English only”, o suporte multilíngue do PlayDialog está marcado “Beta”, e o PlayDialog Turbo hospedado no Groq aceita só “english and arabic”. A clonagem é declarada com “only 30 seconds of speech”.

A gente não tem preços deles: o play.ht recusou o nosso leitor em 2026-09-21, então esta entrada foi construída inteira a partir do docs.play.ht. Escolha eles quando a voz for morar dentro do seu próprio software.

WellSaid: diálogo montado com clipes, e uma história de licença clara

A página de preços deles declara que dá para “combine various clips with different voice styles to create a dialogue”, um modelo diferente de escalar um roteiro, mas que cumpre o nosso único critério. Ela lista um Trial gratuito com “3 download minutes per month” e sem direitos comerciais, Starter a $10 por mês na cobrança anual ($19 por mês avulso), Pro a $33 por mês no anual ($49 avulso) e Business a $160 por usuário por mês, com direitos comerciais completos em todos os planos pagos.

Dois detalhes que vale conhecer: o inglês é o catálogo profundo — centenas de vozes com estilos britânico, sul-africano e australiano — enquanto os outros idiomas aparecem só como Enterprise. E os formatos de exportação escalam com o plano: MP3 no Starter e no Pro; MP3, WAV, OGG e TXT no Business e no Enterprise, com taxas de amostragem de 48 kHz e 96 kHz no topo.

Escolha eles para locução corporativa em inglês onde a licença e a especificação de entrega precisam ficar sem ambiguidade.

CastDub: estreita, em formato de roteiro, clonagem só da própria voz

A nossa pega um roteiro colado, separa quem fala, dá a cada pessoa um dos 40 personagens da biblioteca e escala de modo que dois personagens de um projeto não dividam voz enquanto o grupo não acabar. São 10 vozes base (4 femininas, 5 masculinas, 1 neutra), e todas falam os 9 idiomas. Emoção é fala a fala nos planos Pro, entre 7 emoções; velocidade em Plus e Pro; legendas em Plus e Pro; faixas por personagem em Pro.

Os limites, ditos do jeito mais direto que a gente sabe: a clonagem cobre só a sua própria voz e um clone lê sem interpretar emoções, não sobe arquivo de roteiro (só colar), não tem WAV, não tem controle de tom, não dá para escolher sotaque regional fora do inglês, não tem vídeo, e existe um teto duro de 10 vozes distinguíveis num projeto. Os pagamentos ainda não estão ativos: durante o beta aberto toda conta roda com os recursos do nível Pro e nada é cobrado, mas a licença comercial continua reservada para Basic, Plus e Pro.

Escolha a gente quando a obra é um roteiro com elenco e a entrega é áudio que alguém vai mixar. É essa a afirmação inteira.

Ferramentas que conferimos e não conseguimos posicionar

Murf: a página de texto para voz declara “200+ lifelike voices”, “35 languages and 10+ accents” e controle por frase ou por palavra de “Pitch, speed, and pause length”, e a central de ajuda descreve um estúdio de blocos e linha do tempo com exportação de vídeo. Mas nada do que conseguimos abrir declara escalação de várias pessoas falando a partir de um roteiro, e a página de preços não nos devolveu conteúdo legível em 2026-09-21, então também não deu para verificar preços. Produto forte para vídeo narrado; não verificado contra o único critério desta lista.

Typecast: “700+ AI voices” e “35+ languages” na página inicial, controles de emoção no Pro, clonagem de voz do Basic para cima, e um plano gratuito com 3000 créditos de download de uma única vez em que “Attribution is required for all content downloaded on the Free plan”. Escalar várias pessoas falando a partir de um roteiro não consta nas páginas que lemos.

Speechify: o Studio declara “Access to 1,000+ realistic voices”, clonagem nos planos pagos do Studio e “No commercial usage rights” no gratuito; escalação com várias pessoas falando não consta. O produto principal deles é um aplicativo de leitura e escuta, que é um trabalho completamente diferente.

LOVO e Resemble AI estavam na nossa lista curta e não aparecem aqui por razões de procedimento: em 2026-09-21, o lovo.ai devolveu HTTP 402 ao nosso leitor, e a página de preços da Resemble que alcançamos descrevia produtos de detecção sem declarar número de vozes, idiomas, clonagem nem suporte a várias vozes. Nenhuma das duas ausências é um julgamento sobre esses produtos.

Como escolher, em quatro perguntas

Um personagem persiste, e por quanto tempo? Pergunte a todos os fabricantes, inclusive a nós: aqui um personagem — perfil, escalação de biblioteca, emoção padrão — vive o projeto inteiro e não passa para o próximo, então uma série precisa de uma folha de elenco escrita e de uma escuta de cada protagonista antes de exportar.

Dá para gerar de novo uma fala só? Se mudar uma palavra obriga a refazer a cena, você vai parar de revisar, e o trabalho piora. Aqui, editar uma fala sintetiza de novo só aquela fala; todo o resto continua idêntico byte a byte no disco.

Você recebe faixas separadas? Uma faixa única de diálogo mixado não dá para trilhar. Se música ou efeitos vão por baixo da cena, os arquivos por personagem são requisito, não luxo.

E o que diz a licença do nível que cabe no seu bolso? Exigência de atribuição e direitos comerciais variam muito ao longo desta lista: o Typecast exige atribuição nos downloads gratuitos, WellSaid e Speechify seguram os direitos comerciais nos níveis gratuitos, o ElevenLabs começa a licença comercial no Starter, e o nosso nível gratuito é de uso pessoal. Essa pergunta decide mais projetos reais do que a qualidade das vozes.

A lista

  1. CastDub

    Escala um roteiro colado entre 10 vozes base, dirige a emoção fala a fala em Pro e exporta faixas por personagem em Pro. Clona só a sua própria voz.

  2. ElevenLabs

    Declara que não há limite de pessoas falando num diálogo, clonagem a partir do Starter, 74 idiomas e download em MP3 ou WAV.

  3. PlayHT

    O PlayDialog gera diálogo por turnos com várias vozes por uma API; clonagem a partir de 30 segundos.

  4. WellSaid

    Diálogo montado com clipes de estilos de voz diferentes; catálogo profundo em inglês e termos comerciais claros.

Como esta página foi escrita

Uma lista de “melhores” publicada por um dos participantes é página de vendas, a não ser que se amarre a regras, então aqui estão as nossas e dá para conferir se a gente cumpriu. A entrada é decidida pelo que o fabricante declara no próprio site; cada afirmação vai linkada e datada em 2026-09-21; nada é classificado por qualidade de áudio; o desconhecido é escrito como “não consta no site deles” em vez de ser resolvido a nosso favor; e as ferramentas que não conseguimos verificar — aqui LOVO e Resemble AI — são nomeadas junto com o motivo.

A gente também colocou os nossos próprios limites dentro da nossa própria entrada, e não numa nota de rodapé: clonagem só da própria voz, sem emoção nos clones, sem envio de arquivo de roteiro, sem WAV, sem controle de tom, sem vídeo, e com um teto duro de 10 vozes distinguíveis por projeto. Se algum desses for impeditivo, você acabou de economizar um cadastro.

O que a gente não vai fazer é te dizer quais vozes soam melhor. É a única coisa que uma página assim não consegue fazer com honestidade e a única que você resolve em dez minutos: as mesmas três falas, duas ferramentas, os seus ouvidos.

Se um link abaixo hoje contradiz o que a gente escreveu, o link está certo e a gente está vencido. Avise que a gente conserta a linha e move a data de verificação.

De onde veio cada informação

Todas as linhas acima que descrevem outro produto vieram destas páginas. Abra você mesmo: as empresas mudam os planos sem avisar ninguém, inclusive a gente.

  • ElevenLabs — Pricing — Plan prices and credits; commercial licence from Starter; cloning tiers; 74 languages.
  • ElevenLabs — Text to Dialogue documentation — “There is no limit to the number of speakers in a dialogue”; bracketed audio tags; Eleven v3; 2,000 characters per request.
  • ElevenLabs — Studio product guide — Multiple voices within a paragraph; MP3 or WAV by plan, which we do not match; automatic captions.
  • PlayHT — Voice engines documentation — PlayDialog generates turn-based dialogues with multiple voices; Play 3.0 Mini 36 languages; 2.0 Turbo English only; multilingual Beta.
  • PlayHT — Documentation home — Cloning from 30 seconds of speech, across languages.
  • PlayHT — Dialog Turbo on Groq — “Only two language options are supported: english and arabic.”
  • WellSaid — Pricing — Trial with 3 download minutes a month and no commercial rights; Starter $10/mo annual ($19 monthly); Pro $33/mo annual ($49 monthly); Business $160/user/mo; hundreds of English voices, other languages Enterprise-only; MP3 on Starter/Pro, MP3/WAV/OGG/TXT on Business and Enterprise; dialogue by combining clips with different voice styles.
  • Murf — Text to speech — 200+ voices; 35 languages and 10+ accents; per-sentence and per-word pitch, speed and pause; free plan with 10 minutes of voice generation.
  • Murf — Help centre, Working with the Studio — Blocks, timeline, media import and export list; multi-speaker casting not stated.
  • Typecast — Pricing — Plan prices; free plan credits and attribution requirement; emotion controls on Pro; cloning capacity stated per plan.
  • Typecast — Home — “700+ AI voices” and “35+ languages”.
  • Speechify — Studio pricing — 600 Studio credits free, no cloning and no commercial rights on free; Starter $100/yr; Creator $300/yr; 1,000+ voices; 21 named languages.
  • LOVO — Pricing — Returned HTTP 402 to our fetcher on 2026-09-21; nothing was taken from it.
  • Resemble AI — Pricing — The page we reached described detection products and did not state voice counts, languages, cloning or multi-speaker support.

Perguntas frequentes

O que conta como gerador de voz com IA “multivoz”?

Para esta lista, o próprio site do fabricante precisa declarar que dá para produzir mais de uma voz falando num mesmo trabalho: uma API de diálogo, um editor multivoz, ou um jeito documentado de atribuir vozes diferentes dentro de um projeto. Ter um catálogo com muitas vozes não conta.

Por que a CastDub está numa lista publicada pela CastDub?

Porque ficar de fora seria outro tipo de desonestidade. A gente aplicou o mesmo critério a si mesma, escreveu as próprias limitações dentro da própria entrada e não classificou nada por qualidade. Leia as fontes e julgue se a gente cumpriu.

Qual é melhor especificamente para audiodrama?

Faça quatro perguntas: um personagem persiste, dá para gerar de novo uma fala só, você recebe faixas por personagem, e o que diz a licença do nível que cabe no seu bolso. Essas decidem um projeto de drama muito mais vezes do que a qualidade das vozes.

Quais desses conseguem clonar a minha voz?

Pelas próprias páginas: ElevenLabs (instantânea a partir do Starter, profissional a partir do Creator), PlayHT (“30 seconds of speech”), Typecast (com slots conforme o plano) e Speechify Studio (planos pagos). A CastDub clona só a sua própria voz, a partir de uma declaração curta de consentimento que você lê em voz alta, e o clone lê as falas sem interpretar emoções.

Algum deles é gratuito para trabalho comercial?

Nos níveis gratuitos que conseguimos verificar, não. O ElevenLabs coloca a licença comercial no Starter, o Trial da WellSaid não traz direitos comerciais, o plano gratuito do Speechify Studio declara que não tem, o Typecast exige atribuição nos downloads gratuitos, e o nosso nível gratuito é de uso pessoal — inclusive durante o beta aberto, quando tudo roda com os recursos do nível Pro e nada é cobrado.

De quanto em quanto tempo esta lista é reconferida?

A data de verificação lá em cima é a última vez em que todos os links foram abertos e todas as citações foram relidas. Se você está lendo isto meses depois, trate as páginas dos fabricantes como a verdade e esta página como ponto de partida.

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.