Comparativo
CastDub como alternativa grátis ao ElevenLabs quando o roteiro tem elenco
O ElevenLabs faz muito bem aquilo para que foi construído. Se o seu roteiro tem seis pessoas dentro e você está rodando a ferramenta uma vez por pessoa, esta página é sobre uma ferramenta em formato de escalação tirar esse trabalho da sua mão — e sobre os quatro casos em que ela não tira. Se você chegou procurando o plano grátis do ElevenLabs, a primeira seção depois da tabela começa por aí: o que o nível Free deles dá e o que o nosso dá.
Verificado em:
Somos concorrentes do ElevenLabs, então trate tudo o que vem abaixo como depoimento interessado e abra os links. Cada dado do ElevenLabs desta página foi lido em 2026-09-21 na própria página de preços deles ou na própria documentação deles, e o endereço fica impresso ao lado.
A versão curta: o ElevenLabs é uma plataforma de voz com uma história de clonagem excelente e, nas palavras deles na documentação do Text to Dialogue, “There is no limit to the number of speakers in a dialogue” (não há limite de pessoas falando num diálogo). A CastDub é uma coisa menor: uma ferramenta de produção para roteiros que já vêm com gente falando dentro. Qual das duas você quer depende de perguntas que não têm nada a ver com qual demo soa melhor.
O que conseguimos verificar
| CastDub | ElevenLabs | Typecast | |
|---|---|---|---|
| Vários personagens a partir de um roteiro colado? | Sim, e é o produto inteiro: você cola um roteiro, a ferramenta separa as falas, descobre quem está falando e dá a cada pessoa um dos 40 personagens da biblioteca. Até 10 vozes base diferentes num mesmo projeto. | “There is no limit to the number of speakers in a dialogue” (API Text to Dialogue, Eleven v3, 2000 caracteres por requisição); no Studio dá para “assign multiple voices to a single paragraph”. (fonte) | Não consta nas páginas que conferimos. (fonte) |
| Dirigir a emoção fala por fala? | Fala a fala nos planos Pro; em todos os planos cada personagem carrega uma emoção padrão. 7 emoções, atuadas na própria fala e não imitadas com ajuste de tom. | Etiquetas de áudio entre colchetes dentro do texto, por exemplo [sad], que “influence the delivery of the dialogue” no Eleven v3. (fonte) | Pro: “Fine-tune voices with emotion controls” e “Advanced voice controls including intonation”; Plus: “Control voice speed”. (fonte) |
| Um arquivo de áudio por personagem (faixas separadas)? | Só em Pro: um ZIP com a mixagem e mais um MP3 inteiro por personagem. | Não consta na documentação do Studio deles; os downloads são descritos como “MP3 or WAV”. (fonte) | Não consta no site deles. (fonte) |
| Legendas? | Plus e Pro: um arquivo SRT, e exportar isso não gasta créditos. | As legendas do Studio são “generated automatically and can be customized with templates”; um arquivo SRT não consta. (fonte) | Não consta no site deles; a página de preços lista “HD (720p) video exports”. (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. | “Instant Voice Cloning” a partir do Starter; “Professional Voice Cloning” a partir do Creator. (fonte) | Basic: “Instant Cloning (1 slot)”; Plus: “Professional Cloning (1 slot in total)”; Pro: 2 slots; Business: 10 slots. (fonte) |
| Plano gratuito | Sim: 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. | Free a $0 com “10k credits per month” e “3 Projects in Studio”. (fonte) | “Voice generation & playback Unlimited”, “Lifetime download credits 3,000 credits (~5 mins)” e “Attribution is required for all content downloaded on the Free plan” (no plano gratuito, todo download obriga a creditar a empresa). (fonte) |
| Uso comercial no plano gratuito | Não. 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, então não está no Free. (fonte) | A licença comercial começa no Basic; os downloads gratuitos exigem atribuição. (fonte) |
| Preço de entrada dos planos pagos | US$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 credits per month”; Creator $11 por mês por “121k credits per month”. (fonte) | Basic $5 por mês, Plus $19, Pro $29 e Business $69. (fonte) |
| Idiomas | 9: 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 listados nos níveis pagos. (fonte) | “35+ languages” na página inicial deles. (fonte) |
Verificado em 2026-09-21. Os preços são os valores mensais impressos na página de cada empresa, em dólares americanos; as tarifas anuais e promocionais são outras e mudam com frequência.
“Não consta no site deles” quer dizer exatamente isso: abrimos as páginas listadas abaixo e o dado não estava lá. Não é uma afirmação de que o recurso falte.
A coluna da CastDub é gerada pelo mesmo código que roda o produto (lib/plans.ts e o código de escalação), então ela não tem como se afastar do que você realmente recebe.
Tem plano gratuito, e o que dá para levar dele?
A página de preços do ElevenLabs lista um nível Free a $0 com “10k credits per month” e “3 Projects in Studio”, depois Starter a $6 por 30k créditos, Creator a $11 (com o primeiro mês a $6) por 121k créditos, Pro a $99, Scale a $299 e Business a $990. A mesma página coloca a “Commercial License” a partir do Starter, ou seja, o nível gratuito deles não serve para trabalho comercial.
O nível gratuito da CastDub tem outro formato de propósito: 4,500 créditos de download de uma única vez — algo como 5 minutos de áudio pronto em inglês — e os créditos só saem quando você baixa. Gerar e ouvir não custa nada em plano nenhum; no lugar disso existe um teto de síntese de 30 falas a cada 24 horas, então dá para reouvir uma cena vinte vezes enquanto você monta, sem ficar olhando medidor.
Uma coisa para saber antes de se cadastrar: a gente ainda não ligou os pagamentos. Durante o beta aberto toda conta roda com os recursos do nível Pro e nada é cobrado. A licença comercial é uma cláusula do contrato, não uma chave, então ela não abre junto: o uso gratuito continua pessoal.
Escala uma cena inteira ou tem que ir personagem por personagem?
As duas dão conta, de jeitos diferentes. A API Text to Dialogue do ElevenLabs “creates natural sounding expressive dialogue from text using the Eleven v3 model”, e a documentação diz sem rodeio que “There is no limit to the number of speakers in a dialogue”, com o cuidado de manter cada requisição em 2000 caracteres ou menos. No produto Studio deles, a documentação diz que dá para “assign multiple voices to a single paragraph” selecionando o texto e trocando a voz num menu.
A CastDub começa pela outra ponta. Você cola o roteiro inteiro — formato de roteiro, transcrição em “NOME: fala”, prosa com verbo de dizer, ou o diálogo com travessão que a gente usa em português, espanhol, francês e russo — e a ferramenta descobre quem fala, cria um personagem para cada um e escala cada um a partir de uma biblioteca de 40. Dentro de um projeto, dois personagens não dividem voz base enquanto o grupo daquele gênero não acabar, então uma cena de quatro continua legível sem você administrar nada.
O limite honesto do nosso lado: existem 10 vozes base (4 femininas, 5 masculinas, 1 neutra), então uma cena com mais de 10 pessoas falando vai ter gente dividindo voz, separada só pela direção de atuação. Se o seu elenco é maior que isso, melhor saber antes de começar do que depois.
Dá para dirigir a emoção fala por fala?
O ElevenLabs faz isso pelo próprio texto. A documentação do Text to Dialogue descreve “non-speech audio events” escritos entre colchetes dentro da entrada — emoções como [sad], eventos como [applause] — que “influence the delivery of the dialogue” no modelo Eleven v3. É expressivo e combina bem com um roteiro, porque a direção mora dentro do roteiro.
A CastDub faz com um controle na fala. Cada personagem carrega uma emoção padrão em todos os planos; nos planos Pro você sobrescreve qualquer fala isolada com uma das 7 emoções, e Plus e Pro ainda somam um controle de velocidade de cinco passos, de 0,75× a 1,25×. A emoção é de fato atuada naquela fala em vez de ser fingida com filtro, o que também quer dizer que gerar de novo uma fala dá uma tomada um pouco diferente: mesma voz, interpretação nova. Quando uma leitura não sai, o conserto é pedir de novo.
Nenhuma das duas abordagens ganha no abstrato: as etiquetas viajam com o texto para outras ferramentas, e um controle é melhor para ouvir quatro leituras da mesma fala.
Exporta faixas por personagem e legendas?
É aqui que a diferença é maior, e onde você deveria conferir em vez de acreditar na gente. Nos planos Pro, a CastDub exporta um ZIP com a mixagem mais um MP3 inteiro por personagem, alinhado no tempo, para você trilhar uma cena direito numa DAW em vez de abaixar a música debaixo de uma faixa única de diálogo. Plus e Pro exportam também um SRT, e esse arquivo não gasta créditos.
Do lado do ElevenLabs, a documentação do Studio diz que dá para “download as MP3 or WAV”, com qualidade presa ao plano: MP3 de 128 kbps nos planos menores e WAV de 16 bits ou MP3 de 192 kbps mais acima — uma opção de WAV que a gente não tem de jeito nenhum. A mesma página descreve legendas automáticas que “can be customized with templates for colors, fonts, and placement”. Exportação de faixas por personagem não consta nas páginas que lemos, o que não é o mesmo que dizer que não existe: quer dizer que não conseguimos verificar e por isso não marcamos nem sim nem não naquela casa.
Essa é a vantagem mais clara desta seção e é deles: entrega em WAV, que a gente não oferece em plano nenhum — aqui tudo é MP3 —, e só isso já decide se você entrega contra uma especificação técnica.
Quais idiomas, e quantas vozes?
A tabela de preços do ElevenLabs lista 74 idiomas nos níveis pagos. Isso é uma ordem de grandeza acima de nós, e é o número da página deles, não o nosso.
A CastDub tem 9: inglês, chinês, japonês, coreano, espanhol, português, francês, alemão e russo. Cada uma das 10 vozes base fala os 9, então nenhum idioma aqui é de segunda classe com uma lista de vozes mais magra. O que a gente não promete é sotaque regional: fora do inglês sai o sotaque geral do idioma — o português brasileiro, por exemplo — e não dá para escolher cidade. Também não mandamos falantes nativos revisarem cada idioma, então a instrução honesta é colar as suas próprias falas e ouvir antes de confiar um projeto à gente.
Se o seu trabalho é num idioma que não temos, a cobertura ganha do fluxo de trabalho e a decisão já está tomada.
Dá para clonar a minha própria voz?
No ElevenLabs, dá, e é uma das razões mais claras para escolher eles. A página de preços deles coloca “Instant Voice Cloning” no nível Starter e “Professional Voice Cloning” no Creator para cima.
Na CastDub, dá, dentro de limites mais estreitos. Você lê em voz alta uma declaração curta de consentimento, e essa gravação vira a voz — então ela só pode ser a sua, nunca de uma figura pública e nunca de um menor de idade. Ela lê as suas falas em qualquer um dos nossos 9 idiomas e segue a velocidade da fala, mas emoções e indicações de atuação não têm efeito sobre ela, e existe um jeito só de fazer, não dois níveis.
Se uma voz clonada é o centro do seu fluxo de trabalho — uma que carregue a atuação, ou uma feita a partir de mais do que alguns segundos de áudio —, os níveis deles vão mais longe que o nosso, e isso resolve a comparação a favor deles. Se você quer a sua própria voz lendo um narrador ou um personagem ao lado de um elenco, o nosso dá conta.
Quando vale escolher o ElevenLabs em vez da gente
Quatro casos, e a gente acha que são comuns. Primeiro, trabalho de narrador único — um audiolivro, uma locução de documentário, um podcast solo: toda a maquinaria de escalação não te compra nada e você estaria pagando atenção por um recurso que nunca toca. Segundo, clonagem, como acima. Terceiro, cobertura de idiomas: 74 contra 9 não é páreo se o seu idioma está na diferença. Quarto, um fluxo que já existe — se você tem chamadas de API, um passo de render e um modelo de mixagem que funcionam, trocar custa mais do que parece numa página de comparação.
Tem um quinto caso, mais silencioso: a escala deles. Planos maiores, entrega em WAV que a gente não faz, uma API com limites publicados e muita documentação. Se você responde a um time de compras, essa maturidade vale uma coisa que não temos como igualar este ano.
O nosso caso é estreito e a gente prefere enunciar estreito: um roteiro com várias pessoas falando, hoje gerado uma por vez e montado na mão, que no fim precisa de faixas por personagem e legendas. Essa é a hora de trabalho que existimos para apagar. Se essa não é a sua hora, fique onde está.
Como esta página foi escrita
Fabricamos um produto concorrente, então uma página como esta é publicidade faça a gente o que fizer com ela. O que dá para fazer é torná-la conferível. Toda afirmação sobre o ElevenLabs acima foi lida em 2026-09-21 na página de preços deles ou na documentação deles, o endereço fica ao lado da afirmação e, onde uma página não dizia algo, a gente escreveu “não consta no site deles” em vez de chutar de memória ou copiar uma resenha de terceiros.
A gente também deixou de fora o que as tabelas comparativas costumam contrabandear: nada de certinhos e xis, nada de notas, nenhum julgamento sobre quais vozes soam melhor — esse julgamento é seu, com o seu próprio roteiro nas duas ferramentas. Não existe uma linha preenchida com opinião.
A nossa coluna também não é digitada à mão. Os números saem das mesmas definições de plano que o produto aplica, interpoladas quando esta página é construída, então se a gente mudar um preço ou uma bolsa de créditos e esquecer desta página, a página muda mesmo assim.
Se você achar uma linha errada ou vencida — fabricantes mudam preço sem avisar a concorrência —, escreve para a gente que a gente conserta e move a data de verificação. Preferimos ser corrigidos a ser citados errado.
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 — Free $0 / 10k credits per month with 3 Projects in Studio; Starter $6 / 30k; Creator $11 / 121k; Pro $99 / 600k; Scale $299 / 1.8M; Business $990 / 6M; Commercial License from Starter; Instant Voice Cloning from Starter and Professional Voice Cloning from Creator; 74 languages listed against paid tiers.
- ElevenLabs — Text to Dialogue documentation — “There is no limit to the number of speakers in a dialogue”; bracketed audio tags influence delivery; Eleven v3 only; keep a request at or below 2,000 characters.
- ElevenLabs — Studio product guide — Multiple voices can be assigned within a paragraph; downloads as MP3 or WAV with quality by plan; automatic, template-customisable captions; per-speaker stems not stated.
- Typecast — Pricing — Free $0 with 3,000 lifetime download credits and attribution required; Basic $5, Plus $19, Pro $29, Business $69; emotion controls on Pro; cloning capacity stated per plan.
- Typecast — Home — “700+ AI voices” and “35+ languages”.
Perguntas frequentes
A CastDub sai mais barata que o ElevenLabs?
Não de um jeito comparável, porque as unidades são diferentes. A página de preços deles cobra créditos por mês a partir de $6; a gente cobra créditos só quando você baixa, a US$5 por mês no Basic e US$29 por mês no Pro, e gerar ou ouvir é de graça em todos os planos. A única comparação honesta é pegar um roteiro real, produzir nos dois e olhar quanto cada um descontou.
Dá para levar um projeto do ElevenLabs para a CastDub?
Só colando o roteiro. Não existe importação: nem .txt, nem .docx, nem .srt, e nem jeito de trazer as suas vozes ou os seus ajustes do ElevenLabs. Na prática é um copiar e colar do roteiro e uma nova escalação, o que numa cena leva alguns minutos.
A CastDub tem clonagem de voz como o ElevenLabs?
Uma versão mais estreita. A página de preços deles oferece clonagem instantânea a partir do Starter e clonagem profissional a partir do Creator. A nossa clona só a sua própria voz, a partir de uma declaração curta de consentimento que você lê em voz alta; ela lê as falas e segue a velocidade, mas não interpreta emoções. Se clonagem é o principal do que você precisa, use eles.
Quantas pessoas falando cabem num projeto da CastDub?
Quantas o seu roteiro tiver, mas só existem 10 vozes base diferentes, então a partir daí os personagens começam a dividir voz e se distinguem apenas pela direção de atuação. Numa cena coral densa, divida em projetos por grupo de personagens, ou aceite a repetição de propósito escalando quem divide voz o mais longe possível em idade e temperamento.
Eu recebo faixas de áudio separadas por personagem?
Em Pro, sim: um ZIP com a mixagem mais um MP3 inteiro por personagem e um SRT. Em Plus e Pro você recebe legendas e um único MP3 mixado. Não conseguimos verificar uma exportação por personagem nas páginas do ElevenLabs que lemos, então confira você mesmo na documentação deles se isso for decisivo.
Qual é melhor para audiodrama?
Se o seu drama tem várias vozes, quem decide é a pergunta do fluxo: se dá para gerar de novo uma fala sem refazer a cena, e se dá para tirar faixas separadas para a mixagem. Se o seu drama é um narrador único com citações ocasionais, essa pergunta nunca aparece, e a cobertura de idiomas e a clonagem deles valem mais que a nossa escalação.
Se você está fazendo algo assim
Vozes para escalar
Outros comparativos
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 graçaSem cartão de crédito. O Free dá um bolo único de créditos.