Comparativo
CastDub como alternativa ao PlayHT para diálogo com roteiro
A própria documentação do PlayHT descreve um modelo feito para conversa, alcançado por uma API. A CastDub é um lugar para sentar e montar uma cena. Esta página é sobre qual dos dois você precisa — e é, principalmente, uma pergunta sobre se você escreve código.
Verificado em:
A gente concorre com o PlayHT, então siga os links. Um aviso incomum primeiro: em 2026-09-21, o play.ht recusou o nosso leitor de cara — a conexão caiu na página de preços e na página inicial, três tentativas. Por isso não há nenhum preço do PlayHT nesta página, nem condições do nível gratuito, nem termos de uso comercial. Tudo que vem abaixo veio do docs.play.ht, que respondeu.
Vale dizer essa limitação em voz alta, porque a pergunta mais comum sobre qualquer ferramenta é quanto custa, e nesta página a gente não consegue responder por eles.
O que conseguimos verificar
| CastDub | PlayHT | ElevenLabs | |
|---|---|---|---|
| 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. | O PlayDialog é “a more advanced model that can generate turn-based dialogues with multiple voices”, pela API. (fonte) | “There is no limit to the number of speakers in a dialogue” (Text to Dialogue, Eleven v3). (fonte) |
| Editor ou API? | Um editor web. Colar, escalar, dirigir, exportar. Não existe API pública para roteiros. | Documentado como uma API com motores de voz, limites de taxa e orientação de latência. (fonte) | As duas coisas: uma API e o editor Studio. (fonte) |
| Controle de emoção | 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. | O PlayDialog usa um “Adaptive Speech Contextualizer” para “control prosody, intonation, emotion and pacing”; etiquetas de emoção fala a fala não constam. (fonte) | Etiquetas de áudio entre colchetes como [sad] dentro do texto. (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. | Play 3.0 Mini “Supports 36 languages”; PlayHT 2.0 Turbo é “English only”; o multilíngue do PlayDialog está marcado “Beta”; PlayDialog Turbo no Groq: “Only two language options are supported: english and arabic”. (fonte) | “74” idiomas listados nos níveis pagos. (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. | “You can clone any voice instantly across languages with only 30 seconds of speech”. (fonte) | Clonagem instantânea a partir do Starter; profissional a partir do Creator. (fonte) |
| Preço e nível gratuito | 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. Nível 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. | Não verificado. O play.ht fechou a conexão com o nosso leitor em 2026-09-21, então não temos preços nem condições do nível gratuito vindos do site deles. | Free $0 com 10k créditos por mês; Starter $6; Creator $11; Pro $99; Scale $299; Business $990. (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 se aplica no mesmo sentido: uma API devolve o áudio que você pede por chamada, e a montagem fica com você. (fonte) | Não consta; os downloads do Studio são “MP3 or WAV”. (fonte) |
| Legendas? | Plus e Pro: um arquivo SRT, e exportar isso não gasta créditos. | Não consta nas páginas de documentação que lemos. (fonte) | Legendas automáticas no Studio; um arquivo SRT não consta. (fonte) |
Verificado em 2026-09-21. O play.ht não serviu as páginas ao nosso leitor, então toda linha do PlayHT vem do docs.play.ht, que serviu.
Por causa disso, esta página não traz nenhum preço do PlayHT, nem limites do nível gratuito, nem termos comerciais. Leia tudo isso no site deles antes de decidir qualquer coisa.
A coluna da CastDub é interpolada a partir das definições de plano do produto quando a página é construída.
Escala vários personagens de um mesmo roteiro?
Os dois, mas em alturas diferentes. A documentação de modelos do PlayHT 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” (um modelo que gera diálogos por turnos com várias vozes). Isso é capacidade multivoz de verdade e é a coisa mais perto do que a gente faz nesta família de páginas, só que expressa como um modelo que você chama, e não como uma sala onde você trabalha.
A CastDub é a sala. Você cola um roteiro, as falas são separadas, um personagem é criado para cada pessoa que fala e cada um é escalado entre 40 perfis de biblioteca; depois você senta com a cena: gera de novo uma fala, troca a emoção padrão de um personagem, reordena, exporta. Nada nesse ciclo exige chave de API nem um programa seu.
Então a pergunta real não é qual produz diálogo — os dois produzem — e sim se você quer uma peça de construção ou uma bancada. Se você está colocando voz dentro do seu próprio produto, um modelo com API é a escolha certa e um editor atrapalha.
Como a emoção é controlada?
Do lado deles, em boa medida automaticamente e com sofisticação. A mesma documentação credita ao PlayDialog uma capacidade emocional “state-of-the-art” e um “Adaptive Speech Contextualizer” usado para “control prosody, intonation, emotion and pacing” — ou seja, o modelo lê o contexto da conversa e decide a interpretação. Etiquetas de emoção fala a fala não constam nas páginas que lemos.
Do nosso, explicitamente: 7 emoções, uma padrão por personagem em todos os planos e a troca fala a fala nos planos Pro, mais um controle de velocidade de cinco passos em Plus e Pro. Cada fala é interpretada conforme a direção dela em vez de ser filtrada até tomar forma.
Tem uma troca aqui que passa batido fácil. A interpretação contextual costuma sair melhor ao longo de uma conversa inteira, porque o modelo ouviu o turno anterior. A direção explícita fala a fala é melhor naquela fala que precisa quebrar o padrão: a piada que cai plana de propósito, a confissão que baixa a voz. Se a maior parte do seu trabalho é do primeiro tipo, a abordagem deles pode simplesmente render cenas melhores com menos esforço.
Quais idiomas?
A documentação deles é específica por modelo e os números variam muito: Play 3.0 Mini “Supports 36 languages”; PlayHT 2.0 Turbo aparece como “English only”; o suporte multilíngue do PlayDialog está marcado “Beta” na tabela comparativa deles; e para o PlayDialog Turbo hospedado no Groq, “Only two language options are supported: english and arabic”.
Vale ler duas vezes se você produz em qualquer coisa fora o inglês, porque o modelo multivoz e a lista ampla de idiomas não são o mesmo modelo. A gente não tem armadilha equivalente: as 10 vozes base falam os 9 idiomas — inglês, chinês, japonês, coreano, espanhol, português, francês, alemão e russo — e todo recurso funciona igual em cada um deles.
O que a gente não oferece é escolher sotaque regional fora do inglês, nem prometer qualidade revisada por nativos. Cole as suas próprias falas e ouça; esse é o único teste que resolve.
Dá para clonar a minha própria voz?
A deles, sim: a documentação diz que “You can clone any voice instantly across languages with only 30 seconds of speech” (clonar qualquer voz na hora, entre idiomas, com só 30 segundos de fala). Trinta segundos é uma barra baixa, e clonar entre idiomas é uma capacidade real.
A nossa, sim, mas só da sua própria voz. A única gravação que aceitamos é você lendo em voz alta uma declaração curta de consentimento, e essa gravação é a voz: nada de figuras públicas, nunca um menor de idade, nunca outra pessoa. Ela lê falas em qualquer um dos nossos 9 idiomas e segue a velocidade da fala; emoções e indicações de atuação não valem.
Como em toda página desta família, isso é um desempate limpo: se a sua produção depende de uma voz real específica que não é a sua, ou de um clone que atue, use uma ferramenta construída em volta da clonagem.
O que sai no fim?
Da gente: um MP3 mixado em todos os planos, um SRT em Plus e Pro sem custo de créditos, e em Pro um ZIP com a mixagem mais um MP3 inteiro por personagem para a sessão de mixagem. Sem WAV — uma limitação real se você entrega contra uma especificação.
De uma API, o que sai é o que você pediu: bytes de áudio por requisição, e a montagem — os intervalos entre falas, o tempo, o arquivo de legenda — fica por sua conta. A documentação deles anota um limite que vale planejar no motor Turbo e limites de taxa que “depend on the API you are using and the plan”. Nada disso é crítica; é o que uma API é. Mas quer dizer que a comparação, na real, é entre a nossa tarde de cliques e a sua tarde de encanamento.
O nosso modelo de créditos talvez conte aqui também: os créditos saem só no download, não na geração nem na prévia, com um teto de síntese por dia no lugar (30 falas no Free, 2,000 no Pro). Experimentar não é medido.
Quando vale escolher o PlayHT em vez da gente
Quando você está construindo software. Se a voz é um recurso do seu próprio produto — um agente, um jogo, um app de leitura —, você precisa de uma API e de um modelo, e um editor web tem o formato errado. O modelo de diálogo deles é documentado exatamente para isso.
Quando você precisa de mais da clonagem do que a sua própria voz lendo falas, com o clone instantâneo de trinta segundos deles. Quando precisa de um dos 36 idiomas do Play 3.0 Mini que a gente não tem, lembrando qual modelo recebe quais idiomas. E quando a latência importa: a documentação deles tem uma página sobre reduzi-la, o que diz muito sobre o tipo de cliente para quem eles projetam.
Escolha a gente quando quem senta com o roteiro é uma pessoa, não um programa: várias pessoas falando, falas para recortar de novo e a necessidade de faixas por personagem e legendas no fim, sem escrever código.
Como esta página foi escrita
Somos concorrentes e esta página foi escrita por nós, então a única coisa que a faz valer o seu tempo é ela ser conferível. Toda afirmação sobre o PlayHT acima está citada do docs.play.ht, lida em 2026-09-21, com o link ao lado.
Faltam aqui três assuntos inteiros — preço, limites do nível gratuito, termos comerciais — porque o play.ht fechou a conexão com a gente. Dava para tirar esses números de uma dúzia de sites de resenha. A gente não tirou, porque uma página que mistura citações verificadas com números de segunda mão é menos confiável que uma que admite um buraco, e porque os preços que esses sites publicam se contradizem entre si.
A gente não afirmou nada sobre quais vozes soam melhor, e não colocou um xis em lugar nenhum onde apenas não encontrou algo. Onde a capacidade deles é realmente mais forte — um modelo de diálogo documentado, clonagem em trinta segundos, 36 idiomas num dos motores — está dita com as palavras deles, não rebaixada numa paráfrase.
A nossa coluna é gerada pelo código de planos com que o produto roda, então ela não tem como derivar para a bajulação.
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.
- PlayHT — Voice engines documentation — PlayDialog “can generate turn-based dialogues with multiple voices” and uses an “Adaptive Speech Contextualizer” for “prosody, intonation, emotion and pacing”; Play 3.0 Mini “Supports 36 languages”; PlayHT 2.0 Turbo “English only”; PlayDialog multilingual marked Beta.
- PlayHT — Dialog Turbo on Groq — “Only two language options are supported: english and arabic.”
- PlayHT — Documentation home — “You can clone any voice instantly across languages with only 30 seconds of speech”; PlayDialog listed as a voice engine.
- PlayHT — Rate limits — “our APIs are rate-limited. The specific limits depend on the API you are using and the plan”.
- PlayHT — Pricing — Connection closed to our fetcher on 2026-09-21; no prices or plan terms were taken from it.
- ElevenLabs — Pricing — Plan prices and credits; cloning tiers; 74 languages.
- ElevenLabs — Text to Dialogue documentation — No limit on speakers in a dialogue; bracketed audio tags control delivery.
Perguntas frequentes
Por que esta página não lista os preços do PlayHT?
Porque o site deles não serviu as páginas ao nosso leitor em 2026-09-21: três tentativas, conexão fechada todas as vezes. Tudo aqui vem da documentação deles, que respondeu. Confira a página de preços diretamente; a gente acrescenta os números assim que conseguir lê-los na própria página deles.
PlayDialog é a mesma coisa que a escalação da CastDub?
Não, e a diferença é a camada. O PlayDialog é um modelo documentado como gerador de “turn-based dialogues with multiple voices” por uma API; a CastDub é um editor que pega um roteiro inteiro colado, cria personagens, escala entre 40 perfis de biblioteca e deixa você recortar falas isoladas sem escrever código.
A CastDub tem API?
Não existe API pública para produzir roteiros. Se você precisa gerar diálogo de dentro do seu próprio software, um fornecedor que começa pela API tem o formato certo e a gente não é candidata.
Quantas vozes uma cena consegue usar?
10 vozes base diferentes (4 femininas, 5 masculinas, 1 neutra). Passando disso, os personagens dividem voz e se separam só pela direção de atuação, então planeje as cenas corais grandes com esse número em mente.
Quais idiomas a CastDub atende?
9: inglês, chinês, japonês, coreano, espanhol, português, francês, alemão e russo, com cada voz base falando todos. Sotaque regional fora do inglês não se escolhe e a gente não promete.
Dá para pegar faixas separadas para mixar?
Em Pro: um ZIP com a mixagem e um MP3 inteiro por personagem, mais um SRT. Em Plus e Pro você recebe legendas e um único MP3 mixado. Tudo é MP3; não existe exportação em WAV.
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.