
Quill
YouTube explainer voice that never sounds bored
Fluxo
Uma locução é a coisa mais simples que um texto para voz faz, e é o que quase toda ferramenta entrega pela metade: uma voz chapada lendo o roteiro inteiro na mesma velocidade. Esta página é para o roteiro que tem narração e pelo menos mais uma voz — quem apresenta e quem pergunta, o host e o convidado, um explicativo com um personagem dentro —, renderizado de graça, no navegador, como um MP3 que você põe embaixo do seu vídeo.
Você cola o roteiro inteiro. As falas que começam com o nome de alguém vão para outro personagem, e todo o resto é lido por quem narra. Sai um único MP3 mixado com as pausas já no lugar, então a rotina de sempre — renderizar cada parte separada e depois alinhar tudo no editor — some.
Dá para dizer a uma fala como ela deve soar. Uma rubrica entre parênteses no começo da fala — (com carinho), (como quem lê um aviso) — é interpretada em vez de lida em voz alta. No Pro cada fala carrega também a emoção dela; no Plus e no Pro, o ritmo dela. Uma locução que muda de marcha na hora certa soa gravada, não gerada.
Todo plano, inclusive o Free, usa qualquer um dos quarenta personagens da biblioteca, e cada um deles fala português, espanhol, inglês, francês, alemão, russo, chinês, japonês e coreano. As vozes são perfis, e não um cardápio de sotaques: você escolhe quem apresenta, não um código de região. Em português todas soam no brasileiro padrão.
O plano gratuito vem com um bolo único de créditos que dá mais ou menos cinco minutos de áudio pronto em português, e gerar ou ouvir não gasta esse bolo — só a exportação gasta. No cadastro não se pede cartão, e a demo da página inicial roda sem conta nenhuma.

Quill
YouTube explainer voice that never sounds bored

Indie
TikTok voiceover: fast, flat, faintly amused

Juno
Podcast host who thinks out loud and never reads a script

Hale
Documentary narrator with a hand on the listener's shoulder

Noor
Newsreader clarity for exposition-heavy scenes

Duke
Trailer voice. Three words per breath. All of them heavy.

Solène
Continental accent, unhurried, very expensive sounding

Beaudie
Australian field guide who finds everything hilarious
Texto puro, colado. Se o roteiro tem mais de uma voz, ponha o nome e dois-pontos no começo dessas falas; as falas sem nome são lidas por quem narra. Não existe envio de arquivo, então copie o texto do seu documento.
Escolha o personagem que carrega a maior parte do roteiro e faça o teste com a sua própria primeira frase, não com o texto de exemplo. Quill e Hale são as escolhas seguras para explicativo; Noor para o que precisa soar como telejornal; Duke só se você quiser mesmo um trailer.
A pontuação é o seu relógio: um ponto final é uma pausa e uma quebra de linha é uma pausa maior. Uma frase que carrega duas ideias é lida como a média das duas, então quebre em duas.
No Plus e no Pro, deixe quem narra um degrau mais lento do que parece certo dentro do editor. Quase toda primeira locução está rápida demais para alguém que também está olhando uma tela.
Ouça uma vez a duração inteira antes de mexer em qualquer coisa. Dirija só as falas em que o vídeo vira — a revelação, a chamada para ação — e deixe o resto em neutro.
Baixe o MP3 mixado em qualquer plano, ou o ZIP com um arquivo por fala e a tabela CSV de durações se você precisar arrastar frases soltas para bater com a imagem. As legendas saem em SRT no Plus e no Pro, sem custo extra.
Três coisas, nesta ordem. Ritmo: locução fica embaixo de imagem, e quem escuta enquanto lê uma tela precisa que as palavras cheguem um pouco mais devagar do que numa conversa. Quase toda locução gerada falha primeiro aqui, não porque a voz esteja errada, mas porque ela é rápida e uniforme, e uniformidade soa como desinteresse. Clareza: nome de produto, número e sigla são justamente a parte de que as pessoas precisam, e justamente onde uma voz sintética mais tropeça. Registro: um explicativo, um anúncio e um módulo de compliance querem três apresentadores diferentes, e uma ferramenta com uma voz única da casa não entrega isso.
A CastDub chega nas três pelo roteiro, e não por um painel de ajustes. O ritmo é definido fala a fala no Plus e no Pro e, em qualquer plano, pela pontuação: um ponto final é uma pausa de verdade, reticências são uma pausa mais longa, uma quebra de linha é um intervalo. A clareza se resolve testando as palavras difíceis sozinhas e consertando no texto. E o registro é decisão de escalação: quarenta personagens com perfil escrito, de quem lê o telejornal a quem conta história na hora de dormir ou quem anima um ginásio, e qualquer um deles pode ser quem narra.
A parte que quase nenhum gerador de locução tenta é a segunda voz. Vídeo explicativo vive deixando o diálogo entrar — uma cliente fazendo a pergunta que o vídeo responde, um colega que discorda, um depoimento lido por outra pessoa — e numa ferramenta de voz única essas falas acabam lidas chapadas por quem narra, ou produzidas à parte e coladas na mão. Aqui elas são falas com um nome na frente, escaladas para um segundo personagem e mixadas no mesmo arquivo com o intervalo certo antes e depois.
Um explicativo quer alguém que soe interessado no assunto sem atuar o interesse. Quill foi escrito exatamente para isso, e Hale é a alternativa mais calma para qualquer coisa acima de três minutos. Frases curtas, o nome do produto numa fala só dele na primeira vez que aparece para você poder testá-lo, e as viradas — “aqui está a pegadinha”, “e o que isso significa para você” — escritas como falas separadas, porque são os momentos em que a voz precisa mudar de marcha.
Anúncio e trailer são o único lugar em que uma leitura empurrada está certa. Duke existe para o spot de trinta segundos; Axel, para a versão esportiva dele. O truque é o contraste: duas falas empurradas e o resto no chão. Um anúncio inteiro na intensidade de trailer cansa na segunda frase, e a chamada para ação bate bem mais forte se a fala anterior for quieta.
Curso online e treinamento corporativo são a maior categoria de locução em volume e a mais sensível ao ritmo. Quem estuda volta o trecho, então uma leitura um pouco lenta é qualidade, não defeito. A clareza de telejornal de Noor cai bem em definição e procedimento; Wren ou Halcyon, em tudo que precisa baixar a temperatura. E se o módulo tem um caso — uma gestora e um funcionário, um cliente e quem atende —, escreva como diálogo com nomes: aí ele é interpretado por duas pessoas em vez de narrado por uma.
Narração é uma locução que carrega uma história em vez de uma mensagem: valem as mesmas ferramentas, mas a escalação puxa para as vozes de audiolivro e de história para dormir, e o roteiro puxa para frases mais longas. Dublagem é outra coisa: é substituir a fala que já está num vídeo por fala em outro idioma, no tempo da imagem e, no melhor dos casos, da boca. A CastDub não recebe vídeo e não faz isso. O que ela faz é gerar a faixa de substituição a partir de um roteiro que você traz — que é a maior parte do trabalho de uma dublagem simples, desde que você mesmo traduza o roteiro e esteja disposto a arrastar falas para bater com a imagem.
Se a sua necessidade real é pegar um vídeo que já existe e fazer ele falar outro idioma sozinho, uma ferramenta dedicada de dublagem vai te servir melhor. Se a sua necessidade é uma faixa de voz limpa e dirigida a partir de um roteiro — em qualquer um dos nove idiomas, com mais de uma voz quando o roteiro pede —, é para isso que esta página existe.
Aqui não tem importação de vídeo nem linha do tempo: o trabalho de sincronia acontece no editor em que você monta o vídeo. Duas exportações facilitam isso. O MP3 mixado é o caminho rápido: você joga na linha do tempo e, se a faixa inteira ficar um pouco longa, corta as pausas entre os parágrafos em vez de acelerar a voz. O ZIP com um arquivo por fala é o caminho preciso: um MP3 por frase e uma tabela CSV que lista, para cada fala, quem fala, o que ela diz e quanto dura em milissegundos, então dá para colocar cada frase exatamente onde a imagem precisa.
Dois hábitos economizam tempo. Escreva o roteiro na ordem em que as imagens vão aparecer, com uma ideia visual por fala, para que a lista de falas já seja a sua lista de planos. E decida a duração antes de gravar: um vídeo de sessenta segundos com cento e oitenta palavras de roteiro vai sair corrido seja qual for a voz, e nenhuma dose de direção conserta um roteiro que simplesmente não cabe.
Conte com uma fala gerada um pouco mais rápida e mais uniforme do que uma sessão humana, e que não deixa ar para o que acontece na tela a menos que você escreva esse ar. Uma fala com só umas reticências é o jeito mais simples de reservar um respiro para a imagem; uma quebra de linha entre frases é o segundo mais simples.
Free
US$0 / mês
Ouça como fica o seu roteiro com elenco antes de pagar qualquer coisa.
Basic
US$5 / mês
Abra a biblioteca inteira e comece a levar o áudio pronto embora.
Plus
US$19 / mês
Dirija o ritmo: segure uma confissão, apresse uma discussão.
Pro
US$29 / mês
O plano de quem faz audiodrama: cada fala com sua emoção e sua própria faixa.
É, dentro de limites que estão escritos e não aparecem de surpresa depois. O plano Free tem um bolo único de créditos que dá mais ou menos cinco minutos de áudio pronto em português, um teto de 30 falas geradas a cada 24 horas, e licença de uso pessoal e não comercial. Os planos pagos se renovam todo mês e liberam uso comercial. No cadastro não se pede cartão.
Num plano pago, pode: a licença comercial vem no Basic, no Plus e no Pro. No plano gratuito a licença é pessoal e não comercial, então canal monetizado precisa de plano pago. Isso é cláusula de serviço, não trava técnica — o áudio é o mesmo.
Um MP3 mixado em todos os planos, e também em todos os planos um ZIP com um MP3 por fala mais uma tabela CSV de durações. As faixas separadas por personagem são do Pro, e o arquivo de legenda SRT é do Plus e do Pro. Não existe exportação em WAV.
Você escolhe um personagem, não um sotaque. Em inglês a biblioteca traz perfis britânicos, americanos e australianos; fora do inglês cada voz fala o padrão geral do idioma — português do Brasil, espanhol latino-americano, mandarim — e o sotaque regional não dá para escolher.
No texto. Não existe dicionário de pronúncia, então reescreva a palavra do jeito que ela soa, separe um composto com hífen, ou escreva o número por extenso se importa como ele é dito. Teste o nome sozinho antes de renderizar o roteiro inteiro.
Não: gerar de novo devolve outra tomada, com o mesmo personagem e a mesma voz, e um matiz diferente. Uma fala já renderizada guarda o áudio dela até você editar aquela fala, então uma locução aprovada não muda sozinha. Gere de novo quando quiser outra leitura, não quando quiser a mesma.
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.