
Noor
Newsreader clarity for exposition-heavy scenes
Síntese
O texto para voz comum converte um bloco de texto com uma voz só. É a ferramenta certa para narração e a errada para uma cena. Esta página cobre a camada de síntese em si — o que dá para mandar ela fazer, e onde ela para.

Noor
Newsreader clarity for exposition-heavy scenes

Quill
YouTube explainer voice that never sounds bored

Dorian
Audiobook baritone for literary fiction and slow reveals

Solène
Continental accent, unhurried, very expensive sounding

Halcyon
Meditation-adjacent narrator for slow, quiet scenes

Indie
TikTok voiceover: fast, flat, faintly amused

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

Hale
Documentary narrator with a hand on the listener's shoulder
Neutro, alegre, triste, raiva, medo, sussurro e empolgado, definidos por fala e não por documento. Todo registro pode ser aplicado a qualquer voz: cada fala sai interpretada a partir de uma indicação de atuação, e não é um efeito colado por cima depois. As etiquetas da biblioteca dizem para quais registros um personagem foi escrito, não quais você pode pedir a ele.
Um multiplicador de velocidade por fala, no Plus e no Pro. O ritmo faz mais trabalho do que as pessoas esperam: ele carrega idade, autoridade e estado emocional com mais confiabilidade do que o tom.
Uma linha escrita inteira entre parênteses não é lida em voz alta: na escalação ela vira a indicação de interpretação da fala seguinte, assim como um parêntese no começo de uma fala vira a indicação dela mesma. A indicação fica ao lado da emoção na lista de falas, onde dá para editar ou apagar. Já um parêntese no meio da fala continua no texto e é lido. Cabeçalhos de cena e descrições de ação são outra história: eles saem como narração, então apague os que você não quer ouvir.
Um ponto final é uma pausa de verdade, reticências são uma pausa mais longa, a interrogação levanta o fim da frase. Quebras de linha criam intervalos. A diagramação do seu roteiro é o seu controle de tempo, e é por isso que esta página vive dizendo para você quebrar as falas.
O motor de síntese fica atrás de uma interface e mais adiante pode ser trocado por um melhor sem nenhuma mudança na sua escalação ou na sua direção. O que é seu — o roteiro, o elenco, a emoção fala a fala — não depende de qual motor está embaixo.
A biblioteca não é o paywall. Os planos diferem no tamanho do elenco, no controle de emoção e nos minutos — não em quais vozes você pode usar.
Uma voz ou várias. Para uma voz só, isto se comporta como qualquer outra ferramenta de texto para voz.
Escolha entre os quarenta personagens da biblioteca — filtre por idade, gênero, sotaque e estilo em vez de rolar a lista. Faça o teste no seu próprio texto, não no texto de exemplo.
Comece no neutro e, no Plus ou no Pro, num ritmo um pouco mais lento do que parece certo. Quase toda primeira tentativa está rápida demais.
Teste cada nome e cada palavra inventada antes de renderizar qualquer coisa longa, e reescreva no próprio texto, ou separe com hífen, os que saírem errados — não existe ajuste de pronúncia.
Ouça no alto-falante do celular além do fone. A maior parte do público está no celular.
O instinto, com emoção fala a fala, é usar em tudo, e o resultado é um mingau uniforme. O público lê emoção por contraste, então uma cena com duas falas dirigidas e vinte neutras bate muito mais forte do que uma cena em que tudo está empurrado.
O fluxo que dá bom resultado é: definir um registro de repouso por personagem, renderizar só com os padrões, ouvir de ponta a ponta e então marcar as duas ou três falas em que alguma coisa realmente muda. Numa cena de cinco minutos, dirigir cinco falas na mão é mais ou menos o certo.
Quatro hábitos carregam quase toda a diferença. Uma intenção por fala — uma frase que vai do encanto ao horror é renderizada como a média dos dois, então quebre. Pontuar de propósito, porque a pontuação é o seu tempo. Interjeições em falas próprias, porque o que é falado é o texto — a rubrica só colore a interpretação. E frases curtas para vozes graves, que perdem inteligibilidade rápido em períodos longos.
Nada disso é gambiarra para contornar limitação. São as mesmas notas que um diretor dá a um intérprete humano, pelos mesmos motivos.
A vocalização física — gritar, chorar, rir enquanto fala, grunhir — é a área mais fraca e vai continuar assim por um tempo, porque são eventos de respiração e não de fala. Gere isso como marcação provisória se precisar, e já conte com substituir depois.
O segundo limite é a interpretação. Uma leitura sintética é uma interpretação limpa, consistente e bem ritmada do que você escreveu. Ela não é um conjunto de decisões sobre subtexto. Para a maior parte do trabalho essa troca compensa; e compensa fazer a troca de olhos abertos sobre qual metade é qual.
Para trabalho de uma voz só, pouca. A diferença aparece no instante em que um roteiro tem mais de um interlocutor: escalar o elenco, uma voz que fica fixa para cada personagem dentro de um projeto e dirigir fala a fala são o produto, e a síntese é um componente por baixo disso.
Neutro, alegre, triste, raiva, medo, sussurro e empolgado, em todas as vozes. Cada fala é interpretada a partir dessa indicação, não é um efeito aplicado por cima. Ainda assim, teste uma fala dirigida com o seu próprio texto antes de dirigir a cena inteira — a intensidade depende muito de como a frase foi escrita.
Não — ritmo, sim, no Plus e no Pro; tom, não. Puxar uma voz para longe da faixa natural dela produz artefatos que ficam óbvios num fone bom. Escolha um personagem na faixa certa em vez disso.
Ele aplica as convenções do idioma do projeto, então em português uma data sai em dia, mês e ano. Textos que misturam convenções, ou que deixam o número sem contexto, são onde os erros aparecem; se o seu texto mistura, confira os números primeiro e, se precisar, escreva por extenso.
A gente não diz qual: o motor fica atrás de uma interface e pode ser trocado por um melhor mais adiante, sem você mexer na escalação nem na direção. O que vale saber é como ele se comporta — dez vozes base (quatro femininas, cinco masculinas e uma neutra) que falam os nove idiomas, cada fala interpretada a partir de uma indicação de atuação, e gerar a mesma fala de novo devolve outra tomada, com a mesma voz e um matiz diferente.
Dá, mas para acessibilidade você quer a voz mais clara, não a mais marcante, e vale testar a 1,5× ou mais rápido, já que muita gente que usa leitor de tela escuta bem acima da velocidade real.
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.