Nova
IA da nave que leu a sua ficha
Categoria de voz
Construa uma máquina que quase parece gente
As vozes de robô interessantes não são as que zumbem. São as que estão quase humanas e erradas em um detalhe — regularidade perfeita, nenhuma respiração, uma pausa no lugar errado. Isso é escolha de interpretação, e é uma escolha que você dirige.
Quatro vozes para começar
Halcyon
Calma a ponto de incomodar
Noor
Clareza de sistema de aviso
Vex
Algo vestindo um tom razoável
As amostras são provisórias enquanto o áudio de demonstração público é produzido. Toda voz está disponível em todos os planos — a biblioteca não é paywall.
Três registros distintos de máquina
O primeiro é o computador retrô: muito processado, sílaba a sílaba, obviamente mecânico. É um sinal de nostalgia mais do que um personagem, e é construído inteiramente na pós-produção. O segundo é o assistente moderno: chapado, agradável, competente, o registro que todo mundo ouve todo dia e que ninguém chama de robô. O terceiro é o andróide: quase humano, com uma coisa faltando, e é o único que assusta.
Só o terceiro é de fato uma decisão de escalação, e é nele que vale gastar tempo, porque é o único que consegue carregar uma cena dramática. Os outros dois você resolve com filtro e com escolha de voz clara, em quinze minutos.
Escrever a versão perturbadora
Fala de máquina na ficção é sinalizada quase inteiramente por escolha de palavra e estrutura. Nada de forma reduzida. Nada de hesitação. Nada de frase quebrada. Gramática completa o tempo todo, inclusive nos momentos em que uma pessoa não teria terminado a frase.
Em português isso é especialmente nítido porque a nossa fala coloquial é muito distante da escrita: brasileiro fala “tá”, “pra”, “né”, come pronome, troca “nós” por “a gente”. Um personagem que nunca faz nada disso — que diz “está”, “para a”, “nós iremos” — soa não humano antes mesmo de você escolher a voz. A segunda ferramenta é o descompasso de resposta: o humano diz algo emocional, a máquina responde com informação. Essa troca estabelece a não humanidade melhor do que qualquer efeito.
Por que não processar na renderização
Todo efeito que você embute é uma decisão que não dá para revisitar. A modulação em anel que ficou perfeita no seu monitor vai estar ininteligível no celular. A dobra que soou ameaçadora vai soar ridícula quando a cena mudar de contexto. E você só descobre depois de ter renderizado o episódio inteiro.
Gerar áudio limpo e tratar no editor custa alguns minutos e mantém todas essas decisões abertas. A exportação de faixas separadas existe em boa parte por isso: efeito de voz é decisão de mixagem, e decisão de mixagem quer material cru.
Uma nota sobre a ironia óbvia
Tem algo genuinamente engraçado em usar uma voz sintética para interpretar uma voz sintética, e vale dizer em voz alta: o motivo de um assistente moderno soar como soa é que ele é literalmente isto aqui, sem direção nenhuma. O registro de assistente é o padrão de fábrica da síntese.
Na prática, isso significa que o registro retrô e o registro de assistente saem quase de graça, e o andróide é onde o seu tempo de direção deve ir. Que é o oposto exato do que a maioria das pessoas faz quando abre a ferramenta pela primeira vez.
A voz de máquina como recurso cômico
Fora da ficção científica, o uso mais produtivo de uma voz emocionalmente chapada é a comédia. Um sistema automatizado implacavelmente simpático explicando um absurdo, um aviso interno anunciando catástrofe no tom de um painel de embarque, uma voz de navegação com opinião própria — todos funcionam porque o registro fica completamente fixo enquanto o conteúdo escala. No Brasil esse registro tem um repertório enorme: a atendente eletrônica do banco, o aviso do metrô, a mensagem de operadora. Qualquer um deles é reconhecido na primeira frase.
A regra de escrita é que a máquina nunca pode reconhecer o absurdo. No momento em que ela comenta o que está acontecendo, vira um personagem com senso de humor e a piada desmorona numa voz engraçada comum. Mantenha a entrega neutra, mantenha o vocabulário procedimental e deixe todo o resto da cena reagir no lugar dela.
Do roteiro ao áudio em poucos passos
- Escolha a época
Um computador dos anos 1960, um assistente moderno e um andróide perturbador são três sons diferentes. O primeiro é processado, o segundo é chapado e agradável, o terceiro é humano com algo faltando.
- Escale chapado
Comece de uma voz com pouca variação emocional natural. Filtrar uma voz acolhedora para soar robótica normalmente só soa como voz acolhedora num alto-falante ruim.
- Evite a linguagem falada
Personagem máquina que diz “não posso” em vez de “não dá”, e que nunca come uma sílaba, lê como não humano na hora, sem processamento nenhum. É a edição mais valiosa desta página.
- Deixe tudo em neutro
O incômodo de uma voz de máquina vem do achatamento emocional em situações que exigem emoção. Resista à vontade de dirigir.
- Processe depois, se for
Exporte limpo e aplique filtragem, dobra ou modulação em anel no seu editor. Áudio limpo sempre pode ser degradado; áudio degradado não volta a ser limpo.
Perguntas frequentes
Consigo aquele robô zumbido clássico?
Não pelo renderizador, e isso é deliberado. Aquele som é efeito de processamento — modulação em anel, vocoder, redução de bits — aplicado depois. Gere a interpretação limpa e acrescente o efeito no seu editor, onde dá para recuar quando ele se revelar ininteligível.
Por que uma voz chapada assusta mais que uma processada?
Porque uma voz processada é obviamente máquina e o ouvinte relaxa. Uma voz quase humana e emocionalmente ausente fica no vale da estranheza, e o desconforto vem de o ouvinte não conseguir classificar aquilo.
Como faço uma IA educada e errada?
Escreva frases completas e extremamente corretas, mantenha a emoção neutra e faça o personagem responder a momentos emocionais com informação procedimental. Em português tem um atalho: o registro de atendimento automático, aquele “sua ligação é muito importante para nós”, já é reconhecido por qualquer brasileiro como fala de máquina — usar essa sintaxe faz metade do trabalho antes de qualquer voz.
A voz pode degradar ao longo da cena?
Não dentro de uma renderização só. Gere as falas limpas e aplique degradação crescente nas últimas no seu editor. Fazer na pós também significa poder ajustar a velocidade da decadência, que quase sempre está errada na primeira tentativa.
Voz de robô serve fora da ficção científica?
Muito. Sistema de aviso, menu de telefone, voz de navegação dentro da história e mensagem corporativa satírica usam o mesmo registro, e o valor cômico de uma voz automatizada implacavelmente simpática é quase inesgotável.
Posso usar as vozes neutras para acessibilidade?
Pode, embora para acessibilidade você geralmente queira a voz mais clara e não a mais chapada. Filtre pela etiqueta “clara” e confira em velocidade acelerada, já que muita gente que usa leitor de tela ouve bem acima do tempo real.
O que as pessoas fazem com essas vozes
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.