Como Gravar Amostras de Voz para Clonagem com IA (e Corrigir Erros de Pronúncia)

O que realmente importa na amostra de voz

Ruído e eco podem prejudicar a utilidade da amostra. Antes de enviá-la, ouça a gravação original: a fala deve estar clara, com uma única pessoa e sem música. Uma amostra ruidosa não significa que toda frase gerada terá o mesmo ruído, mas dificulta a avaliação do resultado.

Você não precisa de um estúdio profissional. Só precisa de um áudio seco, sem ruído de fundo e sem eco.

---

1. Escolhendo o lugar da gravação

Superfícies rígidas podem causar reflexos audíveis. Faça uma gravação curta em dois lugares disponíveis e escolha a que tiver menos eco. Móveis e tecidos podem ajudar, mas avalie o áudio gravado em vez de presumir que um material resolverá o problema.

Algumas soluções simples para quem grava em casa:

• O guarda-roupa. Experimente gravar de frente para um armário aberto com roupas e compare com seu lugar habitual. Confira se há menos eco, sem presumir que o armário supera um tratamento acústico.
• Almofadas e edredom. Tecidos perto de superfícies rígidas podem reduzir reflexos. Faça uma gravação curta para conferir e não cubra a ventilação dos aparelhos.
• Desligue aparelhos barulhentos. Desative o ventilador e o ar-condicionado durante o minuto da gravação. Se o cooler do computador fizer barulho, afaste o microfone da máquina.

---

2. Microfone e posicionamento

Dá para conseguir um clone limpo usando um microfone dinâmico comum, um microfone USB de entrada ou o próprio celular.

Três cuidados com o posicionamento

1. Fale ligeiramente de lado. Letras como p e b soltam rajadas de ar que batem direto na cápsula e criam aquele estalo grave (puff). Aponte o microfone a cerca de 30 a 45 graus em relação ao canto da sua boca.
2. Compare as opções de processamento do microfone. Se o aplicativo oferecer isolamento de voz ou redução de ruído, grave a mesma frase com a opção ligada e desligada. Escolha a versão com consoantes claras e sem cortes nas palavras mais baixas. As opções variam conforme o aparelho e o aplicativo.
3. Mantenha o ganho sob controle. A voz não pode encostar no limite de 0 dB. Deixe o sinal modulando entre -12 dB e -6 dB para evitar qualquer distorção digital.

---

3. Quanto tempo você precisa gravar?

No VoiceCloner, comece com 30 a 120 segundos de fala clara de uma pessoa. O intervalo padrão de envio é de 10 a 300 segundos, e a gravação no navegador tem limite de 120 segundos. Confira os limites atuais na ferramenta. Uma gravação mais longa não corrige eco nem variações de volume.

Fale com o seu tom de voz natural, no mesmo volume em que você conversaria com alguém sentado à sua frente.

Texto de exemplo para leitura

Evite textos corporativos ou termos técnicos complicados. Leia uma narrativa comum, com pontuação natural:

O café da manhã na padaria estava mais movimentado que o normal nesta terça-feira. Pedi um pingado com pão na chapa e fiquei observando o movimento na esquina da avenida. Quando o relógio marcou oito horas, peguei minha mochila e segui a pé até o escritório.

Respire normalmente entre as frases. Não segure a respiração para tentar deixar o áudio mais quieto; as pausas naturais ajudam o modelo a entender o ritmo da sua fala.

---

4. Corrigindo erros comuns de pronúncia no texto gerado

Depois de criar sua voz no VoiceCloner, a forma como você digita o texto de entrada define se a fala gerada soará natural ou travada. O motor de síntese segue regras de normalização que às vezes se perdem com números, siglas e abreviações.

Números, datas e valores em reais

Muitos modelos leem algarismos soltos como números grandes ou erram o padrão brasileiro:

• Anos: Em vez de digitar 2026, digite dois mil e vinte e seis. Isso evita hesitações ou leituras formais demais.
• Datas: Em vez de 15/09/2026, escreva por extenso: quinze de setembro de dois mil e vinte e seis.
• Valores em reais: Se você colar R$ 1.500,50, o motor pode ler ponto e vírgula como palavras avulsas. Digite mil e quinhentos reais e cinquenta centavos.
• Intervalos: Em vez de 3-5 dias, escreva três a cinco dias.
• Porcentagens: Escreva dez por cento ou noventa por cento em vez de usar o símbolo %.

Siglas e nomes próprios

Alguns motores tentam ler siglas como se fossem palavras comuns:

• Para siglas com letras separadas, use hifens: escreva C-P-F, I-P-V-A, A-P-I ou T-T-S.
• Para o Pix, digite Pix com maiúscula e minúscula normal.
• Para nomes de marcas compostos, separe os termos com espaço para que as sílabas não fiquem coladas na fala.

Acentuação e sons nasais

No português do Brasil, um acento esquecido muda o significado e o timbre da vogal:

• Diferencie avô (som fechado) de avó (som aberto).
• Palavras terminadas em ão e ões (como informação ou conclusões): se o modelo soar atropelado no final da palavra, coloque uma vírgula logo após para dar o tempo exato da ressonância nasal.

Controlando o ritmo com a pontuação

A pontuação funciona como instrução de tempo para o modelo:

• Vírgulas podem indicar uma divisão na frase, mas não definem uma duração fixa de pausa. Ouça o resultado e encurte a frase se a fala continuar acelerada.
• Pontos finais indicam o fim da frase. Ouça como a voz escolhida trata essa divisão.
• Reticências (...) podem alterar a pausa ou a entonação. Use poucas e confira se não criam hesitações indesejadas.

---

5. Checklist rápido antes de enviar seu áudio

Antes de fazer o upload:

1. Ouça a gravação no fone de ouvido em volume alto. Dá para ouvir a rua ou o barulho da geladeira no fundo? Se sim, grave de novo.
2. Observe se não há estalos fortes nas letras p e b.
3. Procure usar de 30 a 120 segundos de fala uniforme e confira os limites atuais da ferramenta.
4. Use MP3, WAV ou M4A e guarde a gravação original. Converter um arquivo ruidoso para WAV não recupera os detalhes perdidos.

Com o áudio pronto, você já pode acessar o VoiceCloner e gerar o seu modelo de voz. Se tiver dúvidas sobre pronúncia ou geração em lote, fale conosco pela página de Contato.

Altere uma coisa por vez

Guarde a amostra e o texto originais. Gere um trecho curto e altere apenas uma coisa: a gravação de referência, uma palavra difícil ou um sinal de pontuação. Salve as duas versões e as configurações usadas. Compare palavras omitidas, pronúncia, ruído e finais de frase antes de gastar créditos em um trecho maior.

O texto de leitura e as sugestões de escrita deste artigo são pontos de partida, não resultados de um teste de áudio publicado. Uma grafia fonética pode ajudar um modelo e confundir outro. Ouça a frase inteira depois de cada alteração. Use sua voz ou uma amostra com autorização expressa para clonagem.