Vozes de IA para curtas: correspondidas, não clonadas

Vozes de personagens por IA

Atualizado em 16 de setembro de 2026

Resposta rápida: no SceneMixer, a fala não é dublada depois — o modelo de vídeo gera imagem e fala juntos, então a boca do personagem e a fala saem na mesma etapa. O que você controla é qual voz: cada personagem tem ou uma descrição escrita de timbre e entrega, ou uma amostra correspondida de uma biblioteca de vozes predefinidas, ou uma amostra que você envia. O que não oferecemos é uma forma de clonar uma voz que não é sua.

Frame de “Neon Debt”, um curta de drama com IA gerado de ponta a ponta pelo SceneMixer (7 personagens, 1 episódio) — Exemplo: “Neon Debt” — Realismo de Motor de Jogo, 1 episódio, produzido de ponta a ponta pelo SceneMixer a partir do roteiro · assistir aos episódios

De onde a voz realmente vem

A maioria dos fluxos de trabalho de vídeo por IA trata o áudio como uma segunda etapa: gerar cenas mudas, sintetizar falas e depois lutar com a sincronia labial. Os modelos de vídeo aqui geram áudio e imagem em uma única etapa, o que elimina essa luta, mas muda o que é uma “configuração de voz”. Não é um mecanismo de texto para fala onde você insere um roteiro — é uma referência que guia a etapa de geração.

Três formas de um personagem ter uma voz
Descrição escrita	Idade, timbre, peso, entrega — gerados a partir do roteiro junto com todo o resto do personagem, e interpretados pelo modelo de vídeo.
Predefinição correspondida	Uma voz escolhida de uma biblioteca de vozes do sistema, cada uma com uma amostra de áudio curta que você pode ouvir. Uma chamada de modelo propõe uma correspondência por personagem com base em gênero, idioma e idade; você pode corresponder de novo ou escolher outra manualmente.
Sua própria amostra	Envie um áudio para um personagem e ele se torna a referência de voz daquele personagem em todos os segmentos em que ele falar.

O que estiver anexado é usado de forma consistente: o mesmo personagem fala com a mesma voz em todos os segmentos e todos os episódios, pelo mesmo motivo que o rosto dele permanece o mesmo — a referência viaja com ele.

O que não faremos, e por quê

Não há ferramenta aqui para clonar uma voz a partir de uma gravação de outra pessoa. Essa lacuna é proposital, não um item do roadmap: publicar uma performance sintética da voz de uma pessoa real é um problema de direito de imagem na maioria dos mercados em que atuamos, e um produto que faz isso com um clique é um produto que torna isso rotineiro. Nossa própria lista de verificação de conformidade trata a imagem — rosto e voz da mesma forma — como algo que você precisa ter direito de usar antes de publicar.

Duas coisas que decorrem disso, que vale a pena dizer claramente:

Enviar sua própria voz é permitido. Essa é a sua imagem, e o caminho de upload existe exatamente para isso.
Criar uma voz a partir de uma descrição de texto não é o mecanismo aqui. Esse fluxo foi removido em agosto de 2026 em favor da correspondência de vozes reais amostradas, porque uma voz criada a partir de adjetivos varia entre as tomadas da mesma forma que um rosto descrito por adjetivos varia.

Idioma é uma configuração separada

O idioma do diálogo é escolhido na Etapa 1 e se aplica a todo o projeto: as falas são escritas nesse idioma na etapa de análise, copiadas literalmente para o storyboard e interpretadas nele. Isso não é uma dublagem sobre um original em inglês — não existe um original em inglês. O elenco, os nomes e os cenários podem ser adaptados ao mercado correspondente ao mesmo tempo por meio da configuração de região alvo. Quinze idiomas são suportados, e os argumentos contra a dublagem explicam por que gerar a fala é melhor do que ajustar o tempo dela.

Quanto custa

A correspondência de voz é uma chamada de modelo gratuita — ela não consome créditos e não conta contra o seu limite de tarefas simultâneas. Enviar sua própria amostra é gratuito. O áudio em si faz parte da geração de vídeo, que começa em 10 créditos por segundo de saída (≈ $0.06/s no plano menor preço por crédito); não há cobrança separada por palavra ou por personagem para a fala. Consulte a página de preços ou a visão geral do gerador para ver onde a voz se encaixa na execução.

O que você ainda não pode fazer

Redublar um clipe que você enviar. A fala é gerada com a imagem; não há uma etapa que substitua o áudio em cenas existentes.
Dirigir uma fala de ouvido. A entrega é guiada pelas notas escritas no storyboard — uma dica entre colchetes em cada fala — não por um editor de forma de onda. Se uma leitura estiver errada, você altera a nota e regenera o segmento.
Gravar legendas permanentemente no vídeo. As legendas para uma plataforma são adicionadas após a exportação; o pipeline só insere texto no quadro quando a história pede isso.

Cada episódio, em quinze idiomas

O idioma do diálogo é definido uma vez na Etapa 1 e toda a execução é feita nele, com a configuração de região alvo adaptando nomes, rostos e ruas para esse mercado ao mesmo tempo. Cada amostra abaixo foi produzida dessa forma, uma por idioma.

Idiomas

Diálogos nativos em 15 idiomas

Cada série abaixo foi produzida pelo mesmo fluxo, com o elenco falando o idioma de forma nativa: a interface, os documentos de trabalho e as falas estão todos no mesmo idioma, e nada é dublado. Abra uma para ouvir.

Ver todos os 15 idiomas

Perguntas frequentes

O SceneMixer pode clonar uma voz?

Não. As vozes são correspondidas a partir de uma biblioteca de vozes predefinidas amostradas, ou fornecidas por você por meio de upload do seu próprio áudio. Não há caminho para reproduzir uma voz a partir de uma gravação de outra pessoa, e isso é intencional, não um recurso inacabado.

A fala é dublada depois do vídeo?

Não. Os modelos de vídeo geram imagem e áudio na mesma etapa, então a performance e o movimento da boca vêm de uma única geração. Esse também é o motivo pelo qual alterar uma fala significa regenerar aquele segmento em vez de reeditar uma faixa de áudio.

Posso enviar minha própria voz?

Sim. Envie uma amostra para um personagem e ela se torna a referência de voz daquele personagem em todos os segmentos em que ele falar.

Todos os personagens precisam falar o mesmo idioma?

O idioma do diálogo é uma configuração de nível de projeto, então sim dentro de um projeto — mas o idioma é escolhido independentemente do idioma em que você escreveu o roteiro e independentemente do idioma da sua interface. Um mesmo roteiro pode ser produzido para vários mercados executando-o com configurações diferentes.

A voz permanece a mesma entre os episódios?

Sim, pelo mesmo motivo que o rosto permanece: qualquer voz anexada a um personagem é anexada no nível do projeto e viaja para todos os segmentos em que aquele personagem fala.

Personagens que falam, não clipes que você dubla

Imagem e performance em uma única etapa, no idioma que o seu público fala.

Experimente o SceneMixer gratuitamente

Pacotes de créditos a partir de $1.49 · Pro $7.99/mês · Não precisa de cartão de crédito para começar