Gerador de Diálogos por IA

Diálogo não é faixa de legenda

A maioria das ferramentas que falam em “diálogo por IA” se refere a legendas: texto que você cola sobre um clipe. Aqui, a fala é pronunciada. O modelo de vídeo gera imagem e áudio em uma única etapa, então a boca do personagem forma aquela frase, naquele idioma, com aquele ritmo — não há um arquivo de voz separado colado depois, nem uma etapa de sincronia labial que pode dar errado.

Isso tem uma consequência que vale a pena entender antes de você escrever qualquer coisa: o tamanho de uma fala define a duração de um plano. Diga a frase em voz alta e cronometre, porque é exatamente isso que o fluxo de produção faz.

Visão geral

Por que a regra de tempo importa mais do que parece

Uma fala de dezoito palavras em inglês precisa de cerca de seis segundos de tela. Se você pedir a um modelo de vídeo um plano de quatro segundos com dezoito palavras, uma de duas coisas acontece: a fala fica acelerada até virar um amontoado sem sentido, ou o modelo simplesmente descarta a segunda metade da frase. Nenhuma dessas falas avisa que aconteceu — você só percebe quando assiste à edição.

Por isso, a lista de planos calcula a duração mínima a partir da própria fala e insere esse valor no plano. Se a soma dos planos de um segmento ultrapassar o que o segmento comporta, o segmento é dividido em um limite entre planos, em vez de ser comprimido. Você pode alterar qualquer duração manualmente; o cálculo existe para que o padrão nunca erre de um jeito que estrague uma tomada.

Notas de interpretação: direção, não encenação

Cada fala traz uma nota curta entre colchetes — do tipo que um diretor fala em uma reunião, não um advérbio de romancista. “Seco, já decidido.” “Tentando não olhar para a porta.” Essas notas chegam ao modelo como instrução de atuação e mudam a leitura de forma perceptível. O fluxo aplica duas regras para que elas continuem úteis:

• A nota nunca repete a fala. Uma nota que parafraseia a frase não acrescenta nada e consome a atenção do modelo.
• Marcadores de fora de cena vêm primeiro. Se a fala for voz over, voz ao telefone ou pensamento interior, isso é declarado antes de qualquer outra direção — porque isso define se uma boca se move ou não, e errar esse ponto é a diferença entre uma ligação telefônica e um personagem falando sozinho na câmera.

Quando o modelo retorna falas sem notas — o que acontece de forma imprevisível —, uma etapa pequena e separada preenche apenas as que faltam, sem mexer nas falas em si.

Um projeto, um idioma de diálogo

O idioma do diálogo é uma configuração do projeto, não de cada fala, e é escolhido antes da análise porque ele muda o que é escrito, não apenas como é renderizado. Um romance web chinês com diálogo em inglês gera falas em inglês com ritmo de inglês — não frases chinesas traduzidas. Nomes e cenários se adaptam se você também definir uma região alvo.

O que não muda é o preço: um segmento custa os mesmos credits em qualquer idioma, e os documentos de trabalho que você lê são traduzidos gratuitamente. Os detalhes estão em o guia de idioma de diálogo; diálogo nativo vs dublagem explica por que isso não é uma etapa de dublagem.

O que ele não faz

• Clonar uma voz. As vozes vêm de uma biblioteca predefinida ou da sua própria amostra enviada. Não há caminho aqui para reproduzir a voz de outra pessoa.
• Fazer sincronia labial em material que você enviar. A fala é gerada junto com a imagem. Esta não é uma ferramenta para colocar novas palavras na boca de um clipe existente.
• Gravar legendas no vídeo. O diálogo falado é áudio. As legendas de plataforma são adicionadas depois da exportação.
• Manter uma conversa de quatro pessoas em um único plano. Cenas com dois personagens são confiáveis; além disso, a cobertura é dividida em planos, que é o que uma edição de verdade faria de qualquer forma.

Quanto custa

O diálogo não é um item separado na cobrança — ele é escrito pelas duas etapas pagas que você já executa. A análise de roteiro custa 4 credits por 3,333 caracteres de texto em inglês; a lista de planos de cada episódio custa 1 credit por 333 caracteres daquele episódio. Reescrever uma fala é gratuito; renderizar novamente o segmento que a contém custa o valor do vídeo do segmento, a partir de 10 credits por segundo (≈ $0.06/s no plano menor preço por crédito). A correspondência de voz não custa nada. Contas novas começam com 50 credits e uma prévia gratuita de até 5 segundos — o suficiente para ouvir uma fala interpretada antes de pagar por qualquer coisa. A tabela completa está na página de preços.

Perguntas frequentes

Preços·Guias·Amostras·Suporte·Privacidade·Termos·Aviso legal·Contato·© 2026 SceneMixer