Personagens que falam
Vídeo de IA com personagens que falam
Atualizado em 15 de novembro de 2026

| SceneMixer em resumo | O que você recebe |
|---|---|
| Preço do vídeo | A partir de $0,06 por segundo (10 créditos) no nível padrão, até $0,47 por segundo no nível mais alto; todos os preços aparecem antes de você apertar o botão |
| Duração do clipe | Até 30 segundos por segmento gerado; um episódio é montado a partir dos seus segmentos a 1 crédito por segundo |
| Um episódio, com os números | Um episódio de 60 segundos no nível padrão custa cerca de 660 créditos (vídeo mais montagem), ou cerca de $4,11 ao menor preço de crédito; uma série de 10 episódios de 90 segundos a partir de um romance de 30.000 caracteres custa cerca de 10.026 créditos, ou cerca de $62 |
| Diálogo | Falado no próprio vídeo, uma voz por personagem, em qualquer um de 15 idiomas |
| Formatos | 9:16 vertical ou 16:9 horizontal; de 480P a 1080P, mais um nível 2K |
| Grátis para começar | 50 créditos ao se cadastrar, 15 imagens de configuração grátis, um storyboard grátis do primeiro episódio e uma prévia de vídeo grátis de 5 segundos |
| Quem usa | 2.900+ criadores já geraram com o SceneMixer (contas com pelo menos uma geração, contagem de novembro de 2026) |
| Entrada | Um roteiro, um romance ou uma ideia em uma linha; uploads de .txt, .docx e .md |
A voz sai da mesma geração que a imagem
Existem duas maneiras de fazer um personagem falar na tela. Uma é renderizar um vídeo mudo e depois mover a boca com uma faixa de áudio — o caminho da sincronia labial, que precisa de um recorte do rosto, um arquivo de áudio de referência, e produz um rosto que se move corretamente, mas um corpo que não atua. A outra é gerar imagem e som juntos, para que a atuação e a boca sejam uma única decisão.
O pipeline do SceneMixer faz a segunda. O nível de vídeo padrão é audiovisual: o modelo recebe a fala, quem a diz, como ela é dita e uma referência de voz, e devolve um plano com a fala dita nele. Nada é costurado depois.
Visão geral
| A fala | Literal, uma vez. Dita exatamente como escrita — sem paráfrases, sem reajuste de tempo. |
|---|---|
| Quem fala | Nomeado, e vinculado à referência de voz daquele personagem para que a mesma pessoa soe igual entre os episódios. |
| Como é dita | Uma direção curta entre colchetes — baixinho, ainda sorrindo, forçando um tom neutro. É direção de atuação, não legenda. |
| Quem mais está no quadro | Marcado com lábios fechados, para que quem ouve não mexa a boca junto. |
| Fala fora de quadro | Marcada primeiro no colchete — voz over, ao telefone, pelo interfone — e depois todos os visíveis são descritos com a boca fechada. |
| Tempo | Uma tomada com diálogo nunca é mais curta do que a fala precisa: três palavras por segundo em inglês, cinco caracteres por segundo em chinês. |
Vozes são combinadas, não sintetizadas por personagem
No SceneMixer, cada personagem recebe uma voz de uma biblioteca de vozes de sistema pré-prontas — você ouve uma amostra de três a oito segundos antes de escolher, pode corresponder novamente, pode escolher outra no seletor ou pode enviar sua própria gravação. O motivo de ser uma combinação, e não um desenho de voz por personagem, é custo e estabilidade: vozes desenhadas se desviam entre as gerações e custam por personagem, enquanto uma voz da biblioteca é a mesma no episódio um e no episódio doze.
Se um personagem não tiver voz atribuída, a tomada usa como apoio uma descrição escrita da voz — idade, textura, registro — que o modelo interpreta. Esse é o padrão para projetos novos; atribuir vozes é um passo deliberado, não algo que acontece silenciosamente com cada personagem.
A regra de tempo e por que ela existe
Um plano de quatro segundos não comporta dezesseis palavras em inglês. Ou a fala sai apressada e ininteligível, ou ela é cortada. Por isso os planos de diálogo do SceneMixer têm um piso derivado da fala: contagem de palavras dividida por três para inglês, contagem de caracteres dividida por cinco para chinês, e falas curtas recebem uma pausa acrescentada em vez de serem espremidas até o mínimo teórico. Planos que voltam curtos demais para a fala são sinalizados e corrigidos antes de qualquer renderização — o que é mais barato do que descobrir isso na saída.
Idioma
O idioma do diálogo é uma configuração do projeto, escolhida uma vez, e aplicada onde as falas são escritas pela primeira vez, em vez de ser traduzido depois — assim a atuação é criada naquele idioma, em vez de ser uma dublagem. Quinze idiomas de interface estão disponíveis e o diálogo tem suporte em todos eles; alguns idiomas ocasionalmente pronunciam mal palavras individuais no nível padrão do modelo, e o seletor avisa quando isso acontece. A página de vozes de personagens cobre isso em detalhes.
O que ele não faz
- Clonar uma voz que você não tem direito de usar. Você pode enviar a sua própria gravação como referência para os seus personagens, e a Voz original da Redublagem clona a voz de um personagem do próprio clipe.
- Sincronizar com a boca uma foto que você envia. A fala do SceneMixer vem da geração, não de conduzir um quadro existente; um vídeo enviado só recebe falas novas pelo Substituir de um remake, que gera de novo a parte alterada.
- Atingir uma duração exata para uma fala. O piso é garantido; a duração exata da interpretação é decidida pelo modelo.
- Gravar legendas no vídeo. Nenhum texto é renderizado no quadro. As legendas são adicionadas depois da exportação.
- Garantir pronúncia perfeita de todos os nomes próprios. Nomes inventados, em especial, valem a pena ser pré-ouvidos antes de você finalizar um episódio.
Quanto custa
A fala está incluída no preço do vídeo — não há cobrança separada de áudio. O vídeo começa em 10 créditos por segundo de saída (≈ $0,06/s no menor preço por crédito) e chega a $0,47/s no nível mais nítido; a montagem custa 1 crédito por segundo. A combinação de voz da biblioteca não custa nada. Contas novas recebem 50 créditos e uma prévia gratuita de até 5 segundos — o suficiente para ouvir um personagem falar antes de decidir. As tarifas estão na página de preços.
Idiomas
Diálogos nativos em 15 idiomas
Cada série abaixo foi produzida pelo mesmo fluxo do SceneMixer, 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.
A Carta de LisboaPortuguêsNo seu idioma
윈터 프라미스한국어Diálogo nativo
El Secreto de CostaEspañolDiálogo nativo
浪人の誓い日本語Diálogo nativo
Ikrar JakartaBahasa IndonesiaDiálogo nativo
Зимняя коронаРусскийDiálogo nativo
L’Héritier du DéfiléFrançaisDiálogo nativo
Il Tavolo dell'OlivaItalianoDiálogo nativo
De Vuurtoren van de FjordNederlandsDiálogo nativo
العهد الصحراويالعربيةDiálogo nativo
Çantasındaki SözleşmeTürkçeDiálogo nativo
Die Istanbul-TäuschungDeutschDiálogo nativo
Останній сигналУкраїнськаDiálogo nativo
問劍青雲繁體中文Diálogo nativo
The Last EnvelopeEnglishDiálogo nativo
No SceneMixer vs. juntar ferramentas na mão
A maioria dos fluxos de trabalho de dramas de IA é uma sequência de cinco ou seis ferramentas. Aqui você vê onde cada etapa acontece e o que ela substitui.
| Etapa | No SceneMixer | Fazendo à mão com ferramentas separadas |
|---|---|---|
| Roteiro e plano de episódios | Cole um roteiro ou um romance, ou digite uma linha: o texto é lido e vira um elenco, locações, adereços e um esboço de episódios que você pode editar | Um modelo de chat escreve o roteiro; você o divide em episódios e leva o texto de uma ferramenta para outra |
| Rostos de personagens e lugares | Cada personagem, locação e adereço é desenhado uma vez como ficha de referência e anexado a todos os planos em que aparece | Um modelo de imagem, uma ficha por vez; você mesmo envia a referência certa para cada clipe |
| Planos | Um storyboard por episódio com planos numerados e segundos; o vídeo é gerado segmento a segmento em 9:16 ou 16:9, sempre com base nas mesmas fichas | Um modelo de vídeo, um clipe por prompt, descrevendo as mesmas pessoas de novo a cada vez |
| Vozes e diálogo | As falas são interpretadas no próprio vídeo, uma voz por personagem, em qualquer um de 15 idiomas | Uma ferramenta de síntese de voz para cada fala, depois uma passada de sincronização labial em cada clipe |
| Corrigir um plano | Edite o texto desse plano e gere de novo só o segmento; o resto do episódio fica intacto | Gere o clipe de novo e depois refaça o corte da linha do tempo |
| Finalização | Os segmentos são montados em um único arquivo de episódio com a trilha sonora; membros baixam sem o selo AI | Um editor de vídeo para juntar os clipes, adicionar música e legendas e depois exportar |
| Publicação | Você envia o episódio pronto para TikTok, YouTube, Instagram ou qualquer outro lugar; nada é postado em seu nome | Envio manual, igual ao que acontece aqui |
Perguntas frequentes
Isso é sincronia labial?
Não. O SceneMixer gera imagem e fala juntas em uma só passagem, então a boca e a atuação são a mesma decisão. Não há faixa de áudio separada sendo ajustada a uma renderização muda, e não há como conduzir uma foto ou um vídeo enviado.
Posso usar minha própria voz?
Você pode enviar uma gravação ao SceneMixer como referência de voz de um personagem. A voz de outra pessoa só com a permissão dela.
Quem está ouvindo na tomada mexe a boca?
Não deveriam — o SceneMixer marca explicitamente todo personagem em cena que não está falando com os lábios fechados, que é a instrução que impede um ouvinte de mexer a boca junto com a fala.
O que acontece com voz over e chamadas telefônicas?
O SceneMixer escreve primeiro o marcador de fora de cena na nota de entrega e depois descreve todos os visíveis no plano, com a boca fechada — assim a fala é ouvida sem que ninguém pareça dizê-la.
Por que minha tomada de diálogo ficou mais longa do que eu escrevi?
Porque a fala precisa de tempo. O SceneMixer dá aos planos com diálogo um piso de cerca de três palavras por segundo em inglês e cinco caracteres por segundo em chinês, com uma pausa acrescentada para falas muito curtas. Um plano curto demais para a fala é corrigido antes da renderização, e não depois.
Ouça um personagem antes de finalizar um episódio
A prévia gratuita é longa o suficiente para uma linha de diálogo.
Experimente o SceneMixer gratuitamentePacotes de créditos a partir de $1,49 · Pro $7,99/mês · Não precisa de cartão de crédito para começar