Texto para voz (TTS, grátis)
Cole o seu texto, escolha uma voz de IA natural e salve em WAV ou MP3, ou use na hora as vozes do seu dispositivo.
Antes de começar Direitos autorais, aviso de voz de IA e o download de 400 MB (toque para ler)
- Os direitos autorais de um texto pertencem a quem o escreveu. Se você pretende publicar um texto de outra pessoa, confira se tem permissão.
- A "Voz de IA de alta qualidade" roda o modelo Supertonic 3, da Supertone, diretamente neste navegador. O texto e o áudio ficam neste dispositivo, mas se você publicar o resultado, informe que ele foi gerado por IA.
- Não use a voz de IA para se passar por outra pessoa, criar deepfakes, fazer algo ilegal, assediar alguém ou espalhar desinformação. Veja os detalhes na licença OpenRAIL-M.
- Na primeira vez, a voz de IA baixa cerca de 400 MB de arquivos do modelo (de preferência pelo Wi-Fi). Na aba "Vozes do dispositivo", as vozes marcadas como "online" podem enviar o seu texto aos servidores do fornecedor do navegador ou do sistema operacional.
Carregando a ferramenta...
Ouvir um texto em voz alta ajuda a revisar, a ensaiar apresentações e na acessibilidade. Esta ferramenta tem dois modos. A "Voz de IA de alta qualidade" roda o modelo de código aberto Supertonic 3, da Supertone, diretamente neste navegador e gera uma narração natural, parecida com a humana, que você pode salvar como arquivo WAV ou MP3. A aba "Vozes do dispositivo" usa a síntese de voz embutida no navegador, então dá para usar na hora, sem instalar nada nem baixar um modelo.
O que é a Voz de IA de alta qualidade (Supertonic 3)?
O Supertonic 3 é um modelo de texto para voz que roda no próprio dispositivo e tem suporte a 31 idiomas, entre eles coreano, inglês, japonês e português. A inferência é feita com o ONNX Runtime Web inteiramente dentro deste navegador, então o seu texto não sai do seu dispositivo. Escolha entre 5 vozes masculinas e 5 femininas, uma velocidade de 0,8x a 1,5x e uma qualidade de 4, 8 ou 16 etapas de refinamento (denoising): mais etapas soam mais naturais, mas demoram um pouco mais. Você pode colar até 5.000 caracteres de uma vez; dentro desse limite, textos longos são divididos automaticamente em trechos do tamanho de um parágrafo, gerados em ordem e unidos em um único arquivo de áudio. Os arquivos do modelo (cerca de 400 MB) são baixados só na primeira vez; depois ficam guardados neste navegador. Se o seu dispositivo tiver suporte a WebGPU, ele é usado automaticamente para gerar muito mais rápido; caso contrário, a ferramenta passa sozinha para o WebAssembly (WASM).
Quando usar
- Revisar um rascunho ou ensaiar uma apresentação ouvindo o texto
- Ouvir em voz alta um texto seu em português, como um trabalho da faculdade ou o roteiro de um vídeo, para pegar frases truncadas e erros de digitação
- Ouvir um documento quando ler na tela é difícil
- Ter uma ideia aproximada de como soa um texto em outro idioma
- Fazer rapidamente uma locução provisória para um vídeo
- Testar velocidades e tons diferentes para mudar o clima
Como usar (Voz de IA de alta qualidade)
- Abra a aba "Voz de IA de alta qualidade" e escolha um idioma (coreano, inglês, japonês ou outros, como o português) e uma voz (Masculina 1-5, Feminina 1-5).
- Escolha a velocidade (0,8 a 1,5x) e a qualidade (4, 8 ou 16 etapas) e cole o seu texto (até 5.000 caracteres).
- Toque em "Baixar antes" para buscar o modelo com antecedência ou toque direto em "Gerar voz de IA" para começar. O modelo (cerca de 400 MB) é baixado uma única vez.
- O resultado toca automaticamente; salve como arquivo WAV ou MP3.
Como funciona
A voz de alta qualidade é o modelo Supertonic 3, da Supertone, rodando com o ONNX Runtime no seu navegador; os arquivos do modelo (cerca de 400 MB) são baixados uma vez do nosso armazenamento de modelos (models.dagotools.com, com o Hugging Face como alternativa), e as vozes do dispositivo usam o mecanismo de fala do sistema. Com a voz de IA, o seu texto nunca é enviado a um servidor, e cada geração é limitada a 5.000 caracteres. Na aba Vozes do dispositivo, as vozes marcadas como "online" podem enviar o seu texto aos servidores do fornecedor do navegador ou do sistema operacional.
Com a voz de IA, o seu texto e o áudio são processados no navegador e não são enviados a um servidor. Você pode conferir isso por conta própria com um teste de rede no DevTools.
Como usar (Estúdio: diálogo, legendas, música de fundo)
- Cole o seu roteiro no cartão "Estúdio", abaixo de "Voz de IA de alta qualidade". Para um diálogo, escreva cada fala como "Nome: fala".
- Toque em "Dividir em frases" e defina a voz de cada falante e a velocidade, a entonação e a pausa de cada frase. Ouça com ▶ e, se precisar, gere uma frase de novo com ↻.
- Se quiser, adicione linhas "palavra=como ler" ao dicionário de pronúncia e escolha um arquivo de música de fundo, com o volume e o quanto ele abaixa durante a fala.
- Toque em "Gerar tudo" para criar todas as frases e juntá-las. Se parar no meio, toque de novo para continuar.
- Baixe o WAV ou MP3 e as legendas SRT/VTT. Ao publicar, informe que é uma voz gerada por IA.
Como usar (Vozes do dispositivo)
- Na aba "Vozes do dispositivo", cole o texto na caixa.
- Escolha uma voz (entre as instaladas no seu dispositivo), a velocidade (0,5 a 2,0x) e o tom (0,5 a 2,0x).
- Toque no botão de reprodução para ouvir.
- Para salvar o som como arquivo, toque em "Gravar o áudio da guia (experimental)" e, na janela de compartilhamento, ative "Compartilhar áudio da guia" (guia é a aba do navegador); caso contrário, o som não será gravado.
Formatos aceitos e limites
- Voz de IA de alta qualidade: 31 idiomas, 5 vozes masculinas e 5 femininas, velocidade de 0,8x a 1,5x, qualidade de 4/8/16 etapas, até 5.000 caracteres (divididos automaticamente), salva em WAV ou MP3, taxa de amostragem de 44,1 kHz
- Vozes do dispositivo: usa a síntese de voz embutida no navegador (Web Speech API). A lista mostra as vozes que o seu dispositivo e o navegador oferecem (algumas têm a marca "online"), então ela muda de aparelho para aparelho. Velocidade de 0,5x a 2,0x, tom de 0,5x a 2,0x
- As vozes do dispositivo não oferecem um jeito embutido de salvar a fala como arquivo. O recurso experimental "Gravar o áudio da guia" usa o compartilhamento de tela (com o áudio da guia) para gravar a fala como arquivo webm
- Os arquivos do modelo da voz de IA vêm do armazenamento de modelos da família Dagochim (models.dagotools.com, ou o Hugging Face como alternativa) e ocupam cerca de 400 MB no primeiro uso; depois ficam guardados no seu navegador
Código aberto utilizado
- Supertonic 3 (pesos do modelo, licença OpenRAIL-M) — Supertone Inc.
- Código de exemplo de inferência do Supertonic (licença MIT) — Supertone
- ONNX Runtime Web (licença MIT) — Microsoft
Dicas
- Na primeira vez, use "Baixar antes" pelo Wi-Fi para que a voz de IA já esteja pronta para gerar áudio na hora depois.
- Escolha 4 etapas quando só precisar de um resultado rápido, ou 16 etapas quando a naturalidade for o mais importante. O padrão, 8 etapas, equilibra bem velocidade e qualidade.
- Para ensaiar uma apresentação, deixe a velocidade da voz de IA um pouco mais lenta (0,9-1,0x) que a fala normal, para ouvir cada palavra com clareza.
- Se o seu dispositivo não tiver voz para o idioma que você precisa, instale um pacote de voz nas configurações do sistema operacional ou use a aba da voz de IA, que não precisa de instalação.
- Ao usar "Gravar o áudio da guia", sempre ative "Compartilhar áudio da guia" na janela de compartilhamento. Se não fizer isso, o arquivo pode sair sem som.
Solução de problemas
- Se o download do modelo de IA estiver lento ou falhar, confira a sua conexão (ou passe para o Wi-Fi) e toque em "Baixar antes" de novo.
- Se a geração da voz de IA estiver lenta, experimente 4 etapas; também pode ser que o seu dispositivo não tenha suporte a WebGPU (nesse caso, a ferramenta passa sozinha para o WASM, que é mais lento).
- Se aparecer uma mensagem dizendo que a síntese de voz não é suportada, abra a página na versão mais recente do Chrome, Edge ou Safari.
- Na aba Vozes do dispositivo, se aparecer que nenhuma voz em português foi encontrada, o seu dispositivo não tem uma voz em português instalada. Adicione uma nas configurações do sistema operacional ou tente outro navegador.
- Se o arquivo gravado sair sem som, a opção "Compartilhar áudio da guia" não foi ativada. Ative-a ao tentar de novo.
Perguntas frequentes
Posso salvar a fala como arquivo de áudio?
Sim. O áudio feito na aba "Voz de IA de alta qualidade" pode ser salvo direto como arquivo WAV ou MP3. A aba "Vozes do dispositivo" não tem um recurso de salvar embutido; use o método de gravação de tela.
Qual modelo gera a voz de IA?
Ela roda o modelo de código aberto Supertonic 3, da Supertone, diretamente neste navegador (ONNX Runtime Web). Ele tem suporte a 31 idiomas e oferece 5 vozes masculinas e 5 femininas.
A voz de IA fala português do Brasil?
O português está entre os idiomas do modelo, mas não há opções separadas para o português do Brasil e o de Portugal. Gere uma prévia curta e ouça antes de usar em um projeto; para nomes e siglas, use o dicionário de pronúncia do Estúdio.
A voz de IA precisa de internet?
Só na primeira vez, para baixar os arquivos do modelo (cerca de 400 MB). Depois eles ficam guardados neste navegador, e você pode usar na hora nas próximas vezes.
O meu texto é enviado a um servidor?
Não com a Voz de IA de alta qualidade: o texto e o áudio gerado são processados inteiramente neste dispositivo. Só os arquivos do modelo são baixados, do armazenamento de modelos da família Dagochim (models.dagotools.com, ou da distribuidora original Hugging Face como alternativa). Na aba Vozes do dispositivo, as vozes marcadas como "online" podem enviar o seu texto aos servidores do fornecedor do navegador ou do sistema operacional.
Por que as vozes do dispositivo são diferentes para cada pessoa?
A lista de vozes do dispositivo vem dos mecanismos de fala instalados em cada aparelho e navegador, então ela muda de um para outro. A voz de IA oferece sempre as mesmas 10 vozes para todo mundo.
Posso publicar um áudio feito com a voz de IA?
Sim, mas você precisa informar que foi gerado por IA, e não pode usá-lo para se passar por outra pessoa, criar deepfakes, fazer algo ilegal, assediar alguém ou espalhar desinformação. Veja os detalhes na licença OpenRAIL-M.
Dá para ler vários parágrafos de uma vez?
Sim. A voz de IA aceita até 5.000 caracteres por vez; dentro desse limite, o texto longo é dividido automaticamente em trechos do tamanho de um parágrafo, lido em ordem e unido de novo. Para mais de 5.000 caracteres, gere o restante em outra rodada.
Posso fazer um diálogo com vários falantes?
Sim. No Estúdio, escreva cada fala como "Nome: fala", e cada nome é lido com uma voz diferente. Você pode mudar a voz de um falante em todas as falas de uma vez ou frase por frase, e os nomes também entram nas legendas.
Posso gerar de novo só uma frase?
Sim. Depois de "Dividir em frases", você pode definir a voz, a velocidade, a entonação e a pausa de cada frase e usar o botão ↻ para gerar de novo só aquela. As frases que não mudaram não são geradas outra vez, então é rápido.
Posso baixar legendas (SRT/VTT)?
Sim. Depois de gerar tudo, você pode baixar legendas SRT e VTT junto com o WAV ou MP3. Os tempos das legendas vêm da posição de cada frase no áudio final, então elas ficam sincronizadas no editor de vídeo.
Posso adicionar música de fundo?
Sim. Escolha um arquivo de música do seu dispositivo e defina o volume, o quanto ela abaixa enquanto alguém fala (dB), a entrada e a saída gradual (fade in e fade out) e a repetição. Ela abaixa o tanto que você definiu durante a fala e volta a subir em pausas com mais de 0,4 segundo. Verifique você mesmo os direitos autorais da música.
Posso controlar a pronúncia de nomes ou de palavras em inglês?
Sim. Adicione linhas "palavra=como ler" ao dicionário de pronúncia (por exemplo, GIF=jif ou Nguyen=uin), e elas são substituídas antes da síntese. O dicionário fica salvo só neste dispositivo. Números, datas, unidades e valores em dinheiro só são convertidos em palavras automaticamente em textos em coreano; em outros idiomas, como o português, escreva-os do jeito que quer que sejam lidos (por exemplo, "dois mil e vinte e seis" para 2026).
Saiba mais
Para mais detalhes, veja o guia: Como usar o texto para voz e salvar como arquivo.
Para desenvolvedores: o Tools That Don't Upload oferece uma API REST com plano gratuito (com limites de uso) para tarefas de dados, texto, código, PDF e web. O processamento de áudio não faz parte da API.