Texto para voz com IA: transforme um guião numa narração MP3
Converta texto em MP3 com o Audio Generator da Pipe2.ai. Escolha o modelo e a voz, indique como deve soar e reveja a pronúncia antes de usar a narração.
Passo a passo Por Pipe2.ai Atualizado October 26, 2026
Nesta página
Experimente estes pipelines
A conversão de texto para voz com IA transforma palavras escritas em áudio falado sem precisar de uma gravação de origem. Na Pipe2.ai, o Audio Generator recebe o seu guião e devolve um MP3 descarregável. Escolha um modelo e uma voz, descreva a interpretação e ouça o resultado para o afinar antes de o usar como narração.
Converta um guião em fala em cinco passos
- Abra o Audio Generator e escolha um modelo. Gemini 3.8 Flash TTS é o modelo predefinido e oferece narração com qualidade de estúdio em mais de 130 idiomas. Gemini 3.8 Flash-Lite TTS é a opção Gemini mais rápida e económica para versões de teste. Eleven v4 é a opção mais expressiva, e também estão disponíveis MiniMax Speech 2.8 Turbo e HD.
- Cole no campo de texto apenas as palavras a dizer. Escreva na língua da narração. Coloque as indicações de interpretação no campo de instruções de voz para que não façam parte do texto narrado.
- Escolha uma voz compatível. Gemini aceita Auto ou uma voz predefinida com nome. Com MiniMax, selecione explicitamente uma das vozes disponíveis; Auto não é suportado para a síntese de fala.
- Descreva a interpretação. Para Gemini, experimente uma indicação clara como «voz calorosa para um tutorial, ritmo pausado, ênfase suave». Para MiniMax, comece com «slow, calm»: os controlos suportados são o ritmo e a emoção.
- Gere e reveja o MP3. Verifique se faltam palavras e ouça a pronúncia, as pausas e o tom. Altere uma coisa de cada vez e gere outra versão se necessário.
Formato de saída atual, verificado a 6 de outubro de 2026: O Audio Generator produz fala em MP3 a partir de texto. As vozes e os controlos de interpretação dependem do modelo escolhido.
Experimente uma narração curta antes do guião completo
Para uma primeira versão com Gemini, escolha Gemini 3.8 Flash TTS, a voz Kore e estas duas entradas separadas:
- Texto: «Bem-vindos à oficina. Hoje vamos transformar uma ideia simples em algo que podem partilhar. Vamos começar.»
- Instruções de voz: «Narração calma para um tutorial. Tom caloroso, ritmo pausado, pausas claras entre frases.»
Mantenha a melhoria do prompt ativada se quiser aperfeiçoar as indicações de interpretação para Gemini antes da geração. Desative-a para usar as suas instruções sem alterações. Com Auto em Gemini e a melhoria desativada, a voz usada é Kore; não há seleção automática de voz. MiniMax aplica diretamente as instruções de ritmo e emoção que suporta.
Este guião serve para praticar; não representa um resultado testado nem garante uma duração. Use-o para avaliar se a voz e o ritmo se adequam ao projeto antes de enviar um trecho mais longo.
Escolha o modelo de acordo com a interpretação pretendida
Gemini oferece 30 vozes predefinidas com nome, indicações de estilo breves e sons que coloca no texto, como <laugh> ou <short pause>. Flash-Lite TTS é adequado para testes rápidos; Flash TTS destina-se a narrações com qualidade de estúdio. Eleven v4 oferece a maior amplitude emocional com tags como [whispers]. MiniMax Speech 2.8 disponibiliza cinco vozes predefinidas na Pipe2: Turbo privilegia uma síntese mais rápida e HD a narração final. Uma voz de uma família de modelos não é intercambiável com uma de outra família.
MiniMax interpreta palavras em inglês como slow, fast ou quick, juntamente com uma emoção suportada: happy, sad, angry, fearful, disgusted, surprised ou calm. Não espere que uma descrição livre do sotaque ou da cena ofereça o mesmo controlo que em Gemini. O sotaque pedido não é garantido.
Reveja a estimativa atual de créditos antes de gerar. Os modelos Gemini cobram pelo áudio realmente gerado; MiniMax e Eleven v4 são faturados por caracteres. O Eleven v4 também conta as tags de áudio enviadas com o texto, e a melhoria do prompt acrescenta o custo desse passo. Um excerto curto permite avaliar a interpretação antes de gastar créditos numa leitura longa.
Dê voz a uma personagem na narração
Para uma introdução ou história contada por uma personagem, compare duas vozes predefinidas com a mesma frase curta na língua pretendida. Escolha primeiro a voz pelo som e depois use as instruções de interpretação de Gemini para ajustar a emoção e o ritmo. O Audio Generator não permite clonar vozes nem disponibiliza a voz de um ator específico.
Experimente «Encontrámos a chave. Agora podemos abrir a porta.» com a indicação «entusiasmo contido, ritmo pausado». Numa segunda versão, mantenha a voz e as palavras e altere apenas a indicação para «preocupação, a falar depressa». São sugestões de entradas, não gravações testadas. Ouça a mudança de emoção e confirme que todas as palavras continuam percetíveis.
Para um diálogo, gere as falas de cada personagem separadamente e selecione a voz de forma explícita. Guarde o modelo, a voz, o guião e as instruções com cada MP3 para repetir as definições ao rever uma fala. Ouça em conjunto as versões que vão ficar seguidas antes de as aceitar: as mesmas definições não garantem uma interpretação idêntica.
Prepare um texto que soe natural ao ser lido
Use frases curtas e pontuação para sugerir pausas, e avalie depois o áudio real. Verifique separadamente nomes, siglas, datas e preços. Se uma frase soar mal, escreva a abreviatura por extenso ou adapte a grafia da palavra cuja pronúncia causa problemas.
Não existe um controlo de duração: a extensão do texto e o ritmo da fala determinam a duração da narração. Para um espaço de vídeo fixo, meça uma amostra e ajuste o guião. Gere narrações longas por secções lógicas para poder substituir um parágrafo sem repetir a leitura inteira, respeitando o limite de entrada do modelo escolhido.
Para uma versão noutra língua, traduza e edite primeiro o guião. O Audio Generator infere a língua do texto fornecido; uma indicação de interpretação não é um pedido de tradução.
Use o MP3 como faixa de narração separada
Descarregue a versão escolhida e guarde-a junto do guião. Para a adicionar aos seus clips, forneça-a como áudio de narração no Video Reel. Se precisar de uma faixa de fundo, crie-a separadamente com o Music Generator e confirme que a voz se percebe bem na mistura final.
Para montar clips com narração, consulte Criar um reel com IA. Para preparar a música de fundo, consulte Gerar música com IA. Manter a voz e a música separadas facilita as alterações posteriores.
Perguntas frequentes
De que preciso para converter texto em voz?
Precisa de um guião escrito. O Audio Generator da Pipe2.ai recebe as palavras a dizer, o modelo, a voz e, se desejar, instruções de interpretação. Devolve um MP3 descarregável. Não é necessária uma gravação de origem.
Posso deixar a voz em Auto?
Com Gemini TTS e a melhoria do prompt ativada, Auto escolhe uma voz com base no texto e nas instruções. Se desativar a melhoria, Auto usa Kore. MiniMax Speech 2.8 exige a seleção explícita de uma voz compatível; escolha uma em vez de Auto.
O Audio Generator traduz o meu guião?
Não. Escreva o guião na língua em que pretende ouvi-lo. A língua é inferida a partir do texto. Para criar outra versão linguística, traduza e reveja o guião separadamente. Pedir um sotaque não traduz o texto nem garante esse sotaque.
Posso definir a duração exata da narração?
O Audio Generator não tem um controlo de duração separado. A extensão do guião e a interpretação influenciam o resultado. Gere uma amostra curta, meça a duração do MP3 e encurte ou alargue o guião para o adaptar à montagem.
Posso clonar uma voz ou gerar música aqui?
O Audio Generator disponibiliza vozes predefinidas para transformar texto em fala, mas não permite clonar vozes nem gerar canto, música ou efeitos sonoros. Use o Music Generator para uma faixa de fundo e o Video Reel para combinar narração com vídeo.
