Estúdio de clonagem de voz

No estúdio de clonagem de voz reúnes gravações da tua voz, verificas-as, tratas-as e treinas a partir delas um modelo de voz próprio. Podes carregar vários clipes (também a partir de um link), marcá-los e desmarcá-los um a um e aplicar filtros a cada clipe. É uma janela própria com barra lateral para as ferramentas; o perfil escolhes em cima, em «Perfil:». (Os separadores «Perfis» e «Sons» são do estúdio de memos de voz.)

«Verif. clipes» mede cada clipe localmente no teu computador — sem custos — e dá-lhe uma pontuação a partir do som, da relação sinal/ruído e da reverberação. Se um clipe tiver demasiado ruído, estiver saturado, tiver demasiada reverberação, quase não tiver fala ou for demasiado curto, cai na zona vermelha, e «Melhores» nunca o escolhe. Se editares um clipe depois da verificação, o resultado fica marcado como desatualizado. Na próxima «Verif. clipes» só são medidos esses e os clipes ainda não verificados. Sem medições não há «Melhores» — primeiro verifica. Juntar clipes maus torna o clone mensuravelmente PIOR, não melhor.

Se carregares sem querer a mesma gravação duas vezes, o estúdio reconhece-o pelo CONTEÚDO (não pelo nome do ficheiro) e mostra os duplicados para os poderes remover. Material duplicado distorce o treino.

Estas ferramentas correm localmente e não custam nada: Corte de graves (remove ruídos graves de baixa frequência), Reduzir ruído (suaviza ruído de fundo constante), Normalizar (sobe gravações baixas) e Reduzir ruído IA (remove ruído e ambiente, também enquanto se fala). Separar a tua voz de música de fundo NÃO é gratuito: para isso há a «Separação · Pro» na nuvem, 20 créditos por minuto iniciado. A antiga separação local foi retirada a 28/08/2026.

Estas ferramentas correm na nuvem e custam 20 créditos cada por minuto iniciado: «Melhorar» (torna brilhantes gravações abafadas), «Separação · Pro» (a melhor separação da tua voz em relação a música e ruídos), «Remover reverb», «Remover ruído» e «Mais nítido» (maior resolução). «Separar locutores» custa 1 crédito por minuto iniciado e corta uma conversa para UM único locutor — ideal para obter uma única voz a partir de um podcast. O preço está em cada bloco.

A análise transcreve TODAS as gravações de um perfil — não só as marcadas — e avalia como esta voz fala: expressões recorrentes, construção das frases, contrações, o que falta de forma notória. O resultado sai em PDF e serve para prompts e para consulta; no clone em si não tem qualquer influência. Paga-se a transcrição das gravações ainda não transcritas (ao segundo, no mínimo 1 crédito por gravação) e, além disso, o resumo no fim. As gravações já transcritas contam de graça. As duas coisas aparecem na janela de análise antes de começares.

Com o botão «Treinar voz» crias a partir das tuas gravações um modelo de voz próprio. Acerta na voz com mais precisão do que uma única gravação de referência e depois já não precisa de nenhuma — a voz está no modelo. A janela guia-te em três passos: (1) «De onde vem o material?» – por «Escolher pasta …», «Usar a seleção verificada» ou «Só os marcados»; (2) «Nome e dimensão» – o nível resulta da quantidade de material, marcas três caixas (os teus direitos sobre a voz e duas declarações que a lei exige) e começas com «Treinar voz»; (3) «Guardar falante» – depois disso, a voz aparece para escolher na lista «Vozes treinadas». O preço depende da quantidade de material e aparece na janela de treino antes de começares. Duas coisas que tens de saber: o treino é pago à parte em euros, não com créditos — nem com os gratuitos nem com os comprados. E demora muito — a duração aparece na janela de treino em cada nível. Quando estiver pronto, a app avisa-te no próximo arranque.

Quanto material chega mostra a janela de treino, na linha da quantidade. Abaixo de um limite mínimo não se treina de todo; um pouco acima, só com a caixa «sem garantia de qualidade», e depois começa a zona recomendada. O que passar do limite máximo não entra no treino. O decisivo é a qualidade, não a quantidade: mais material só ajuda ACIMA do limiar de verificação. Juntar clipes que chumbaram piora o resultado de forma mensurável — por isso o estúdio avisa quando há clipes chumbados marcados.

Treinar e guardar podes quantas vozes quiseres, em qualquer plano. No plano Solo, há sempre exatamente uma ativa: na lista «Vozes treinadas» mudas com «ativar», nada é apagado. Com o Pro e a Agência, todas podem ser usadas ao mesmo tempo. O nível depende só da quantidade de material, não do plano.