Pular para o conteúdo
ARCAVID
Todos os artigos

Narração com IA em português do Brasil: voz, pausas e pronúncia

Qual voz escolher, como escrever para o ouvido, onde a pontuação vira pausa e quantos caracteres cabem em 15, 30 ou 60 segundos. Um guia para narrar vídeos com IA com sotaque do Brasil.

Microfone de estúdio num braço articulado com um filtro anti-pop amarelo à frente, numa sala escura com espuma acústica e um roteiro impresso ao fundo.

Uma boa narração com IA começa antes de escolher a voz: começa no texto. O modelo lê o que você escreveu, com as vírgulas, os pontos e os números do jeito que estão. Texto escrito para os olhos soa duro. Texto escrito para o ouvido soa natural.

Este guia mostra qual voz usar na ARCAVID, como escrever o roteiro, como controlar pausas e pronúncia e como acertar a duração.

01 Escolha a ferramenta

No estúdio de Áudio, a narração fica em Texto para voz. Há cinco opções de modelo, para usos diferentes:

Modelo Para quê Vozes
Voz brasileira Narração com sotaque do Brasil Achird (masculina, amigável), Sulafat (feminina, calorosa), Gacrux (feminina, madura), Charon (masculina, informativa)
Voz expressiva Mais emoção e entonação, em português George, Brian, Sarah, Lily
Voz expressiva rápida A expressiva, para textos curtos George, Brian, Sarah, Lily
Voz multilíngue O modelo principal de narração do catálogo, em português George, Brian, Sarah, Lily
Voz de histórias Histórias infantis, com vozes para cada personagem as quatro da Voz brasileira

Para vídeo de produto, aula ou Reels com sotaque do Brasil, comece pela Voz brasileira. Se o texto pede emoção (um anúncio animado, uma cena dramática), teste também a Voz expressiva e compare as duas com o mesmo roteiro.

Para uma conversa entre duas pessoas, use a ferramenta Diálogo, explicada mais abaixo.

02 Escreva para o ouvido

Leia o roteiro em voz alta antes de gerar. Onde você tropeça, a voz também vai soar estranha.

  • Frases curtas. Uma ideia por frase. Frase longa, com duas orações encaixadas, perde o fôlego no meio.
  • Ordem direta. Sujeito, verbo, complemento. “Abra o estúdio pelo menu Vídeo” soa melhor que “Pelo menu Vídeo, o estúdio deve ser aberto”.
  • Palavras do dia a dia. “Usar” em vez de “utilizar”, “começar” em vez de “dar início”.
  • Sem parênteses. O que vai entre parênteses no texto escrito vira uma frase própria, ou sai.

03 A pontuação é a direção

Na narração, cada sinal funciona como uma instrução de ritmo. O efeito exato varia de voz para voz, mas a regra geral vale:

  • Vírgula respiro curto.
  • Ponto pausa completa. Para uma pausa maior entre dois blocos, comece um novo parágrafo.
  • Dois-pontos costuma criar uma pequena expectativa antes do que vem. Bom para revelar um resultado.
  • Ponto de interrogação e de exclamação mudam a entonação da frase inteira. Use pouco: uma exclamação por roteiro já marca.

Quer que uma palavra soe destacada? Coloque-a no fim da frase, antes do ponto. Em “O vestido vermelho chegou ontem”, o destaque vai para “ontem”. Em “Ontem chegou o vestido vermelho”, vai para o vestido.

04 Números, siglas e nomes

Aqui mora a maioria dos tropeços. A regra é escrever como se fala:

  • Valores “dezenove reais e noventa centavos” no lugar de um valor com cifrão, vírgula e centavos.
  • Datas e horas “dia vinte e cinco de dezembro”, “às oito da noite”.
  • Siglas se a sigla se lê letra por letra, separe com pontos ou espaços e teste. Se ela vira palavra, escreva como palavra.
  • Nomes próprios e de marca se a voz errou, escreva do jeito que se pronuncia, só no roteiro da narração.
  • Medidas “trezentos mililitros”, “dois metros”.

Gere uma vez, ouça, corrija só a palavra que falhou e gere de novo. Mudar uma coisa por vez mostra o que resolveu.

05 Acerte a duração

O vídeo tem duração fechada, e a narração precisa caber nela. Nas narrações que fizemos com a voz Sulafat, da Voz brasileira, o ritmo ficou entre 14 e 15 caracteres por segundo, contando espaços. Isso dá uma conta de partida:

Duração do vídeo Tamanho aproximado do texto
15 segundos 210 a 225 caracteres
30 segundos 420 a 450 caracteres
60 segundos 840 a 900 caracteres

Cada voz tem o próprio ritmo, e as pausas que você escreve aumentam o tempo. Use a tabela para o primeiro rascunho, gere, veja a duração no player e ajuste o texto.

Se sobrar tempo, não estique a narração: deixe respiro no começo e no fim. Se faltar, corte frases, não palavras soltas.

06 Duas vozes: Diálogo

A ferramenta Diálogo cria uma conversa entre duas vozes com sotaque do Brasil. O roteiro leva o nome de quem fala no começo de cada linha:

Ana: Você já testou a narração da ARCAVID?
Beto: Ainda não. Precisa saber mexer com áudio?
Ana: Não. Você escreve o texto e escolhe a voz.

Você escolhe a voz de cada pessoa entre as quatro da Voz brasileira. Mantenha as falas curtas, como numa conversa real.

07 Ajuste fino da voz

Nas vozes que oferecem esse controle, Expressão da voz ajusta velocidade, estabilidade e similaridade. Em linhas gerais, estabilidade mais baixa deixa a fala mais variada e emotiva, e mais alta deixa a leitura mais regular. Similaridade controla o quanto a fala se mantém fiel ao timbre original da voz escolhida. Mude um controle por vez e compare.

08 Legenda a partir da narração

Vídeo para redes costuma ser assistido sem som. Na ferramenta Transcrição, você envia o áudio ou o vídeo (até 10 minutos) e recebe o texto com o tempo de cada palavra, base para legendas sincronizadas. A transcrição aceita português, inglês, espanhol, francês, alemão e italiano, ou detecta o idioma. Ela não traduz nem regrava.

Resumo rápido

  • Voz brasileira para sotaque do Brasil. Voz expressiva quando o texto pede emoção.
  • Frases curtas, ordem direta, sem parênteses.
  • A pontuação marca o ritmo: vírgula respira, ponto para.
  • Números, valores, siglas e nomes escritos como se falam.
  • Cerca de 14 a 15 caracteres por segundo como ponto de partida.
  • Diálogo para duas vozes, Transcrição para legendas.

Perguntas frequentes

A voz sai com sotaque de Portugal? A Voz brasileira, o Diálogo e a Voz de histórias são feitos para o sotaque do Brasil. Nas outras vozes, ouça o resultado antes de publicar.

Posso usar a minha própria voz? A clonagem de voz não está disponível na ARCAVID: as narrações usam as vozes do catálogo. Um áudio gravado por você pode ser usado no Avatar falante e na Sincronia labial, no estúdio de Vídeo.

Quanto texto cabe numa geração? O limite muda de modelo para modelo. Para vídeos curtos de rede social, um roteiro de 15 a 60 segundos cabe com folga.

Escreva o seu roteiro e abra o estúdio de Áudio.

Guia feito com o estúdio da ARCAVID em novembro de 2026. O ritmo medido vem de duas narrações reais com a voz Sulafat. Vozes, modelos e custos podem mudar.

Crie no ARCAVID.

Criar conta