Dois tipos de voz
Este conversor de texto em fala oferece duas fontes de vozes, e vale a pena entender a diferença.
- Vozes do navegador são as vozes integradas ao seu sistema operacional ou navegador. Elas começam na hora e são ótimas para ouvir um texto. A quantidade e a qualidade dependem do seu dispositivo: Windows, macOS, Android e iOS têm, cada um, o seu conjunto. A maioria dos navegadores não permite gravar essas vozes, então elas servem apenas para ouvir.
- Vozes neurais são modelos de fala modernos que a página baixa uma vez e depois executa no seu próprio dispositivo. Elas soam mais naturais, com ritmo e entonação melhores, e podem ser salvas como arquivo de áudio. Há vários idiomas disponíveis, com vozes masculinas e femininas quando o modelo oferece.
Seu texto não é enviado a nenhum servidor para a síntese de voz. A voz neural é calculada no seu navegador, o que também significa que ela continua funcionando sem internet depois que o modelo é carregado.
Na primeira vez que você escolhe uma voz neural, o modelo dela é baixado. Um modelo de voz pode ter dezenas de megabytes, então o primeiro uso demora um pouco em uma conexão lenta; depois disso, a voz inicia rapidamente. Gerar a fala de um texto longo também leva algum tempo, porque cada frase é calculada no seu dispositivo, e um computador é bem mais rápido que um celular. Experimente primeiro um parágrafo curto para escolher a voz e a velocidade e só depois gere o texto inteiro.
Como obter resultados naturais
- Use pontuação. Vírgulas e pontos criam pausas. Uma frase longa sem vírgulas é lida de uma vez só, sem respirar.
- Escreva os números do jeito que devem ser falados se a voz os ler errado, por exemplo "dois mil e vinte e seis" em vez do ano em algarismos, ou escreva as abreviações por extenso.
- Divida textos longos em parágrafos. Cada parágrafo ganha uma pausa natural.
- Escolha a voz do idioma certo. Uma voz em inglês lendo um texto em francês vai soar estranha, mesmo que as letras sejam as mesmas.
- Ajuste a velocidade. De 0,8 a 0,9 é bom para aprender idiomas e para ditados; de 1,1 a 1,3, para ouvir artigos longos.
Para que as pessoas usam
Narração para vídeos curtos e slides, ouvir artigos e anotações de estudo em vez de ler, conferir a pronúncia de palavras em outro idioma, criar avisos em áudio e ajudar pessoas com dificuldade de leitura ou com a vista cansada. Se quiser que a fala soe como se tivesse sido gravada em uma sala, adicione uma reverberação leve. Para combinar a voz com uma música de fundo, use o Mixar áudio.
Fala para texto
Precisa do caminho inverso? O MP3 para texto transforma uma gravação em texto escrito com marcações de tempo, também no seu dispositivo.
Se você pretende usar a fala gerada em um projeto comercial, confira antes a licença do modelo de voz, pois os termos variam de uma voz para outra.