Como clonar a sua voz com IA (grátis para criar, menos de 3 centavos de dólar por minuto)
Também em: English
Para clonar a sua voz com IA, abra o Voice Cloner no rfab.ai, dê um nome à voz, clique em Gravar e leia o roteiro curto em voz alta. Depois clique em Criar. O clone fica pronto em uns dez segundos. Criar é grátis, ouvir na página é grátis, e falar com o clone custa 1,5 token por caractere: um minuto de fala custa uns 1.350 tokens, menos de 3 centavos de dólar.
Do que você precisa
- Uma conta. Uma conta nova ganha 150.000 tokens grátis.
- Um microfone. O do celular ou de um headset serve.
- Um lugar silencioso.
Cada conta guarda até 10 vozes, e até 5 delas podem ser vozes criadas por descrição.
1. Dê um nome à voz
Entre em rfab.ai/voice-cloner e faça login. Sem nenhuma voz ainda, a página abre a configuração sozinha. Dê à voz um nome fácil de achar numa lista e clique em Próximo.
2. Grave o roteiro
Há três jeitos de criar uma voz: Gravar, Enviar clipes e Descrever uma voz. Escolha Gravar.
A página mostra um roteiro curto, com todos os sons da língua, alguns números e uma frase onde você ri ou faz uma pausa. Leia em voz alta, do jeito que você fala. Com a página em português, o roteiro vem em português.
A segunda frase é a mais importante: "Esta voz é minha e dou meu consentimento para que ela seja clonada e usada nas minhas criações." O servidor escuta essa frase. Se não ouvir, a criação para. O roteiro existe em nove idiomas (inglês, espanhol, português, francês, alemão, polonês, japonês, coreano e turco), e a verificação funciona nos nove.
- A gravação precisa de pelo menos 12 segundos. Ela para sozinha em 2 minutos. De 30 a 60 segundos de fala natural é o bastante.
- Ouça a gravação antes de criar. O clone copia tudo o que está nela, até o ambiente.
3. Crie e ouça
Clique em Criar. O servidor limpa o áudio, confere a frase de consentimento e treina o clone. No nosso teste levou uns dez segundos. Depois clique em Ouvir.
Na página principal, todas as vozes ficam numa lista só. Digite uma frase de até 200 caracteres na caixa e clique em Ouvir em qualquer voz. Esse teste é grátis. Você pode renomear uma voz quando quiser. Se apagar uma voz que um avatar ou um agente usa, a página avisa antes, e eles passam para a voz padrão.
Enviar clipes em vez de gravar
Se você já tem gravações (um podcast, uma live, um vídeo), use Enviar clipes.
- Envie até 12 clipes. O servidor precisa de 12 a 120 segundos da sua voz no total.
- Se mais de uma pessoa fala, clique em Descobrir quem fala (uns 430 tokens por minuto de áudio). Toque na sua voz, e a página seleciona todas as falas dessa pessoa.
- Deixe de fora música, outras vozes e efeitos.
- Marque a caixa que diz que a voz é sua ou que você tem permissão para usá-la, e crie do mesmo jeito.
Descrever uma voz
Descrever uma voz cria uma voz que não existe, a partir de palavras: por exemplo, "um homem mais velho, de voz calorosa, lenta, grave e rouca". Use pelo menos 12 caracteres. Custa uns 2.500 tokens, leva uns 20 segundos e pede 4.000 tokens de saldo para começar.
Clone ou voz criada?
| Clone | Voz criada | |
|---|---|---|
| Soa como | Você | A descrição |
| Segue instruções ("sussurrando, apavorado") | Não | Sim |
Marcas como <sigh> <laugh> |
Ignoradas | Sim |
| Melhor para | Narração, vídeos, tudo o que deve soar como você | Personagens que precisam atuar |
No nosso teste, a mesma frase com a instrução "sussurrando, apavorado" saiu sussurrada na voz criada e com a voz normal no clone.
Use a sua voz
Cenas de voz (rfab.ai/voice-scenes) transforma um roteiro num arquivo de áudio só. Cada fala tem quem fala, uma voz e o texto, e uma voz dirigível aceita também uma instrução. Escolha a pausa entre as falas, MP3 ou WAV, e a página mostra o preço antes de gerar. Você recebe o arquivo e "quem fala quando": o começo e o fim de cada fala.
O seu clone também funciona no Leitor de Documentos (um livro ou PDF lido em voz alta), nos Living Avatars, na narração do editor de vídeo, no Modo Áudio das suas histórias e nos dispositivos companheiros.
Só a sua conta fala com o seu clone. Outra conta que tenha o ID dele ouve a voz padrão.
Quanto custa
50.000 tokens = US$ 1.
| O quê | Preço |
|---|---|
| Criar um clone | Grátis |
| Ouvir na página (até 200 caracteres) | Grátis |
| Falar com um clone | 1,5 token por caractere |
| Um minuto de fala (medido: 902 caracteres) | Uns 1.350 tokens, menos de 3 centavos de dólar |
| Letras acentuadas | Contam um pouco mais (cada uma ocupa 2 bytes) |
| Japonês, chinês, coreano | Umas 3 vezes mais por caractere |
| Criar uma voz por descrição | Uns 2.500 tokens, uma vez |
| Descobrir quem fala | Uns 430 tokens por minuto de áudio |
Erros comuns
- Pular ou mudar a frase de consentimento. A criação para e avisa que a frase não foi ouvida. Leia essa frase exatamente como está escrita. Se a página diz que não ouviu nenhuma fala, chegue mais perto do microfone.
- Uma gravação curta demais. Com menos de 12 segundos, a página descarta a gravação. Leia o roteiro todo.
- Ler como um robô. O clone copia como você fala, não só como você soa. Uma leitura lenta e sem emoção dá um clone sem emoção. Leia o roteiro como se falasse com um amigo, e crie dois clones para comparar.
- Maiúsculas para dar ênfase. Uma palavra em maiúsculas pode sair soletrada. Numa de seis tentativas, "SO" saiu como "S, O". Escreva as palavras normalmente.
- Gerar um texto longo sem testar. Nomes, siglas e números são onde a voz chuta. Se um nome sair soletrado, escreva do jeito que ele soa. Num outro vídeo nosso, uma voz soletrou "RFab" até escrevermos "Érre Fábi". Teste as frases difíceis na caixa grátis de Ouvir antes.
- Esperar que o clone atue. Instruções e marcas entre sinais de menor e maior só funcionam em vozes criadas e dirigíveis. O clone as ignora.
- Um clone lento demais para um vídeo. O clone mantém o ritmo da sua gravação. Acelere o arquivo pronto no seu editor de vídeo: 1,3 vez mais rápido soa natural para a maioria das vozes.
A API
Crie uma chave de API em Configurações > API para desenvolvedores e envie no cabeçalho X-API-Key em toda chamada para https://api.rfab.ai.
Clonar uma voz:
curl -X POST https://api.rfab.ai/api/voices/clone \
-H "X-API-Key: $RFAB_API_KEY" \
-F audio=@minha-voz.wav -F name="Minha voz" \
-F sourceKind=uploaded -F attested=true -F language=pt
# 201 { "voice": { "id": "uv-…", "name": "Minha voz", "state": "trained" } }
attested=true diz que a voz é sua ou que você tem permissão para usá-la. O ID de um clone começa com uv-.
GET /api/voices/minelista as suas vozes e os seus limites.POST /api/voices/uv-…/previewcom{ "text": "…" }ouve uma voz de graça (até 200 caracteres). A resposta é o próprio áudio.POST /api/audio/synthesizecom{ "text": "…", "voice": "uv-…", "format": "mp3", "returnUrl": true }fala até 5.000 caracteres. A resposta trazurl,charactersetokensBilled(uma chamada real: 20 caracteres, 30 tokens).POST /api/audio/dialoguecom{ "lines": [ { "speaker": "…", "voice": "…", "text": "…", "direction": "…" } ], "gapMs": 400, "format": "mp3" }gera até 80 falas (12.000 caracteres) num arquivo só. A resposta trazurl,durationSec,tokensBillede umatimelinecom o começo e o fim de cada fala.
A ferramenta de linha de comando faz o mesmo:
rfab voice clone minha-voz.wav --name "Minha voz" --attested --lang pt
rfab voice list
rfab say falas.json --out cena.wav --gap 400
Todas as vozes do vídeo são reais: o clone do próprio Bruno, criado no vídeo a partir de 30 segundos de leitura, um clone feito de um trecho de podcast e uma voz criada por descrição. Os comandos acima são os usados para fazer o vídeo.