Voice Kit: narrações com sua própria voz ou uma voz padrão

O Voice Kit lê com um serviço de voz. Enquanto esse serviço estiver desligado, um aviso amarelo no topo da página informa isso, e cada leitura usa um som de amostra: tons suaves no ritmo da fala, um por grupo de sílabas, com pausas reais em vírgulas, pontos e marcas [pause]. Ele permite testar cada etapa e verificar o tempo e a duração de um roteiro, mas não é uma voz. Onde aparecer, está identificado como Som de amostra, as vozes padrão se chamam Warm (amostra) e Clear (amostra), e o download em MP3 fica desativado (a amostra é baixada em WAV).

Comece uma narração (à esquerda): escolha o Idioma e depois defina de onde vêm as palavras com as quatro abas. Digitar ou colar: uma caixa para o roteiro inteiro (cada parágrafo vira uma linha; o botão do microfone digita o que você fala), depois Começar com este roteiro, ou Começar em branco, a IA escreve para abrir um roteiro vazio e pedir a ela um. Um arquivo: Word (.docx), PDF, texto, Markdown ou HTML de até 8 MB. Uma página da web: digite um endereço e toque em Trazer; as palavras legíveis da página são importadas. Writing Pack: uma lista dos seus rascunhos do Writing Pack; clique em um para trazer as palavras dele. Fontes muito longas são importadas até 6.000 caracteres, e um aviso informa isso.

Suas narrações lista cada roteiro que você criou, com o número de palavras, a duração aproximada, o idioma e a data; clique em um para abri-lo (cada um tem seu próprio endereço, então você pode salvar nos favoritos ou compartilhar o link consigo mesmo). Uma caixa de pesquisa aparece quando você tiver mais de quatro.

Vozes (à direita) mostra suas próprias vozes e as vozes padrão. Escolha quem lê um roteiro assim que ele estiver aberto.

O nome no topo é o nome da narração: clique nele para renomear. Salvo / Salvando… ao lado mostra que cada alteração é salva automaticamente logo após você parar de digitar.

Idioma define o idioma em que o roteiro é escrito e lido (inglês, espanhol, francês, alemão, português, italiano, holandês, polonês, japonês, chinês, coreano, hindi). Duração é a meta: 15, 30, 60 ou 90 segundos (toque de novo para limpar), ou digite qualquer duração de 5 a 600 segundos na caixa Outra. À direita, a estimativa (≈ segundos e palavras, a cerca de 150 palavras por minuto mais as pausas) e, com uma meta escolhida, No alvo ou quantos segundos a mais ou a menos.

Seu roteiro mostra a peça inteira em uma caixa só, do jeito que será lido, com uma linha em branco entre os parágrafos. Digite nela, cole ou use o botão do microfone. Cada parágrafo é uma parte: ao alterar um parágrafo depois de uma leitura, só essa parte é lida novamente, e uma nota abaixo da caixa informa quantas partes foram alteradas.

Parte por parte (a chave acima do roteiro) mostra cada parágrafo separadamente. Abaixo das palavras: Sentimento (Natural, Feliz, Animado, Confiante, Caloroso, Calmo, Sério, Curioso, Surpreso, Triste), Ritmo (Mais lento, Normal, Mais rápido) e Voz (Voz principal, ou qualquer uma das suas vozes ou vozes padrão, para que um roteiro tenha dois ou mais falantes, como um apresentador e um convidado), além de Corrigir uma palavra. Depois, a duração e um botão de play quando já tiver sido lido, Ler esta parte novamente, 3 versões e uma lixeira. Alterar o sentimento, o ritmo ou a voz de uma parte a marca para ser lida novamente. Os sentimentos são lidos como emoções reais pelo motor Cartesia e como uma entrega mais ou menos expressiva pela ElevenLabs.

3 versões lê a parte duas vezes a mais, com uma entrega um pouco diferente; as três aparecem como Versão 1, Versão 2, Versão 3, cada uma com um botão de play, e Manter torna essa versão a usada na leitura inteira (Mantida é o aviso). 3 novas versões substitui as versões 2 e 3. Roteiro inteiro volta à visão geral. Adicionar palavras de… (as mesmas quatro fontes) acrescenta palavras no final, e Excluir (pede confirmação antes) remove a narração e suas leituras.

Corrija como uma palavra é dita: selecione uma palavra ou nome em Roteiro inteiro e toque em Corrigir como é dito (ou toque em Corrigir uma palavra em uma parte em Parte por parte e digite a palavra). O painel mostra a palavra com Ouvir agora (lê a frase em que ela está, na voz escolhida em Quem lê). Em O que está errado?, escolha qualquer uma das opções Pronuncia errado, Sílaba errada enfatizada, Soletra letra por letra, Rápido demais ou engolido, Soa como outra palavra, e também descreva com suas próprias palavras (digitadas ou com o microfone), depois toque em Buscar correções. A IA sugere três ou quatro grafias que a voz pronunciará certo (como in-FIN-ih-tee, ou Win para Nguyen), cada uma com o motivo; toque em Ouvir em qualquer uma para ouvi-la na frase antes de mantê-la. Usar em todos os lugares salva na sua lista de Pronúncia e lê de novo cada parte que use a palavra; Só neste roteiro grava a nova grafia somente neste roteiro. Ou digite sua própria grafia em Ou digite como deve soar e Ouvir. Buscar outras correções pergunta de novo.

Lista de pronúncia (abaixo do roteiro): cada palavra que você salvou e como ela é falada, em todas as leituras da sua conta, em todas as narrações. Cada uma tem Ouvir e uma lixeira, e Adicionar aceita uma palavra e como pronunciá-la manualmente. O texto escrito do roteiro nunca muda: a lista é aplicada enquanto as palavras são lidas.

Escreva [pause] ou [pause 1.5s] para uma pausa. Se um nome ou palavra sair errado, escreva do jeito que soa e leia só essa linha novamente.

O redator de IA (a caixa roxa) é uma única caixa para escrever e alterar. Em um roteiro novo, digite ou diga o que ele deve conter (o nome da sua empresa, a oferta, um telefone ou site, qualquer coisa que precise aparecer), ou deixe em branco, escolha Para (Vídeo social ou reel, Anúncio ou spot de rádio, Atendimento telefônico ou espera, Explicação de produto ou serviço, Evento, promoção ou anúncio, ou Outra coisa) e um tom (Amigável, Profissional, Energético, Calmo, Engraçado), e pressione Escrever. Ele escreve na Duração que você definir (30 segundos se nenhuma for escolhida), com a sua Voz da Marca quando Usar minha Voz da Marca estiver marcada, em parágrafos que soem naturais.

Quando já houver um roteiro, a mesma caixa aceita qualquer alteração com suas próprias palavras, digitadas ou faladas ("deixe a abertura mais impactante", "adicione nosso horário de sábado", "traduza para o espanhol"): pressione Fazer a alteração (ou ⌘/Ctrl+Enter). Melhorar o texto deixa a fala mais fluida e mais enxuta, mantendo todos os fatos, nomes, números e ofertas. Escrever uma nova versão cria um roteiro novo a partir do que você digitou, com o Para, o tom e a duração escolhidos. Os botões abaixo são alterações com um clique, não o limite: Ajustar à duração, Deixar mais amigável, Mais fácil de falar, Final mais forte. Linhas e fatos que você não pediu para mudar continuam exatamente como estavam, e a IA nunca inventa preços ou telefones: ela escreve um marcador como [seu telefone] e o lista em Ainda não feito.

Pacote de Escrita: Abra o Pacote de Escrita (em uma nova aba) para escrever um texto mais longo com um dos redatores, depois pressione trazer o rascunho para cá para adicioná-lo a este roteiro.

Após cada alteração, uma nota lista o que foi Feito e, primeiro, qualquer item Ainda não feito com o motivo, e o roteiro abaixo fica destacado por um momento para você ver onde a mudança caiu. Desfazer devolve o roteiro ao que era antes dessa alteração.

Criar sua própria voz abre um painel grande. No topo, Como gravar uma voz que soe como você (aberto por padrão) lista o que Fazer (um ambiente silencioso e macio; a uma largura de mão do microfone; sua voz normal de anúncio; misture perguntas, números e nomes; de 1 a 2 minutos no total, tudo no mesmo lugar) e o que não fazer (música, TV, ventiladores ou outras pessoas; ambientes com eco ou um carro; anúncios ou vídeos com música por baixo da sua voz; fones Bluetooth ou viva-voz; sussurrar, gritar, falar apressado ou com voz monótona; longos silêncios e tosses). Fechar fecha o painel.

Criar sua própria voz passa por três etapas. 1, Seu nome: como você vai pronunciá-lo. 2, Leia esta frase em voz alta: pressione Gravar a frase, leia a frase na tela ("Eu, seu nome, concordo que a aiKit crie uma voz de IA a partir das minhas gravações, e que eu só a usarei para o meu próprio trabalho.") e pressione Parar. Um ponto vermelho, o tempo e um medidor de nível aparecem durante a gravação. 3, De 1 a 2 minutos de você falando: Gravar (ou Enviar uma gravação: MP3, M4A, WAV, WebM ou OGG), quantas vezes quiser, até seis gravações; uma barra se preenche até dois minutos, é preciso no mínimo 30 segundos e um minuto ou mais soa melhor. Três textos para ler ficam acima dos botões, cada um em uma aba: Sua empresa; Uma história; e Números e nomes (leia os três por cerca de dois minutos, ou apenas fale sobre o seu trabalho). Cada gravação aparece com sua duração, um player para ouvi-la de volta (gravações feitas nesta visita), uma verificação de qualidade medida no seu navegador (Som limpo, ou uma dica como Baixo: aproxime-se, Alto demais em alguns trechos, Ruído de fundo ou Muito silêncio) e uma lixeira. A gravação do consentimento tem o mesmo player e a mesma verificação.

Criar minha voz faz as verificações e então cria a voz. A frase de consentimento é convertida em texto e comparada com a frase (seu nome fica de fora, pois nomes são escritos de várias formas); pelo menos 70% das palavras precisam ser reconhecidas. Uma verificação básica de mesma voz compara o tom e a entonação da gravação de consentimento com as suas amostras; eles precisam coincidir, então a frase deve ter sido lida pela mesma pessoa das amostras. É uma verificação básica, não uma impressão digital. O resultado lista cada verificação com um visto ou um X; se alguma falhar, a voz não é criada e Corrigir as gravações leva você de volta.

Suas gravações e vozes são privadas da sua conta. A lixeira ao lado de uma voz pede confirmação e depois a exclui também no serviço de voz e aqui. As narrações que já foram lidas com ela continuam sendo suas. Até cinco vozes por conta. Apenas a sua própria voz: não são permitidas gravações de outras pessoas. A voz padrão da aiKit: um administrador da aiKit pode oferecer uma das SUAS vozes finalizadas (criada por este mesmo fluxo de consentimento) para todas as contas, com Oferecer como voz padrão; ela então aparece primeiro em Vozes prontas, rotulada como voz padrão da aiKit, e lê para quem não tem voz própria. Ela só aparece enquanto um mecanismo de voz real estiver ativado; Voz padrão ✓ (parar), ou excluir essa voz, interrompe a oferta. Criar a própria voz está aberto a administradores até uma revisão jurídica final; as vozes prontas já funcionam para todos agora.

Receitas de voz (a barra acima do roteiro) salvam uma voz, um sentimento, um ritmo e uma música sob um único nome, como Anúncios Northwind ou Linha telefônica da Padaria. Pressione uma receita para usá-la: a voz é escolhida, cada parte que não tem seu próprio sentimento ou ritmo recebe o da receita, e a música é definida abaixo do player. Salvar como receita abre um formulário curto: Nome, Sentimento e Ritmo (que começam a partir do que a maioria das suas partes usa), com a voz de Quem lê e a música definida abaixo do player; salvar com um nome que você já usou substitui essa receita. A lixeira exclui uma receita. Até 50 receitas.

As receitas funcionam em todo o aiKit: quando outra ferramenta lê com uma voz (a narração do Video Kit, por exemplo), ela pode usar uma receita, e sua lista de Pronúncia também se aplica ali, para que os nomes sejam ditos do mesmo jeito em todos os lugares.

Em Quem lê, primeiro aparecem suas vozes prontas e depois as vozes padrão (seis no início; Todas as vozes padrão mostra as demais). A voz escolhida tem um contorno colorido e fica guardada no endereço da página. Cada voz tem um botão Ouvir que toca um pequeno exemplo dela (criado uma vez e guardado, então toca na hora na próxima vez); toque em Parar, ou no Ouvir de outra voz, para interromper.

Ouça: o botão grande mostra o que ele vai fazer: Ler com <voice>, Ler as N linhas alteradas ou Ler tudo de novo. Só as linhas novas ou alteradas são lidas de novo, então corrigir uma palavra custa só uma linha. Enquanto trabalha, o painel mostra quantas linhas estão sendo lidas; roteiros longos são lidos em rodadas e a contagem é atualizada. Se alguma linha não puder ser lida, Ainda não concluído informa quantas e por quê, e tocar no botão de novo lê apenas essas.

Quando todas as linhas estiverem lidas, o player mostra uma forma de onda de toda a narração: toque no botão redondo para tocar ou pausar, clique na forma de onda (ou use as setas do teclado sobre ela) para pular, e a linha que está sendo falada aparece embaixo. As linhas são unidas por uma pequena pausa de silêncio entre elas.

As palavras abaixo do player acendem conforme são faladas. Clique em uma palavra para ir até ela. Selecione de uma a três palavras e toque em Corrigir a pronúncia (abre o painel de correção no roteiro), ou selecione quaisquer palavras e toque em Orientar estas palavras para dizer à voz como falá-las. Os tempos das palavras são distribuídos em cada trecho pelo tamanho, então são aproximados, não exatos.

Orientar a leitura (abaixo do player): diga como deve soar com suas próprias palavras, digitando ou falando, como mais energia em 'este fim de semana', desacelerar no preço, ou soar como se estivesse sorrindo, e toque em Orientar, ou em um dos atalhos (Mais energia, Soar como se estivesse sorrindo, Desacelerar números e o número de telefone, Mais calma e confiança, Abertura mais marcante, Mais pausa antes da chamada para ação). A IA muda o sentimento, o ritmo e, quando ajuda, algumas palavras apenas nos trechos que a orientação envolve (a voz não aceita marcas de acento tônico em uma só palavra, então usa o que uma voz segue: uma pausa curta antes da palavra, uma exclamação ou uma frase mais curta), salva o roteiro e lê de novo só esses trechos. Feito lista cada mudança, e Ainda não concluído diz o que uma voz não consegue fazer e por quê. Desfazer devolve esses trechos ao original e os lê de novo.

Verifique com o treinador de IA: ele ouve a leitura (conversão de fala em texto) e mostra o tempo e as palavras por minuto, depois Ritmo (de 150 a 170 palavras por minuto é ideal para a maioria dos anúncios), Clareza, Abertura (a primeira frase prende a atenção em 3 segundos?) e Nomes e palavras (palavras longas que a verificação auditiva não ouviu, muitas vezes um nome falado errado). Cada dica tem uma correção: Corrigir a pronúncia para uma palavra, ou Corrigir, que coloca uma orientação em Orientar a leitura para você tocar. Verificar de novo ouve outra vez após as mudanças. O som de exemplo não é fala, então a verificação de palavras só funciona com vozes reais.

Música sob a voz (abaixo do player, quando todos os trechos estiverem lidos): escolha uma Original do aiKit, defina Música (o volume), toque em Ouvir com música e em Baixar com música (WAV) para a mixagem final. A música começa um instante antes da voz, abaixa enquanto a voz fala e desaparece no final. Legendas: arquivos .srt e .vtt com tempos extraídos da leitura, de algumas palavras por vez, para reels, YouTube e players de vídeo.

Downloads e mais: MP3 (vozes reais), WAV (qualquer leitura), Salvar na Biblioteca de Gráficos (na pasta Voice Kit, categoria Locução) e Usar no Motion Maker, que salva na sua biblioteca e abre o Motion Maker com a voz na aba Música, com a música abaixando sob ela. Abaixo disso, avalie a leitura com um joinha para cima ou para baixo; um joinha para baixo pergunta o que deu errado e envia para a equipe do aiKit. A etiqueta Voz de IA / Som de exemplo no topo do painel indica o que você está ouvindo.

Antes que novas linhas sejam lidas, uma verificação rápida de IA as analisa em busca de falsa identidade. Apresentar-se e apresentar o seu próprio negócio é permitido ("Oi, sou o Sam, dono da Bicicletas do Sam"): uma pessoa ou empresa que não é amplamente conhecida é considerada você. Não são lidas: uma pessoa famosa falando ou endossando em primeira pessoa, uma empresa, banco ou órgão público conhecido falando como ele mesmo ("aqui é o seu banco ligando"), ou qualquer mensagem que se passe por eles para pedir pagamento ou dados pessoais. O painel explica o motivo. Mencionar ou avaliar pessoas e empresas reais, anúncios do seu próprio negócio e personagens fictícios são permitidos. Cada linha é verificada uma vez; ao alterá-la, ela é verificada de novo.

O Voice Kit usa os tokens da sua conta pelo custo real do serviço de voz: a leitura é cobrada por caractere (cerca de 3 a 9 centavos para uma leitura de 30 segundos, dependendo do serviço de voz), mais o pequeno custo de cada mudança de roteiro por IA e de cada verificação de segurança. Ler apenas as linhas alteradas mantém o custo baixo. Se um pedido ultrapassar o que resta do seu plano, ele não é iniciado e a mensagem informa isso. Administradores veem o custo de cada leitura em centavos abaixo do player.

Administradores veem Teste lado a lado de motores abaixo do player. Com os dois serviços de voz ativados, Ler nos dois lê o roteiro aberto com a voz escolhida em cada serviço, mostra um player e o custo de cada um, e Usar este motor faz com que essa leitura seja usada em todas as narrações a partir de então (sua própria voz é criada nos dois serviços quando você a cria). Com um ou nenhum ativado, informa quais estão ligados.

As outras ferramentas do aiKit pedem narração ao Voice Kit do mesmo jeito: o texto entra, e uma narração volta com o tempo de início e fim de cada linha, para que as legendas acompanhem a voz. Ela é lida com sua voz mais recente (ou a primeira voz padrão), é descontada dos seus tokens e é marcada como som de exemplo sempre que as vozes reais estiverem desativadas.