Clones de podcast estilo NotebookLM
Podcast com dois apresentadores: uma voz de IA faz perguntas, a outra explica. Escreva o roteiro, gere Host A e Host B com vozes contrastantes e junte. Sem assinatura, sem lista de espera.
TTS multi-voz
Gerador de Diálogos com IA
Crie conversas entre duas vozes com inteligência artificial. O apresentador e o convidado já vêm com vozes definidas: escreva o diálogo, gere o áudio e baixe tudo em um único arquivo.
Essa página ainda não foi traduzida. A ferramenta roda em inglês abaixo. Usar em inglês
TTS de duas vozes
Diálogo multi-personagem a partir de um roteiro simples
O estúdio de diálogos começa com dois falantes prontos. Escreva a conversa, gere e baixe o arquivo final. Cada personagem mantém uma voz distinta.
Related use cases
The quick answer
Escreva uma linha por fala. Anfitrião e Convidado já têm vozes. Clique em Gerar e baixe um WAV ou MP3 único.
Fluxo de diálogo
Escreva e gere
- 01
Escreva a conversa
Uma linha por fala. O Host fala a primeira, o Guest a segunda, e assim por diante. As tags NAME: linha continuam funcionando se você já escreve roteiros desse jeito.
- 02
Troque a voz só se quiser
Host e Guest já têm vozes contrastantes. Renomeie, escolha outra voz ou adicione alguém. O sistema nunca detecta falantes pelo roteiro.
- 03
Gere e baixe
Um clique em Gerar cria a conversa. Ouça e baixe o arquivo WAV ou MP3 unificado.
Quando usar
O que as pessoas criam com TTS multivoz
Vídeos animados e protótipos de jogos
Dê voz a cada personagem do seu storyboard ou protótipo Twine com uma voz Kokoro diferente. São 54 vozes, o suficiente para um elenco pequeno sem contratar dubladores para o rascunho.
Diálogo de personagens em audiolivros
Narre o texto com uma voz (River ou Daniel) e use vozes distintas para as falas diretas dos personagens. O ouvinte sabe quem está falando sem precisar de "disse ela" em cada linha.
Conversas para aprender idiomas
Gere diálogos de duas pessoas em espanhol, francês, hindi, japonês, mandarim e mais 4 idiomas. Combine uma voz masculina e uma feminina nativa para exercícios realistas de troca A/B.
Continue explorando
Seis combinações de vozes com bom contraste
O diálogo vive ou morre se o ouvinte consegue distinguir as duas vozes sem pensar. Essas seis combinações contrastam em gênero, sotaque ou tom de personagem. Escolha uma e comece a gerar.
01 Inglês (EUA)
Sarah + Adam
Anfitrião + convidado especialista
Best for
Podcasts explicativos no estilo NotebookLM. A Sarah faz as perguntas, o Adam dá a resposta com autoridade. É a combinação mais natural para programas em inglês americano com dois apresentadores.
02 Inglês (EUA)
Bella + Liam
Conversa casual
Best for
Pods de lifestyle, formato de papo entre amigos, diálogos de cena de café em audiolivros. As duas vozes soam quentes, o que deixa o vai-e-vem relaxado, nada formal.
03 Inglês (Reino Unido)
Daniel + Emma
Drama de época ou estilo BBC
Best for
Cenas de audiolivros ambientadas no Reino Unido, documentários de prestígio com dois narradores, podcasts de história com estrutura de apresentador e narrador. O sotaque combinado mantém o mundo consistente.
04 Inglês (EUA) (personagem)
Puck + Sky
Personagens de animação / jogos
Best for
Curta-metragens animados, protótipos em Twine, diálogos de NPCs em jogos indie. O Puck é travesso, a Sky é uma voz de personagem clara e vibrante, não de narrador.
05 Inglês (EUA)
River + Nova
Narrador de documentário + entrevistado
Best for
Documentários de true crime, história e ciência onde um narrador fluido conecta citações recriadas. O River conduz a linha narrativa, a Nova interpreta a voz do arquivo.
06 Inglês (EUA)
Michael + Jessica
Energia de co-apresentadores
Best for
Trocados de programas matinais, formatos de notícias e bate-papo, intros de podcasts com marca onde dois hosts trocam uma abertura fria antes do programa começar.
Want to hear them? Browse all 54 voices →
Continue
Como escrever diálogos que soam naturais no TTS
O modelo cuida da voz. O realismo vem de como você escreve as pausas, os silêncios e as pequenas reações entre os personagens. Seis regras que cobrem todo o processo.
- 01
Escreva uma linha por turno
O Host fala a primeira linha, o Guest a segunda, e assim alternam. As tags opcionais NOME: ainda funcionam se você já escreve roteiros desse jeito.
- 02
Use pontuação para marcar as pausas entre as falas
Uma vírgula é um quarto de tempo, um ponto é meio tempo, um travessão é uma pausa real e reticências seguram o ritmo. Se um personagem hesita, escreva "Bem... não sei se isso é verdade." em vez de "Bem não sei se isso é verdade." A pausa é o que vende a hesitação, e o Kokoro respeita a pontuação.
- 03
Deixe 200–400 ms de silêncio entre os turnos
O intervalo médio em conversas reais é de cerca de 250 ms. Colar dois clipes TTS um atrás do outro deixa o diálogo robótico; adicionar 300 ms de silêncio real entre os turnos no editor faz soar como duas pessoas conversando. Para cenas tensas, reduza para 100 ms. Para trocas pensativas, aumente para 600 ms.
- 04
Simule interrupções com sobreposição de 50–100 ms
Corte o clipe do Personagem A no meio da palavra e arraste o clipe do Personagem B para começar 50–100 ms antes de A terminar. Essa breve sobreposição é a dica universal de áudio para "cortaram a fala dele". Um crossfade de 100 ms na zona de sobreposição suaviza a emenda e a interrupção soa natural.
- 05
Pancamente as vozes para esquerda e direita para clareza no fone
Pancamente o Personagem A 15% para a esquerda e o Personagem B 15% para a direita. Não o suficiente para parecer teatral, mas o bastante para quem usa fone de ouvido parar de confundir quem está falando. Pan duro (50%+) só funciona para rádio-drama. Para podcasts e audiolivros, 15% é o ponto ideal.
- 06
Escreva reações fonéticas para risadas e "uh-huh"
Sem SSML, sem tag <laugh>, escreva o que você quer que seja falado. "Hah hah hah" entrega uma risada limpa de três sílabas, "mmhm" soa como concordância e "ugh" como exasperação. Teste a reação como uma geração solo de 10 caracteres, troque de voz se uma entregar melhor, e depois coloque o WAV em uma faixa separada na edição.
Continue
FreeTextoSpeech vs PlayHT e Murf: recursos de diálogo
PlayHT e Murf têm modos multi-voz nativos: cole uma vez, renderize uma mixagem. O custo é o limite mensal de caracteres, cadastro obrigatório e licença comercial paga. Aqui está a leitura honesta.
Feature
FreeTextoSpeech
Planos gratuitos do PlayHT / Murf
Suporte a diálogo multi-voz
Recurso nativo de diálogo multi-voz, mas bloqueado em planos pagos e com lista de vozes limitada no gratuito.
Variedade de vozes por cena
Pool de vozes gratuito menor, com as vozes de personagem mais distintas atrás de paywall.
Custo para um diálogo de 5 minutos
Conta para o limite mensal de caracteres no plano gratuito; cenas longas forçam a migração para um plano pago.
Licença comercial no plano gratuito
Uso comercial restrito no plano gratuito; plano pago exigido para podcasts monetizados e jogos indie.
Formato de saída
MP3 comprimido no plano gratuito, geralmente apenas mixagem única.
Cadastro
Cadastro por e-mail obrigatório, cartão de crédito em arquivo para recursos comerciais.
Geração multivoz com um clique
Modo nativo de diálogo multivoz nos planos pagos (uma colagem, uma renderização).
Suporte a diálogo multi-voz
FreeTextoSpeech
Escreva uma linha por turno, Host e Guest já têm vozes, e exporte uma conversa única.
Planos gratuitos do PlayHT / Murf
Recurso nativo de diálogo multi-voz, mas bloqueado em planos pagos e com lista de vozes limitada no gratuito.
Variedade de vozes por cena
FreeTextoSpeech
54 vozes em 9 idiomas, o suficiente para um elenco completo.
Planos gratuitos do PlayHT / Murf
Pool de vozes gratuito menor, com as vozes de personagem mais distintas atrás de paywall.
Custo para um diálogo de 5 minutos
FreeTextoSpeech
Gratuito. Sem limite de caracteres no número de gerações.
Planos gratuitos do PlayHT / Murf
Conta para o limite mensal de caracteres no plano gratuito; cenas longas forçam a migração para um plano pago.
Licença comercial no plano gratuito
FreeTextoSpeech
Uso comercial completo permitido, sem necessidade de atribuição.
Planos gratuitos do PlayHT / Murf
Uso comercial restrito no plano gratuito; plano pago exigido para podcasts monetizados e jogos indie.
Formato de saída
FreeTextoSpeech
WAV 24 kHz por voz, pronto para ser colocado em faixas separadas em qualquer DAW.
Planos gratuitos do PlayHT / Murf
MP3 comprimido no plano gratuito, geralmente apenas mixagem única.
Cadastro
FreeTextoSpeech
Nenhum. Abra a página, cole o texto e gere.
Planos gratuitos do PlayHT / Murf
Cadastro por e-mail obrigatório, cartão de crédito em arquivo para recursos comerciais.
Geração multivoz com um clique
FreeTextoSpeech
Geração nativa de múltiplos falantes com vozes carregadas, exportação unificada e controles Avançados opcionais.
Planos gratuitos do PlayHT / Murf
Modo nativo de diálogo multivoz nos planos pagos (uma colagem, uma renderização).
O botão Gerar executa cada turno em ordem para não sobrecarregar o motor de voz compartilhado.
FAQ
Frequently asked questions
01 Posso gerar duas vozes em uma única solicitação?
Sim. Escreva a conversa, atribua uma voz diferente a cada falante e clique em Gerar. O estúdio executa os turnos em ordem e cria um arquivo de áudio único.
02 Como evitar que as vozes soem parecidas?
Escolha vozes que contrastem em pelo menos dois eixos: gênero, sotaque ou tom. Sarah + Adam (feminina americana quente + masculina americana autoritária) soa bem. Bella + Daniel (conversacional americana + formal britânica) soa ainda melhor, pois a mudança de sotaque é inconfundível. Evite combinar duas vozes do mesmo sotaque e gênero; os ouvintes perdem o fio da meada.
03 Como simular uma interrupção entre personagens?
Use uma pausa curta entre os turnos nas opções Avançadas. Para uma sobreposição real, baixe o arquivo unificado e posicione a fala seguinte um pouco antes no seu editor.
04 Como lidar com risadas, suspiros ou reações como "uh-huh"?
O modelo não tem tags para sons não verbais. Escreva reações fonéticas como "hah hah", "mmhm" ou "ugh" como turnos curtos de falante separados. Se necessário, tente outra grafia para aquele turno.
05 Posso publicar diálogos gerados por IA comercialmente?
Sim. Os arquivos WAV 24 kHz baixados do FreeTextoSpeech têm licença para uso comercial completo: podcasts, vídeos monetizados no YouTube, audiobooks pagos, jogos indie e locuções de anúncios. Não é necessária atribuição nem divisão de royalties. A licença cobre cenas de diálogo com duas vozes da mesma forma que cobre narração com uma única voz.
06 Qual é o limite de tamanho para uma cena de diálogo?
Cada geração tem o limite de 5.000 caracteres, mas você pode gerar quantas vezes precisar. Uma cena típica de podcast com dois apresentadores e 30 minutos dura cerca de 4.500 palavras de diálogo divididas entre os dois, o que dá umas 12 gerações, seis por voz. Junte tudo em um único arquivo de projeto e o episódio está completo.
07 O diálogo soa natural na transição entre as falas?
Sim, porque o modelo Kokoro é determinístico por voz. O Personagem A sempre soa igual em todos os clipes. A costura fica no silêncio entre as falas, não na voz. Deixe de 200 a 400 ms de ambiente ou silêncio real entre os falantes e a conversa flui como um diálogo humano.
08 Posso usar três ou mais personagens?
Pode. Adicione um falante no estúdio, escolha uma voz distinta e continue escrevendo uma linha por turno. Três vozes funcionam bem; quatro começa a cansar o ouvinte, a menos que uma seja claramente o narrador.
Still wondering? Get in touch →
Continue explorando
Ferramentas de TTS relacionadas
Conteúdo longo
↗
Texto em voz para podcasts
Leituras de qualidade de estúdio para intros e segmentos de podcasts com dois apresentadores.
Conteúdo longo
↗
Texto em voz para audiolivros
Narração de audiolivros independentes com troca de vozes para diálogos de personagens.
Qualidade de voz
↗
Gerador de voz realista com IA
Por que as vozes Kokoro soam humanas em cenas de diálogo longas.
Conteúdo longo
↗
Texto em voz para YouTube
Insira cenas de diálogo direto no Premiere ou DaVinci Resolve.
Try it now
Crie sua primeira cena com duas vozes.
Gere de graça, em menos de 10 minutos, com direitos comerciais completos.