TTS Multi-voz

Gerador de Diálogos IA

Crie diálogos com IA entre dois interlocutores. O anfitrião e o convidado já têm vozes atribuídas. Escreva a conversa, gere o áudio e descarregue tudo num único ficheiro.

Sem anúncios

Dialogue studio

Host and Guest already have voices. Write the conversation, generate, and download one file.

Working tool

Speakers

Already loaded. Change a voice only if you want a different person.

2 speakers

H
G

Line 1 is Host. Line 2 is Guest. They keep taking turns.

166 characters
Advanced options
Corrigir como se diz uma palavra

Adicione uma palavra que a voz pronuncia mal e escreva-a como deve soar. A correção é usada sempre que gera, e o seu texto fica como o escreveu. Guardado apenas neste navegador.

    Source files are parsed locally. In Cloud mode, only the selected text sections are sent for speech generation. In-browser mode keeps both the source and generated speech on this device.

    Sem anúncios

    Esta página ainda não está traduzida. A ferramenta corre em inglês abaixo. Usar em inglês

    TTS de duas vozes

    Diálogos multi-personagem a partir de um guião simples

    O estúdio de diálogos começa com dois falantes já carregados. Escreva a conversa, gere e descarregue um ficheiro final. Cada pessoa mantém uma voz distinta.

    Related use cases

    Podcasters Audiolivros YouTube Vozes naturais
    The quick answer

    Escreva uma linha por turno. O Anfitrião e o Convidado já têm vozes. Clique em Gerar e descarregue um único WAV ou MP3 unido.

    Fluxo de diálogo

    Escreva e gere

    1. 01

      Escreva a conversa

      Uma linha por turno. O Anfitrião diz a primeira, o Convidado a segunda, e assim alternam. As etiquetas NAME: linha continuam a funcionar se já escrever scripts desse modo.

    2. 02

      Mude a voz apenas se quiser

      Anfitrião e Convidado já têm vozes contrastantes. Mude os nomes, escolha outra voz ou adicione alguém. O sistema nunca deteta os faladores a partir do script.

    3. 03

      Gere e descarregue

      Um clique em Gerar cria a conversa. Ouça-a e descarregue um WAV ou MP3 unificado.

    Quando usá-lo

    O que as pessoas criam com TTS multi-voz

    04 scenarios
    01 / 04

    Clones de podcast estilo NotebookLM

    Podcast com dois anfitriões: uma voz de IA faz perguntas, a outra explica. Crie o script, gere o Anfitrião A e o Anfitrião B com vozes contrastantes e junte. Sem subscrição, sem lista de espera.

    02 / 04

    Curta-metragens animadas e protótipos de jogos

    Dê voz a cada personagem do seu storyboard ou protótipo Twine com uma voz Kokoro diferente. 54 vozes significam um elenco pequeno completo sem contratar VAs para o corte bruto.

    03 / 04

    Diálogos entre personagens de audiolivros

    Narre a prosa com uma voz (River ou Daniel) e substitua por vozes distintas para as citações diretas. Os ouvintes seguem quem fala sem precisar de uma etiqueta "disse ela" em cada linha.

    04 / 04

    Conversas para aprendizagem de línguas

    Gere diálogos de dois faladores 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

    Seis combinações de vozes com bom contraste

    Um diálogo vive ou morre se os ouvintes conseguem distinguir as duas vozes sem pensar. Estas seis combinações contrastam em género, sotaque ou tom de personagem. Escolha uma e comece a gerar.

    01 Inglês (EUA)

    Sarah + Adam

    Anfitrião + convidado especialista

    Best for

    Podcasts explicativos ao estilo NotebookLM. A Sarah faz as perguntas, o Adam dá a resposta autoritativa. A combinação mais natural para programas em inglês (EUA) com dois apresentadores.

    02 Inglês (EUA)

    Bella + Liam

    Conversa casual

    Best for

    Podcasts de lifestyle, formatos de conversa entre amigos, diálogos de cena de café em audiolivros. Ambas as vozes soam quentes, o que torna a troca de falas relaxada em vez de 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 anfitrião e narrador. O sotaque consistente mantém o mundo coeso.

    04 Inglês (EUA) (personagem)

    Puck + Sky

    Personagens de animação / jogos

    Best for

    Curta-metragens animados, protótipos Twine, diálogos de NPCs em jogos indie. Puck é travesso, 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 alterna com citações recriadas. O River conduz a linha principal, a Nova interpreta a voz do arquivo.

    06 Inglês (EUA)

    Michael + Jessica

    Energia de co-apresentadores

    Best for

    Banter de programas matinais, formatos de notícias e conversa, introduções de podcasts de marca onde dois anfitriões trocam uma abertura fria antes do programa começar.

    Want to hear them? Browse all 54 voices →

    Continue

    Como escrever diálogos que soam naturais em TTS

    O modelo trata da voz. O realismo vem de como escreve os tempos, os silêncios e as pequenas reações entre personagens. Seis regras que cobrem todo o processo.

    • 01

      Escreva uma linha por turno

      O Host fala primeiro, o Guest a seguir, e alternam assim. As etiquetas opcionais NAME: continuam a funcionar se já escrever scripts dessa forma.

    • 02

      Use a pontuação para marcar os tempos entre linhas

      Uma vírgula é um quarto de tempo, um ponto é meio tempo, um travessão é uma pausa real, uma reticência é um tempo suspenso. 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 turnos

      O intervalo médio em conversas reais ronda os 250 ms. Colar dois cliques TTS um após o outro soa robótico; adicionar 300 ms de silêncio real entre turnos no editor faz soar como duas pessoas a falar. Para cenas tensas, reduza para 100 ms. Para trocas reflexivas, aumente para 600 ms.

    • 04

      Simule interrupções com uma sobreposição de 50–100 ms

      Corte o clipe do Personagem A a meio de uma palavra e arraste o clipe do Personagem B para começar 50–100 ms antes de A terminar. Esta breve sobreposição é o sinal universal de "cortaram-lhe a fala". Um crossfade de 100 ms na zona de sobreposição suaviza a junção e a interrupção soa natural.

    • 05

      Paneje as vozes ligeiramente à esquerda e à direita

      Paneje o Personagem A 15% à esquerda e o Personagem B 15% à direita. Não o suficiente para soar teatral, mas o suficiente para que quem usa auscultadores deixe de confundir quem fala. Paneagem forte (50%+) só funciona para rádio-drama. Para podcasts e audiolivros, 15% é o ponto ideal.

    • 06

      Escreva as reações fonéticas para risos e "uh-huh"

      Sem SSML, sem etiqueta <laugh>, escreva o que quer que seja dito. "Hah hah hah" produz um riso limpo de três sílabas, "mmhm" soa como concordância, "ugh" como exasperação. Teste a reação como uma geração solo de 10 caracteres, troque de voz se uma a entregar melhor, e coloque o WAV numa faixa separada na edição.

    Continue

    FreeTextoSpeech vs PlayHT e Murf: funcionalidades de diálogo

    PlayHT e Murf têm modos multi-locutor nativos: cola uma vez, renderiza uma mistura. O custo? Limites mensais de personagens, registo obrigatório e licença comercial paga. Aqui está a leitura honesta.

    Suporte a diálogo multi-voz

    FreeTextoSpeech

    Escreva uma linha por turno, Host e Guest já têm vozes, e exporte uma conversa unida.

    Planos gratuitos PlayHT / Murf

    Funcionalidade nativa de diálogo multi-locutor, mas bloqueada em planos pagos e com lista de vozes limitada no gratuito.

    Variedade de vozes por cena

    FreeTextoSpeech

    54 vozes em 9 idiomas, suficiente para todo um elenco.

    Planos gratuitos 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 PlayHT / Murf

    Conta para o limite mensal de caracteres no plano gratuito; cenas mais longas forçam a migração para um plano pago.

    Licença comercial no plano gratuito

    FreeTextoSpeech

    Uso comercial total permitido, sem necessidade de atribuição.

    Planos gratuitos PlayHT / Murf

    Uso comercial restrito no plano gratuito; plano pago obrigatório para podcasts monetizados e jogos indie.

    Formato de saída

    FreeTextoSpeech

    WAV a 24 kHz por voz, pronto para arrastar para faixas separadas em qualquer DAW.

    Planos gratuitos PlayHT / Murf

    MP3 comprimido no plano gratuito, geralmente apenas mixagem única.

    Registo

    FreeTextoSpeech

    Nenhum. Abra a página, cole o texto e gere.

    Planos gratuitos PlayHT / Murf

    Exige registo por email e cartão de crédito para funcionalidades comerciais.

    Geração multivoz com um clique

    FreeTextoSpeech

    Geração nativa multi-orador com vozes carregadas, exportação unificada e controlos Avançados opcionais.

    Planos gratuitos PlayHT / Murf

    Modo de diálogo multi-orador nativo nos planos pagos (uma colagem, uma renderização).

    O botão Gerar executa cada turno em sequência para não sobrecarregar o motor de voz partilhado.

    FAQ

    Frequently asked questions

    01

    Posso gerar duas vozes num único pedido?

    Sim. Escreva a conversa, atribua uma voz diferente a cada orador e clique em Gerar. O estúdio executa os turnos em ordem e cria um único ficheiro de áudio unificado.
    02

    Como evito que as vozes soem semelhantes?

    Escolha vozes que contrastem em pelo menos dois eixos: género, sotaque ou tom. Sarah + Adam (feminina americana quente + masculina americana autoritária) funciona bem. Bella + Daniel (conversacional americana + formal britânica) funciona ainda melhor, pois a mudança de sotaque é inequívoca. Evite combinar duas vozes do mesmo sotaque e género; os ouvintes perdem o fio à conversa.
    03

    Como simular uma interrupção entre personagens?

    Use uma pausa curta entre turnos nas opções Avançadas. Para uma sobreposição real, descarregue o ficheiro unificado e coloque a linha entrante um pouco antes no seu editor.
    04

    Como lidar com risos, suspiros ou reações como "uh-huh"?

    O modelo não tem etiquetas para sons não verbais. Escreva reações fonéticas como “hah hah”, “mmhm” ou “ugh” como turnos curtos de orador separados. Se necessário, tente outra grafia para esse turno.
    05

    Posso publicar diálogos gerados por IA comercialmente?

    Sim. Os WAVs a 24 kHz que descarrega do FreeTextoSpeech têm licença para uso comercial total: podcasts, vídeos monetizados no YouTube, audiolivros pagos, jogos indie e leituras publicitárias. Não é necessária atribuição nem partilha de royalties. A licença cobre cenas de diálogo com duas vozes da mesma forma que cobre narração com uma só voz.
    06

    Qual é o limite de duração para uma cena de diálogo?

    Cada geração tem um limite de 5.000 caracteres, mas pode gerar quantas vezes precisar. Uma cena típica de podcast com dois apresentadores, de 30 minutos, corresponde a cerca de 4.500 palavras de diálogo divididas entre os dois personagens, o que dá aproximadamente 12 gerações, seis por voz. Junte tudo num único ficheiro de projeto e tem o episódio completo.
    07

    O diálogo soa natural nas transições entre as falas?

    Sim, porque o modelo Kokoro é determinístico por voz. O Personagem A soa sempre igual em todos os clipes. A costura está no silêncio entre as falas, não na voz em si. Deixe 200–400 ms de ruído ambiente ou silêncio real entre os falantes e a conversa flui como um diálogo humano.
    08

    Posso usar três ou mais personagens?

    Sim. Adicione um orador no estúdio, atribua-lhe uma voz distinta e continue a escrever uma linha por turno. Três vozes funcionam bem; quatro começa a dificultar o acompanhamento do ouvinte, a menos que uma seja claramente o narrador.

    Still wondering? Get in touch →

    Continue a explorar

    Ferramentas de TTS relacionadas

    Conteúdo longo ↗

    Conversão de texto em voz para podcasts

    Leituras de qualidade de estúdio para introduções e segmentos de podcasts com dois apresentadores.

    Conteúdo longo ↗

    Conversão de texto em voz para audiolivros

    Narração de livros áudio independentes com troca de vozes para diálogos de personagens.

    Qualidade de voz ↗

    Gerador de vozes realistas com IA

    Por que as vozes Kokoro soam humanas em cenas de diálogo longas.

    Conteúdo longo ↗

    Conversão de texto em voz para o YouTube

    Insira cenas de diálogo diretamente no Premiere ou DaVinci Resolve.

    Try it now

    Crie a sua primeira cena com duas vozes.

    Gere gratuitamente em menos de 10 minutos, com direitos comerciais completos.

    Open the tool See all voices