Como escolher a voz de IA certa para o seu projeto

Antes de abrir a lista de vozes, responda a três perguntas: quem vai ouvir, onde vai ouvir e por quanto tempo. Um tutorial de cinco minutos para iniciantes, um clipe de produto de 30 segundos e um audiolivro de duas horas pedem vozes muito diferentes.

• Conteúdos curtos e enérgicos (anúncios, vídeos curtos) se beneficiam de uma voz mais viva e de um ritmo um pouco mais rápido.
• Aulas e vídeos explicativos precisam de uma voz clara e calma, em ritmo natural ou um pouco mais lento.
• Escuta prolongada (audiolivros, artigos) exige uma voz agradável ao longo do tempo; evite vozes que cansam depois de alguns minutos.

Escolha sempre uma voz feita para o idioma em que o seu texto está escrito. Uma voz de outro idioma vai ler suas palavras com os sons errados, mesmo que reconheça as letras.

Depois, pense no sotaque. O espanhol da Espanha e o do México, ou o inglês do Reino Unido, dos EUA, da Índia ou da Nigéria, soam diferentes, e os ouvintes percebem. Se o seu público está principalmente em um país, escolha uma voz desse país. Você pode navegar pelas vozes por idioma ou por país e sotaque.

Abra o diretório de vozes, filtre pelo seu idioma e ouça as prévias curtas. Não tente escolher a vencedora ainda; apenas descarte as vozes que claramente não servem para o seu ouvinte. A maioria das pessoas acaba com três a cinco candidatas.

As prévias são escritas para soar bem. O seu roteiro não será tão generoso. Separe um trecho de cerca de 100 a 200 palavras do seu texto real que inclua as partes difíceis: nomes, números, uma pergunta, uma frase longa. Cole o mesmo trecho no Estúdio e gere o áudio com cada voz da sua lista curta.

Ouça uma vez prestando atenção em cada um destes pontos e faça uma anotação rápida:

• A voz pronunciou corretamente os nomes e os termos principais?
• As perguntas realmente soam como perguntas?
• O ritmo é confortável ou as frases se atropelam?
• Depois de um minuto, a voz continua agradável ou começa a irritar?

Se possível, ouça no aparelho que o seu público vai usar: alto-falantes de celular e fones de ouvido revelam asperezas que os alto-falantes do notebook escondem.

Depois de escolher a sua favorita, pequenos ajustes podem deixá-la ainda mais adequada. No Estúdio, a velocidade e o tom vão de -50 a +50. Na prática, mudanças de poucos pontos costumam bastar:

• Diminua um pouco a velocidade para aulas, narrações longas e ouvintes que estão aprendendo o idioma.
• Aumente um pouco a velocidade para conteúdos curtos e animados.
• Abaixe um pouco o tom para soar mais calmo e sério; aumente um pouco para soar mais leve.

Mudanças grandes em qualquer direção fazem qualquer voz soar artificial. Se uma voz só funciona em uma configuração extrema, provavelmente ela é a voz errada. O ritmo entre as frases é mais bem controlado com pontuação e tags de pausa do que com o controle de velocidade.

Anote o nome da voz e os seus valores de velocidade e tom. Usar a mesma voz e as mesmas configurações em toda uma série de vídeos, curso ou livro ajuda os ouvintes a reconhecer o seu conteúdo e faz partes geradas separadamente soarem como uma única gravação.