FILTRO DE ÁUDIO COM IA
O filtro de áudio com IA do Audiofilter para texto para voz transforma palavras escritas em fala natural na sua própria máquina. Escolha uma das 19 vozes gratuitas ou clone uma nova a partir de uma única gravação curta, digite seu texto e aperte Converter. Como todos os filtros de áudio deste site, o modelo roda dentro da página — seu texto e suas gravações nunca saem deste navegador.
SharedArrayBuffer, que por sua vez exige os cabeçalhos
Cross-Origin-Opener-Policy e Cross-Origin-Embedder-Policy
e um contexto seguro (localhost ou HTTPS). Se você acabou de mudar a configuração do servidor, faça um recarregamento forçado (Ctrl/Cmd + Shift + R).
SharedArrayBuffer e de um heap do WebAssembly capaz de crescer até 1,5 GB, e são o Chrome e o Edge que lidam com essa combinação de forma mais previsível. O Firefox e o Safari também têm as threads e
SharedArrayBuffer mas impõem um teto mais baixo à memória do WebAssembly — então vale a pena testá-los: se o motor não iniciar, ou parar no meio, mude para o Chrome. O Chrome no celular ou no tablet também funciona; o primeiro download e cada geração é que demoram mais no processador de um celular. As outras quatro ferramentas do Audiofilter não têm essa exigência e rodam em qualquer lugar.
Texto para voz e clonagem de voz — grátis, sem limite de usos e sem enviar nada
Toque no botão pequeno para ouvir
Só na primeira vez — depois tudo fica em cache.
Somente inglês
Valores mais altos deixam o modelo manter a frase aberta um pouco mais antes de encerrá-la. O efeito é discreto — cerca de um segundo em toda a faixa.
Uma breve demonstração gravada pelo Audiofilter.
Carregando vídeo… O vídeo não está disponível aqui. Use o link para o X abaixo.Ao assistir a este vídeo, conteúdo do X é carregado. A política de privacidade do X se aplica.
Três passos, sem cadastro
Comece por uma das dezenove vozes integradas, ou crie uma nova a partir de uma única gravação — solte um arquivo de áudio, ou grave cerca de dez segundos direto pelo microfone. Não há etapa de treinamento nem fila: a voz fica pronta assim que o clipe é lido.
Cole até 500 caracteres e defina como deve ser lido. A expressividade decide quanto a interpretação varia entre execuções, e os controles de pausa definem quanto o modelo descansa entre frases e nas vírgulas — a diferença entre uma leitura ligeira e uma narração sem pressa.
O áudio começa a tocar enquanto é produzido, então você ouve as primeiras palavras antes de as últimas existirem. Percorra a forma de onda para conferir e salve o resultado como MP3, AAC ou WAV. Toda conversão depois da primeira começa imediatamente, porque o modelo já está na sua máquina.
Sem conta, sem cota e sem marca d'água
Um clipe curto basta para clonar uma voz. Nada é ajustado e nada é guardado — o clipe é transformado em um embedding de voz compacto dentro do navegador, usado enquanto a aba estiver aberta, e depois desaparece.
Não há backend nem chave de API, e esta é a única página de ferramenta sem publicidade. O próprio modelo de voz é compilado para WebAssembly e roda dentro da página, então seu texto e suas gravações não têm para onde ir nem em princípio.
Todas as vozes integradas são publicadas sob CC0, o que significa que o áudio que você gera pode ser usado comercialmente sem creditar nada — algo incomum em uma ferramenta gratuita de texto para voz.
Ajuste a expressividade, a pausa entre frases e se as vírgulas contam como respirações. Há também um limite de fim de frase, para sustentar uma frase uma fração mais antes de resolvê-la.
Os downloads também são codificados no seu dispositivo, então o arquivo final tampouco passa por um servidor. O WAV é escrito na hora; MP3 e AAC passam por um codificador local.
O modelo fica em cache na primeira vez que você converte, então as visitas seguintes dispensam o download e a geração começa no instante em que você aperta Converter.
O que gera a voz nesta página
A geração de voz aqui é o PocketTTS, um motor de síntese de voz neural executado com ONNX Runtime compilado para WebAssembly. Ele roda dentro desta aba, então seu texto e qualquer amostra de voz que você forneça não saem do seu dispositivo.
A clonagem de voz é zero-shot: uma amostra curta é reduzida a um embedding de voz compacto que condiciona a síntese. Nada é ajustado, nada é enviado, e o embedding desaparece quando você fecha a aba.
Não. Não há backend nem chamadas de API. O modelo roda dentro desta aba, e seu texto e suas gravações não saem do seu dispositivo.
Sim. Não há conta, nem teste, nem cota de caracteres, nem marca d'água. Como o trabalho acontece na sua própria máquina e não em um servidor, não há nada a medir.
Sim. Todas as vozes integradas são publicadas sob CC0 1.0, então a fala que você gera é sua para qualquer uso, inclusive comercial, sem exigir atribuição. O áudio de uma voz que você mesmo clonou também é seu.
O modelo precisa ser baixado uma vez antes de qualquer geração. Depois disso o navegador o mantém em cache e Converter responde imediatamente.
De seis a doze segundos de uma só pessoa falando com clareza, sem música de fundo, sem eco e sem outras vozes. Mais longo não é melhor — clipes acima de quinze segundos são cortados.
Até 500 caracteres por conversão, cerca de oitenta palavras ou meio minuto de fala. Não há limite de quantas conversões você faz, então roteiros longos podem ser feitos parágrafo por parágrafo.
Inglês. O modelo foi treinado com fala em inglês e toda voz integrada é de um leitor de inglês, então o inglês é o único idioma que ele pronuncia corretamente. Francês, alemão, espanhol, português, italiano e holandês vão produzir som, mas com as regras de leitura do inglês aplicadas por cima. Chinês, japonês e coreano não funcionam: o tokenizador não tem peças para essas escritas, então o texto é reduzido a bytes brutos que o modelo nunca viu. Os sotaques listados nas vozes são sotaques do inglês, não idiomas separados.
MP3, AAC ou WAV. O codificador também roda no seu dispositivo, então o arquivo final nunca é enviado a lugar algum antes de você salvá-lo.
Prefira o Chrome; o Edge se comporta igual, e o Chrome no celular ou no tablet também funciona — o primeiro download e cada geração demoram mais no processador de um celular, mas a ferramenta roda. O motor precisa de threads do WebAssembly e do SharedArrayBuffer, que navegadores antigos não têm, e de um heap do WebAssembly capaz de crescer até 1,5 GB — é nesse último ponto que o Firefox e o Safari impõem um teto mais baixo, então o motor pode não iniciar neles, ou parar no meio. Teste se quiser, e mude para o Chrome se falhar. Isso vale só para texto para fala; o removedor de vocais, o redutor de ruído e o conversor rodam em qualquer navegador recente.
Depois que o modelo está em cache, gerar voz não precisa de rede nenhuma. A própria página ainda precisa carregar, então você precisa de conexão para abri-la a primeira vez em uma sessão.
A página precisa ser servida com os cabeçalhos COOP e COEP sobre localhost ou HTTPS. Se a configuração acabou de mudar, faça um recarregamento forçado para o navegador parar de reaproveitar a cópia em cache.
Precisa de um filtro de áudio diferente para uma gravação que você já tem?
Abrir o removedor de voz → Abrir o redutor de ruído →