Como Clonar sua Voz com IA: o Texto Certo para a Amostra (2026)

Como clonar sua voz com IA: amostra de 15 segundos, 15 sons no texto e cerca de 840 caracteres por minuto de voz

Clonar sua voz com IA já não exige estúdio nem horas de gravação: basta uma amostra curta e limpa. O que quase ninguém explica é o que falar nessa amostra. Este guia traz um texto de amostra com os sons que marcam o português do Brasil, como gravá-lo, quantos caracteres tem um minuto de voz —a unidade com que esses serviços cobram— e o que diz a lei sobre clonar vozes.

Resposta rápida

Para clonar sua voz você precisa de uma gravação limpa de pelo menos 15 segundos, com uma voz só e sem música. Leia um texto que passe pelos sons do português do Brasil —ti e di, vogais nasais, lh, nh, os erres— com uma pergunta e uma exclamação, envie a um clonador e escreva o roteiro: um minuto de voz tem cerca de 840 caracteres. Clone só a sua voz ou a de quem lhe deu permissão.

🎙️ ≥ 15 s de amostra 🔤 15 sons + entonação ⏱️ ~840 caracteres / minuto

Clonar uma voz não é o mesmo que texto para fala

As ferramentas de texto para fala leem o que você escreve com vozes de catálogo: corretas, mas de ninguém. A clonagem acrescenta uma etapa antes. A partir de uma gravação sua, o modelo aprende o seu timbre, o seu sotaque e o seu jeito de entoar, e cria uma voz que soa como você e lê qualquer texto. É o que permite narrar um curso, um audiolivro ou os vídeos de um canal sem gravar cada frase, e corrigir um erro trocando uma palavra do roteiro em vez de repetir a gravação.

A consequência prática é que a amostra é tudo. O modelo só sabe da sua voz o que ouve nela: se você grava com eco, o clone tem eco; se lê sem vontade, o clone soa desanimado; e se a amostra não tem nenhum “ti”, o modelo vai ter que adivinhar como você o pronuncia.

O texto de amostra: os sons do Brasil em 25 segundos

Nos laboratórios de fala se usam há décadas frases “foneticamente balanceadas”, feitas para que todos os sons de um idioma apareçam em pouco tempo. Aplicamos a mesma ideia a um texto curto em português do Brasil, com atenção especial aos sons que denunciam o sotaque: o t e o d antes de i, que na maior parte do país viram “tchi” e “dji”; as vogais nasais; o r no fim da palavra, que muda do Rio para o interior de São Paulo; o s no fim de sílaba, chiado no Rio; e o l no fim de sílaba, que na maior parte do Brasil soa como u. São 58 palavras, cerca de 25 segundos de leitura, com uma pergunta e uma exclamação para o modelo ouvir também como a sua entonação sobe e desce.

Texto para clonar sua voz58 palavras · ~25 s

Você já reparou como a minha tia fala? Ontem à noite, na cidade, ela contou que o cachorro do vizinho fugiu pela janela e correu até a praça perto do mar. Ninguém acreditou! Só às três da manhã ele voltou, molhado, cheio de areia e com um chinelo velho na boca, sem dar explicações. Que figura, esse Rex!

Os 15 sons do texto de amostra: ti/di, ã/õ, em/en, lh, nh, ç, ch, rr, r inicial, r final, s final, l em fim de sílaba, j/gi, x e z, mais pergunta e exclamação — Cada som aparece pelo menos uma vez; a lista é conferida por um script sempre que esta página é publicada.

Três cuidados na hora de ler:

Leia com o seu sotaque, não com o “neutro”. Se você é carioca e chia o s, deixe chiar; se é do interior e o seu r é retroflexo, deixe soar assim. O clone deve soar como você, não como um locutor genérico.
Use o tom que você quer ouvir depois. Se o clone vai narrar vídeos animados, leia com energia. Se vai ler um audiolivro, leia com calma.
Se o serviço aceitar mais tempo, aproveite. Leia o texto duas vezes com intenções diferentes, ou acrescente um parágrafo de algo que você vai narrar de verdade. Mais material limpo é mais informação sobre a sua voz.

Como gravar uma amostra limpa

Não precisa de microfone de estúdio; precisa evitar os quatro defeitos que mais estragam um clone: eco, ruído de fundo, saturação e estalos de ar.

Escolha um cômodo com coisas macias. Um quarto com cortina, sofá ou guarda-roupa aberto tem muito menos eco do que uma cozinha ou um banheiro.
Desligue o que faz barulho. Música, TV, ventilador, notificações. A amostra deve ter uma voz só: a sua.
Deixe o microfone a um palmo da boca e um pouco de lado, para o ar do p e do b não bater nele.
Grave na melhor qualidade disponível, em WAV se o gravador permitir, e confira se a forma de onda não encosta no teto na exclamação.
Faça duas ou três tomadas, fique com a mais limpa e corte os silêncios longos do começo e do fim.

Clone sua voz e gere o áudio

Com a amostra gravada, o resto é rápido. Em um clonador de voz com IA como o AnyVoice você envia ou grava a amostra (MP3, M4A ou WAV, de 15 segundos a 4 minutos e até 20 MB, com uma voz só), confirma que a voz é sua ou que tem permissão para usá-la e, em poucos segundos, tem um modelo da sua voz pronto para ler qualquer texto em mais de 80 idiomas. Ele tem uma opção para remover o ruído de fundo da amostra, cobra 1 crédito por caractere —então a conta da próxima seção serve direto como orçamento— e dá 5.000 créditos grátis no cadastro, sem cartão: cerca de 5,9 minutos de voz em português.

Daí em diante, o trabalho volta a ser de texto. Escreva o roteiro como você falaria, não como escreveria: frases curtas, sem parênteses, com a pontuação onde você quer as pausas. Gere, ouça o resultado inteiro e, se uma palavra sair errada, não gere de novo às cegas: reescreva-a no roteiro. Um nome estrangeiro escrito como se pronuncia, ou uma sigla separada em letras, costuma resolver.

Um caso especial são os números. “R$ 1.250” pode ser lido de mais de um jeito, sobretudo num modelo multilíngue, em que o ponto também pode ser decimal. Se o valor importa, escreva por extenso: o conversor de números por extenso faz isso sem erros, inclusive com reais e centavos.

Quantos caracteres tem um minuto de voz

Os serviços de voz com IA não cobram por minuto, mas por caractere. Para saber quanto texto um áudio de certa duração exige, são necessários dois dados: o ritmo de narração —cerca de 140 palavras por minuto, no meio da faixa natural de 130 a 150— e quantos caracteres uma palavra ocupa. O segundo nós medimos: nas 18.237 palavras de prosa do nosso próprio blog, uma palavra em português ocupa em média 6,02 caracteres contando o espaço que a separa da seguinte, e 5,02 sem ele.

Régua de conversão: um minuto de voz tem cerca de 840 caracteres e 5.000 caracteres equivalem a cerca de 5,9 minutos — Narração em português a 140 palavras por minuto, 6,02 caracteres por palavra com espaços.

Duração do áudio	Caracteres com espaços	Sem espaços
15 segundos	~210	~180
1 minuto	~840	~700
3 minutos	~2.530	~2.110
5 minutos	~4.210	~3.510
10 minutos	~8.430	~7.030
30 minutos	~25.280	~21.080

Confira se o seu serviço conta os espaços: a diferença é de cerca de 17%. O contador de caracteres mostra os dois números ao mesmo tempo, então cole o roteiro antes de gerar e você vai saber exatamente quanto vai gastar. Lembre também que escrever os números por extenso aumenta o texto: “1.250” tem 5 caracteres e “mil duzentos e cinquenta”, 24.

Clone só vozes com permissão

A voz é um traço pessoal protegido, e clonar a de outra pessoa sem autorização não é zona cinzenta. A Constituição Federal, no artigo 5º, inciso XXVIII, alínea a, assegura “a proteção às participações individuais em obras coletivas e à reprodução da imagem e voz humanas”. Usar a voz de alguém num anúncio ou num conteúdo monetizado sem autorização é pedir problema.

Na prática: clone a sua voz, peça autorização assinada se clonar a de um colaborador, não imite pessoas conhecidas e, ao publicar, avise que a voz é sintética. Os clonadores sérios já pedem que você confirme a autorização antes de criar a voz. (Isto é informação geral, não aconselhamento jurídico.)

Perguntas frequentes

Quantos segundos de áudio preciso para clonar minha voz?

Muitos clonadores instantâneos funcionam com 15 segundos de áudio limpo, e alguns aceitam amostras de vários minutos. Mais do que a duração, importa a limpeza: uma voz só, sem música nem eco, e o mesmo tom que você quer ouvir no resultado, porque o clone copia o jeito de falar da amostra.

Que texto devo ler para clonar minha voz?

Um que passe pelos sons do português do Brasil (o ti e o di, as vogais nasais, lh, nh, ç, ch, os vários erres, o s e o l no fim de sílaba) e tenha pelo menos uma pergunta e uma exclamação, para o modelo ouvir como você entoa. O texto deste guia cumpre as duas coisas em 58 palavras, cerca de 25 segundos de leitura.

Quantos caracteres tem um minuto de áudio?

Cerca de 840 caracteres contando os espaços, ou 700 sem espaços, para uma narração em português a 140 palavras por minuto. A conta multiplica esse ritmo pelos 6,02 caracteres que uma palavra ocupa em média com o espaço seguinte, medidos em 18.237 palavras do nosso blog.

A voz clonada consegue falar outros idiomas?

Sim: os clonadores multilíngues geram a mesma voz em dezenas de idiomas a partir de uma única amostra. Antes de produzir um roteiro longo em outro idioma, gere uma frase curta e ouça, porque nomes próprios e siglas são as primeiras coisas a sair erradas.

É legal clonar a voz de outra pessoa?

Só com a autorização dela, de preferência por escrito. A Constituição Federal, no artigo 5º, inciso XXVIII, alínea a, assegura a proteção à reprodução da imagem e voz humanas. Na prática: clone a sua voz, peça autorização assinada se clonar a de um colaborador e avise que o áudio é sintético quando publicar.

Qual a diferença entre clonar uma voz e usar texto para fala?

O texto para fala transforma um texto em áudio com vozes de catálogo. A clonagem acrescenta uma etapa antes: cria um modelo de uma voz específica, normalmente a sua, a partir de uma amostra gravada, e depois usa essa voz para ler qualquer texto.