Clonagem Profissional de Voz | ElevenLabs Documentation

Criar uma Clonagem Profissional de Voz

Ao clonar uma voz, é importante considerar em que a IA foi treinada: quais idiomas e qual tipo de conjunto de dados. Leia mais sobre cada modelo e seus pontos fortes na página de Modelos.

Guia

Se você não tiver certeza sobre o que é permitido do ponto de vista legal, consulte os Termos de Serviço e nossas informações sobre Segurança de IA para saber mais.

Acesse a página de Clonagem Profissional de Voz

Na barra lateral da ElevenLabs, clique no botão de mais ao lado de Vozes para abrir a página de Criação de Voz e, em seguida, clique em Criar nova abaixo de Clonagem Profissional de Voz.

Envie seu áudio

No momento, as Clonagens Profissionais de Voz não oferecem suporte a canto. As gravações de áudio devem conter somente voz falada.

Criar uma nova Clonagem Profissional de Voz

Envie suas amostras de áudio clicando em Enviar amostras.

Se você ainda não tiver áudio de treinamento pré-gravado, também poderá gravar diretamente na interface selecionando Gravar você mesmo. Incluímos roteiros de exemplo para fins narrativos, conversacionais e publicitários. Você também pode enviar seu próprio roteiro.

Confira o feedback sobre a duração das amostras

Depois que seu áudio for enviado, você verá um feedback sobre a duração das suas amostras. Para obter os melhores resultados, recomendamos enviar pelo menos uma hora de áudio de treinamento e, de preferência, o mais próximo possível de três horas.

Processe seu áudio

Depois que suas amostras de áudio forem enviadas, você poderá processá-las para melhorar a qualidade. É possível remover ruídos de fundo e também separar diferentes locutores, caso seu áudio inclua mais de um. Para acessar essas opções, clique no botão Configurações de áudio ao lado do clipe que deseja processar.

Verifique sua voz

Depois que tudo estiver gravado e enviado, você precisará verificar sua voz. Para garantir uma experiência tranquila, tente verificar sua voz usando o mesmo equipamento, ou um semelhante, ao usado para gravar as amostras e com um tom e uma entrega semelhantes aos presentes nelas. Caso não tenha acesso ao mesmo equipamento, tente fazer a verificação da melhor forma possível. Se ela falhar, você poderá aguardar 24 horas para tentar novamente ou entrar em contato com o suporte para obter ajuda.

Aguarde a conclusão do ajuste fino da sua voz

Antes de poder usar sua voz, ela precisa concluir o processo de ajuste fino. Você pode conferir o status da sua voz em Minhas Vozes enquanto ela estiver sendo processada. Você receberá uma notificação quando ela estiver pronta para uso.

Use sua clonagem de voz

Na seção Vozes do painel, selecione a aba Pessoal e clique em Usar ao lado da sua clonagem de voz para começar a usá-la.

Antes de começar a enviar suas amostras, há alguns pontos aos quais você deve ficar atento e algumas etapas que precisa seguir para garantir os melhores resultados possíveis.

Grave áudio de alta qualidade

A Clonagem Profissional de Voz é altamente precisa ao clonar as amostras usadas em seu treinamento. Ela criará uma clonagem quase perfeita do que ouvir, incluindo todas as particularidades e características daquela voz, mas também quaisquer artefatos e áudios indesejados presentes nas amostras. Isso significa que, se você enviar amostras de baixa qualidade com ruído de fundo, reverberação/eco do ambiente ou outros tipos de sons indesejados, como música ou várias pessoas falando, a IA tentará replicar todos esses elementos na clonagem também.

O Eleven v4 reproduz a gravação de origem com mais fidelidade do que os modelos anteriores, incluindo ruído de fundo, distorção e outras imperfeições. Um áudio de treinamento limpo é ainda mais importante com esse modelo.

Garanta que haja apenas uma voz falando

Certifique-se de que haja apenas uma voz falando em todo o áudio, pois mais de um locutor, ruído excessivo ou qualquer um dos elementos mencionados acima podem confundir a IA. Essa confusão pode fazer com que a IA não consiga identificar qual voz clonar ou interprete incorretamente como a voz realmente soa, por ela estar encoberta por outros sons, resultando em uma clonagem abaixo do ideal.

Forneça material suficiente

Certifique-se de ter material suficiente para clonar a voz corretamente. O mínimo absoluto que recomendamos é 30 minutos de áudio, mas, para obter o resultado ideal e a clonagem mais precisa, recomendamos cerca de 2 a 3 horas de áudio. Quanto mais áudio for fornecido, melhor será a qualidade da clonagem resultante.

Mantenha o estilo consistente

O estilo de fala nas amostras fornecidas será reproduzido na saída. Portanto, dependendo da entrega que você procura, os dados de treinamento devem corresponder a esse estilo (por exemplo, se quiser narrar um audiolivro com uma clonagem da sua voz, o áudio enviado para treinamento deve ser uma gravação sua lendo um livro no tom de voz que deseja usar). Para manter a consistência, é melhor incluir apenas um estilo nas amostras enviadas. O Eleven v4 reproduz esse estilo único de fala com mais fidelidade do que os modelos anteriores.

Use amostras no idioma em que o PVC será usado

O ideal é usar amostras nas quais você esteja falando o idioma para o qual o PVC será usado principalmente. É claro que a IA pode falar qualquer idioma que oferecemos suporte atualmente. No entanto, vale notar que, se a voz em si não for nativa do idioma que você quer que a IA fale — ou seja, se você clonou uma voz falando outro idioma — ela poderá ter um sotaque do idioma original e talvez pronuncie incorretamente palavras e entonações. Por exemplo, se você clonar uma voz falando inglês e depois quiser que ela fale espanhol em um modelo anterior ao Eleven v4, é muito provável que ela tenha sotaque inglês ao falar espanhol.

Com o Eleven v4, a fala gerada no mesmo idioma das amostras mantém o sotaque original. A fala gerada em um idioma diferente é fluente no idioma de destino. Se precisar do sotaque do treinamento em outros idiomas, teste esse comportamento com o Eleven v4 antes de depender dele.

Oferecemos suporte somente a amostras de clonagem gravadas em um dos nossos idiomas compatíveis, e o aplicativo rejeitará sua amostra se ela for gravada em um idioma não compatível.

Veja os exemplos abaixo para saber o que esperar de uma gravação boa e ruim.

Por enquanto, permitimos apenas que você clone sua própria voz. Você precisará passar por um processo de verificação antes de enviar sua solicitação de ajuste fino.

Dicas e sugestões

Equipamento de Gravação Profissional

Use equipamentos de gravação de alta qualidade para obter os melhores resultados, pois a IA clonará tudo sobre o áudio. Entrada de alta qualidade = saída de alta qualidade. Qualquer microfone funciona, mas recomendamos um microfone XLR conectado a uma interface de áudio dedicada. Algumas recomendações gerais de opções mais acessíveis seriam um Audio Technica AT2020 ou um Rode NT1 conectados a uma interface Focusrite ou semelhante.

Use um Filtro Pop

Use um filtro pop ao gravar. Isso minimizará sons plosivos na gravação.

Distância do Microfone

Posicione-se à distância correta do microfone — recomenda-se aproximadamente dois punhos de distância, mas isso também depende do tipo de gravação que você deseja.

Gravação Sem Ruídos

Garanta que a entrada de áudio não tenha interferências, como música ou ruído de fundo. A clonagem por IA funciona melhor com áudio limpo e sem elementos indesejados.

Acústica do Ambiente

De preferência, grave em um ambiente com tratamento acústico. Isso reduz ecos e ruídos de fundo indesejados, resultando em uma entrada de áudio mais clara para a IA. Você pode improvisar algo temporário usando um edredom ou cobertor grosso para abafar o espaço de gravação.

Pré-processamento de Áudio

Considere editar seu áudio antes se quiser que a IA gere um som específico. Por exemplo, se quiser uma saída refinada, semelhante à de um podcast, pré-processe seu áudio para corresponder a essa qualidade. Faça o mesmo se houver pausas longas ou muitos “uhm” e “ahm” entre as palavras, pois a IA também os imitará.

Controle de Volume

Mantenha um volume consistente, alto o suficiente para ser claro, mas não tão alto a ponto de causar distorção. O objetivo é obter um nível de áudio equilibrado e estável. O ideal é entre -23 dB e -18 dB RMS, com um pico verdadeiro de -3 dB.

Duração de Áudio Suficiente

Forneça pelo menos 30 minutos de áudio de alta qualidade que siga as diretrizes acima para obter os melhores resultados — de preferência, mais próximo de 2 horas ou mais. Quanto mais dados de qualidade você puder fornecer à IA, melhor será a clonagem de voz. O número de amostras é irrelevante; o que importa é a duração total. No entanto, se você planeja enviar várias horas de áudio, é melhor dividi-lo em várias amostras de cerca de 30 minutos. Isso facilita o envio.

Eleven v4

As Clonagens Profissionais de Voz têm suporte completo no Eleven v4. Elas se beneficiam dos mesmos avanços na precisão da voz e reproduzem a voz de origem com mais fidelidade do que os modelos anteriores, incluindo timbre, cadência, sotaque, entrega e volume. Uma clonagem no Eleven v4 pode soar consideravelmente diferente da mesma clonagem no Eleven v3. Compare as duas com seu próprio conteúdo e mantenha a versão mais adequada ao caso de uso.

O Eleven v4 tem duas variantes. Ambas funcionam com uma Clonagem Profissional de Voz:

Eleven v4 (eleven_v4) é o modelo de mais alta qualidade, para criação de conteúdo, audiolivros e locuções de personagens.
Eleven v4 Turbo (eleven_v4_turbo) mantém essa qualidade com baixa latência, para uso em tempo real, como agentes conversacionais.

As duas variantes oferecem suporte às configurações de voz Estabilidade e Similaridade, mas Estilo e Velocidade não estão disponíveis no Eleven v4, e SSML não é compatível.

A maioria das Clonagens Profissionais de Voz fará o ajuste fino no Eleven v4 automaticamente, mas, se esse modelo ainda não estiver disponível, você poderá iniciar manualmente o processo de ajuste fino. Para treinar uma Clonagem Profissional de Voz existente no Eleven v4, abra Minhas Vozes, encontre a voz e passe o cursor sobre ela. Os modelos nos quais a voz já recebeu ajuste fino exibem uma marca de seleção, e os modelos disponíveis para ajuste fino exibem um sinal de mais. Clique no botão de mais ao lado de Eleven v4 para iniciar o ajuste fino. Você receberá uma notificação no aplicativo e por e-mail quando ele terminar.

Intensidade da Clonagem

Ao selecionar uma Clonagem Profissional de Voz e o Eleven v4, as Configurações de voz incluem um controle deslizante de Intensidade da Clonagem. A Intensidade da Clonagem controla o quanto a fala gerada segue as gravações de treinamento da clonagem.

Em valores menores, a voz é levemente suavizada e a entrega ganha mais flexibilidade de interpretação, o que geralmente resulta em um som melhor no geral, mantendo a semelhança com a voz original. Em valores maiores, a saída fica mais próxima das gravações de treinamento, com menos suavização, imitando mais de perto a entrega e a interpretação da voz original. Valores maiores podem ser especialmente úteis para vozes com características marcantes ou sotaques únicos.

Recomendamos 0% para a maioria dos casos de uso, mas um valor maior pode ser útil para sotaques ou características únicas. Nesses casos, sugerimos aumentar a Intensidade da Clonagem para 50%.

Perguntas frequentes

Qual é a diferença entre Clonagem Instantânea de Voz e Clonagem Profissional de Voz?

A Clonagem de Voz Profissional, diferente da Clonagem de Voz Instantânea, que permite clonar vozes rapidamente com menos de 2 minutos de áudio, permite treinar um modelo mais realista da sua voz. Isso é feito treinando um modelo dedicado com um grande conjunto de dados de voz para criar um modelo praticamente indistinguível da sua voz original.

Como as Clonagens de Voz Profissionais exigem ajuste fino e treinamento, levará algum tempo até que você possa usar seu clone de voz. É difícil fornecer uma estimativa, pois isso depende do número de pessoas na fila antes de você e de outros fatores, mas o ajuste fino geralmente leva de 3 a 6 horas.

Você receberá uma notificação por e-mail quando sua Clonagem de Voz Profissional estiver pronta.

Posso criar uma Clonagem Profissional de Voz da voz de outra pessoa?

Não. Você só pode criar um Clone Profissional de Voz da sua própria voz. Mesmo com o consentimento da pessoa, você não pode clonar a voz de outra pessoa. Todos os Clones Profissionais de Voz exigem um processo de verificação para confirmar que a voz pertence a você.

Se alguém quiser compartilhar a própria voz com você, essa pessoa poderá criar e verificar um Clone Profissional de Voz na própria conta e depois compartilhá-lo com você de forma privada usando um link de compartilhamento. Saiba mais em nosso artigo: Como compartilho uma voz?

Quantas Clonagens Profissionais de Voz (PVCs) posso ter?

A quantidade de vagas para Clone de Voz Profissional (PVC) varia conforme o plano de assinatura:

Vagas básicas de PVC

Plano Gratuito e Starter: nenhuma vaga de PVC disponível
Plano Creator, Pro e Scale legado: 1 vaga de PVC
Plano Scale e Business legado: 3 vagas de PVC
Plano Business: 10 vagas de PVC
Plano Enterprise: número personalizado de vagas de PVC

Vagas adicionais de PVC

Você pode obter vagas adicionais de PVC quando um Clone de Voz Profissional que você compartilhou na Voice Library recebe a classificação Qualidade de Estúdio.

A avaliação de Qualidade de Estúdio se aplica apenas às vozes que você compartilhou na Voice Library
Depois que sua voz for aceita na Voice Library, a avaliação de Qualidade de Estúdio acontece automaticamente. Ela não é imediata
Se seu PVC compartilhado receber a classificação Qualidade de Estúdio, você receberá automaticamente uma vaga adicional de PVC
Isso pode acontecer várias vezes se diversas vozes compartilhadas receberem a classificação Qualidade de Estúdio
Você não poderá criar mais PVCs, a menos que:
- Obtenha vagas extras pela avaliação de Qualidade de Estúdio de vozes compartilhadas na Voice Library
- Faça upgrade para o plano Scale ou superior

Observações importantes

Clones de Voz Profissionais só podem ser usados para clonar sua própria voz
Se você fizer downgrade para um plano inferior ao Creator, seu PVC permanecerá na sua conta, mas você não poderá usá-lo até fazer upgrade para Creator ou superior
O número total de vozes personalizadas que você pode ter, incluindo PVCs, depende do seu plano de assinatura

Como adiciono ou atualizo os modelos usados para treinar minha Clonagem Profissional de Voz?

Todos os Clones de Voz Profissionais (PVCs) serão treinados automaticamente nos modelos Flash v2.5, Turbo v2.5 e Multilingual v2. PVCs treinados com áudio em inglês também serão treinados automaticamente nos modelos Flash v2 e Turbo v2.

Se você já tem um PVC, agora pode fazer o ajuste fino em modelos adicionais. No futuro, se forem lançados novos modelos compatíveis com ajuste fino, você receberá uma notificação. Ela é exibida por meio de um ícone de exclamação, que aparecerá à direita da sua voz na lista de vozes em Minhas vozes. Ao passar o cursor sobre esse ícone, a notificação será exibida.

Para iniciar o processo de ajuste fino, passe o cursor sobre o nome da sua voz na lista em Minhas vozes, e você verá todos os modelos disponíveis. Os modelos nos quais a voz já passou por ajuste fino serão exibidos com um ícone de marca de seleção, e os modelos disponíveis para ajuste fino serão exibidos com um ícone de mais. Para iniciar o ajuste fino, basta clicar no modelo.

Enquanto a voz passa pelo ajuste fino, você pode passar o cursor sobre o nome do modelo para acompanhar o progresso. Devido ao cache de vozes, talvez seja necessário atualizar a página para ver o progresso mais recente. Quando o ajuste fino for concluído, você receberá uma notificação no app e por e-mail.

O que significa o status da minha Clonagem Profissional de Voz?

Seu Clone de Voz Profissional passará por alguns estágios diferentes durante o processamento. Esses estágios são refletidos no status exibido para seu Clone de Voz Profissional em Minhas vozes.

Para ver o status atual, localize sua voz na lista e observe os ícones exibidos à direita.

Rascunho: Esse status significa que sua voz está incompleta. Em geral, isso acontece porque você não concluiu a criação da voz ou ainda não a verificou.

Para passar pelo processo de verificação, clique no ícone de marca de seleção.

Para voltar ao processo de criação de voz, clique em Mais ações (três pontos) e selecione Editar voz.

Depois que você verificar sua voz, ela precisará passar pelo ajuste fino em nossos modelos antes que você possa usá-la. Você pode acompanhar esse processo passando o cursor sobre o nome da sua voz em Minhas vozes. Você verá todos os modelos disponíveis listados aqui, com um ícone indicando o status de cada modelo.

Passe o cursor sobre o nome do modelo para ver mais informações. Você verá um dos seguintes status:

A execução do treinamento foi agendada: Isso significa que sua voz está aguardando a abertura de uma vaga para poder ser treinada. O tempo que sua voz ficará na fila dependerá de quantas outras vozes também estão na fila.

Criando conjunto de dados e Executando ajuste fino: Quando uma vaga for aberta, o processo de ajuste fino começará. Isso pode levar de 6 a 24 horas. Você verá o progresso da sua voz em cada etapa do processo de treinamento, indicado por uma porcentagem.

Lamentamos, mas a execução do treinamento apresentou problemas e foi tentada novamente. Não é necessária nenhuma outra ação

Isso significa que algo deu errado, mas sua voz foi automaticamente colocada na fila para tentar novamente o processo de ajuste fino. Sua voz deverá concluir o processo de ajuste fino com sucesso na próxima tentativa, mas, se você tiver várias falhas, entre em contato com o suporte pelo e-mail support@elevenlabs.io.

A voz está pronta para ser usada com o modelo: Isso significa que o processo de ajuste fino deste modelo foi concluído e agora você pode usar sua voz com ele.

Clique para iniciar o ajuste fino: Alguns modelos não são treinados automaticamente, e você precisará clicar no nome do modelo para iniciar o ajuste fino. Se modelos adicionais ficarem disponíveis para sua voz passar por ajuste fino, você verá um ícone de exclamação ao lado da sua voz.

Para iniciar o processo de ajuste fino, basta passar o cursor sobre o nome da sua voz e clicar no nome do modelo.

Quando minha Clonagem Profissional de Voz (PVC) estará pronta?

A Clonagem de Voz Profissional envolve treinar (ajustar) o modelo com grandes conjuntos da voz de um determinado locutor para criar um modelo personalizado.

Depois que você enviar suas amostras e verificar sua voz, seu Clone de Voz Profissional será adicionado à fila. O tempo estimado de treinamento é de aproximadamente 3 a 6 horas. Isso depende de alguns fatores, por isso é difícil fornecer uma estimativa exata. Infelizmente, às vezes pode levar mais tempo.

Você pode verificar o status atual da sua voz em Minhas vozes. Para mais informações, consulte O que significa o status do meu Clone de Voz Profissional?

Quando seu PVC concluir o processo de ajuste fino, você receberá notificações no app e por e-mail informando que sua voz está pronta para uso.

Minha clonagem profissional de voz falhou ou está atrasada. O que posso fazer?

Depois que você verificar sua voz, ela precisará passar pelo ajuste fino em nossos modelos antes de poder ser usada. Enquanto isso acontece, você pode verificar o status da sua voz em Minhas vozes passando o cursor sobre o nome dela. Isso mostrará todos os modelos disponíveis para sua voz. Para verificar o status de cada modelo, passe o cursor sobre o nome do modelo.

Se algo der errado, você poderá ver o seguinte status:

Lamentamos, mas a execução do treinamento apresentou problemas e foi tentada novamente. Não é necessária nenhuma outra ação. Isso significa que algo deu errado, mas sua voz foi automaticamente colocada na fila para tentar novamente o processo de ajuste fino. Sua voz deverá concluir o processo de ajuste fino com sucesso na próxima tentativa, mas, se você tiver várias falhas, pode haver um problema com o conjunto de dados que a IA não consegue resolver.

Você pode tentar resolver isso excluindo a voz e enviando os dados novamente, desde o início. Isso ajudou alguns usuários.

Se isso não resolver o problema, talvez seja necessário revisar o áudio de treinamento e possivelmente usar um áudio de treinamento diferente.

Você sempre pode entrar em contato com o suporte pelo e-mail support@elevenlabs.io se estiver enfrentando falhas durante o processo de ajuste fino.

O que posso fazer se não conseguir verificar minha Clonagem Profissional de Voz (PVC)?

Se você esgotar todas as tentativas de verificação durante a criação do seu clone de voz profissional, poderá aguardar 24 horas e então tentar o processo novamente.

Você também pode entrar em contato com o suporte pelo e-mail support@elevenlabs.io para que possam analisar o caso. Se estiver tudo correto, eles redefinirão suas tentativas de verificação para que você possa tentar o processo novamente.

Aqui estão algumas recomendações para ajudar você a verificar seu Clone de Voz Profissional com sucesso:

Verifique se seu navegador tem permissão para usar o microfone e se ele não está silenciado.
Garanta que o áudio gravado pelo microfone do computador soe semelhante ao áudio enviado para clonagem, sem ruído de fundo ou outras interferências de áudio externo.
Tente falar em um estilo semelhante ao do áudio usado para treinar a voz.
Leia cada linha de verificação apenas uma vez e depois pressione Parar para interromper a gravação. Ler a linha mais de uma vez pode fazer o processo de verificação falhar.

Como posso excluir minha Clonagem Profissional de Voz (PVC) não verificada?

Você pode excluir um Clone de Voz Profissional (PVC) não verificado de Minhas vozes 24 horas após sua tentativa de verificação mais recente. Se precisar excluí-lo antes, entre em contato com o suporte pelo e-mail support@elevenlabs.io.

Se você ainda não iniciou o processo de verificação, pode excluir seu PVC a qualquer momento.

Quais idiomas são compatíveis com a Clonagem Profissional de Voz?

A Clonagem de Voz Profissional oferece suporte a todos os idiomas disponíveis na família de modelos Eleven v4 — mais de 90 idiomas no total.

A família de modelos Eleven v4 oferece suporte a mais de 90 idiomas, incluindo:

Africâner (af), Amárico (am), Árabe (ar), Armênio (hy), Assamês (as), Asturiano (ast), Azerbaijano (az), Bielorrusso (be), Bengali (bn), Bósnio (bs), Búlgaro (bg), Birmanês (my), Cantonês (yue), Catalão (ca), Cebuano (ceb), Croata (hr), Tcheco (cs), Dinamarquês (da), Holandês (nl), Inglês (en), Estoniano (et), Filipino (fil), Finlandês (fi), Francês (fr), Fula (Pulaar) (ff), Galego (gl), Georgiano (ka), Alemão (de), Grego (el), Guzerate (gu), Hauçá (ha), Hebraico (he), Hindi (hi), Húngaro (hu), Islandês (is), Indonésio (id), Italiano (it), Japonês (ja), Javanês (jv), Kamba (kam), Canarês (kn), Cazaque (kk), Coreano (ko), Quirguiz (ky), Laosiano (lo), Letão (lv), Lingala (ln), Lituano (lt), Luganda (lg), Luxemburguês (lb), Macedônio (mk), Malaio (ms), Malaiala (ml), Maltês (mt), Chinês mandarim (zh), Maori (mi), Marata (mr), Mongol (mn), Nepalês (ne), Norueguês (no), Occitano (oc), Odia (or), Pachto (ps), Persa (fa), Polonês (pl), Português (pt), Punjabi (pa), Romeno (ro), Russo (ru), Sérvio (sr), Xona (sn), Sindi (sd), Eslovaco (sk), Esloveno (sl), Somali (so), Curdo sorâni (ckb), Espanhol (es), Suaíli (sw), Sueco (sv), Tajique (tg), Tâmil (ta), Télugo (te), Tailandês (th), Turco (tr), Ucraniano (uk), Urdu (ur), Uzbeque (uz), Vietnamita (vi), Galês (cy), Uolofe (wo), Zulu (zu).

O parâmetro language_code aceita códigos de duas letras da ISO 639-1 para a maioria dos idiomas. Idiomas sem um código ISO 639-1 usam códigos de três letras da ISO 639-3: Asturiano (ast), Cantonês (yue), Cebuano (ceb), Filipino (fil), Kamba (kam) e Curdo sorâni (ckb).

Quais arquivos vocês aceitam para clonagem de voz?

Para Clonagem Instantânea de Voz e Clonagem Profissional de Voz, aceitamos vários tipos de arquivo. Recomendamos fortemente MP3 a 192 kbps ou mais.

Formato recomendado

MP3, 192 kbps ou mais

Duração recomendada

Clonagem Instantânea de Voz: 1–2 minutos de áudio de boa qualidade
Clonagem Profissional de Voz: 30–180 minutos de áudio de boa qualidade

Duração mínima para Clonagem Instantânea de Voz

Ao enviar amostras no app, cada arquivo deve ter pelo menos 5 segundos, e todas as suas amostras juntas devem totalizar pelo menos 10 segundos. Para um bom clone, busque a duração recomendada acima.

Formatos não compactados, como WAV, normalmente não melhoram a qualidade do clone e podem causar problemas no processo de envio. Em vez disso, foque na qualidade da gravação: use uma gravação limpa, sem ruído de fundo, reverberação do ambiente ou vários locutores, com volume e tom consistentes e sem longos períodos de silêncio.

Para mais informações, consulte Clonagem Instantânea de Voz (IVC) e Clonagem Profissional de Voz (PVC).

Há restrições sobre quais vozes posso enviar para clonagem de voz?

Na ElevenLabs, temos total compromisso tanto com o respeito aos direitos de propriedade intelectual quanto com a implementação de medidas de segurança contra o possível uso indevido da nossa tecnologia:

Trabalhamos apenas com clientes que seguem nossos Termos de Serviço e nossa Política de Uso Proibido, que proíbem o uso malicioso da nossa tecnologia para qualquer finalidade que possa ser considerada ilegal ou prejudicial;
Buscamos apoiar proprietários de vozes e seus licenciadores na reivindicação de seus direitos, e todas as violações conhecidas serão analisadas e tratadas;
Todo áudio gerado por nossos modelos pode ser imediatamente rastreado até o usuário responsável pela geração.

A tecnologia que estamos desenvolvendo é nova, e regulamentações claras ainda não foram introduzidas. Parte do nosso objetivo como laboratório de pesquisa em IA é conscientizar sobre a existência dessa tecnologia, seu potencial e suas limitações.

Há dicas para obter vozes clonadas de boa qualidade?

Para um guia completo, recomendamos muito que você leia nossa documentação sobre Clonagem Instantânea de Voz e Clonagem Profissional de Voz.

Em resumo: boa entrada consistente = boa saída consistente.

Duração

Clonagem Instantânea de Voz: 1 a 2 minutos de áudio de boa qualidade
Clonagem Profissional de Voz: 30 a 180 minutos de áudio de boa qualidade

Use os melhores e mais nítidos clipes de áudio que conseguir encontrar. Deve haver apenas um falante, sem ruído de fundo ou interferência, e a voz deve estar alta e clara.

Em vez de usar muitos clipes com qualidades diferentes apenas para aumentar a duração, priorize clipes em que a qualidade do microfone seja claramente muito alta e em que a qualidade e o tom sejam consistentes do início ao fim, em vez de focar em aumentar a duração total.

Garanta que a maior parte do diálogo nos seus clipes esteja alinhada ao estilo de fala e à entonação do falante de que você mais gosta. Evite muitos trechos de diálogo em que o falante se afaste dos padrões de fala desejados que você quer ouvir.

Se necessário, use um removedor de ruído para reduzir qualquer ruído de fundo.

Você encontra mais informações em nossa documentação aqui.

Posso clonar minha voz em um idioma diferente do inglês?

Sim. Você pode clonar sua voz em qualquer idioma compatível com Flash v2.5 e Multilingual v2. Veja a lista completa de idiomas compatíveis aqui.

Você também pode clonar uma voz que fala um idioma não compatível com a IA. O clone pode capturar o tom do falante, mas não conseguirá falar esse idioma, e os resultados podem ser imprevisíveis. Não recomendamos isso.

Posso exportar minhas clonagens de voz?

Você não pode baixar nem exportar seus clones de voz como arquivos independentes. Os clones de voz permanecem na sua conta ElevenLabs.

Ainda é possível usar suas vozes da ElevenLabs fora do site da ElevenLabs. Com sua chave de API, serviços de terceiros podem chamar a API da ElevenLabs e gerar fala com as vozes da sua conta.

Se quiser recriar um clone mais tarde, guarde as amostras de áudio originais usadas para criá-lo. Cada clone terá um som um pouco diferente, mesmo quando você usar o mesmo áudio.

Por que minha voz ou sotaque não soa correto após a clonagem?

A ElevenLabs oferece duas opções de clonagem:

Clonagem de Voz Instantânea: resultados rápidos com cerca de 1 a 3 minutos de áudio. Funciona bem para a maioria das vozes, mas pode ter dificuldades com sotaques incomuns ou vozes únicas.
Clonagem de Voz Profissional: maior fidelidade, usando de 30 minutos a cerca de 3 horas de áudio. O ajuste fino geralmente leva de 3 a 6 horas e pode demorar mais se houver muitas vozes na fila.

Se a Clonagem de Voz Instantânea não capturar bem sua voz ou sotaque, experimente a Clonagem de Voz Profissional.

Não é possível alterar o sotaque ou o tom de um clone depois que ele é criado. Para melhorar o resultado, altere as amostras de áudio que você usa. Pequenas mudanças nas amostras podem fazer uma grande diferença.

O que significa o erro 'Nenhum modelo encontrado para esta voz. Selecione outra voz'?

Você verá esse erro se tentar usar seu Clone de Voz Profissional (PVC) antes que ele conclua o processo de ajuste fino e esteja disponível para uso.

Quando você cria um PVC, ele precisa passar por vários processos antes de ficar disponível para uso. Depois de verificar sua voz, ela será processada e colocada na fila para ajuste fino. Dependendo de quantas outras vozes estão atualmente na fila para ajuste fino, estimamos que esse processo normalmente leve de 3 a 6 horas, mas pode levar até 24 horas.

Você pode acompanhar o progresso do seu PVC em Minhas vozes encontrando a voz na sua lista de vozes e clicando em Ver para conferir mais detalhes. Você pode passar o cursor sobre cada modelo para ver o status atual.

Para mais detalhes sobre o significado de cada status, consulte O que significa o status do meu Clone de Voz Profissional?

Quando seu PVC concluir o ajuste fino e estiver disponível para uso, você verá uma notificação pop-up e também receberá um e-mail.

No results