Design de Voz

Visão geral

O Design de Voz ajuda criadores a preencher lacunas quando a voz exata que procuram não está disponível na Voice Library. Se você não encontrar uma voz adequada para seu projeto, poderá criar uma. O Design de Voz é ideal para explorar e iterar rapidamente, e a qualidade do resultado pode variar conforme o prompt e o caso de uso. Se você precisa da qualidade mais consistente e pronta para produção, as Clonagens Profissionais de Voz (PVC) atualmente oferecem as vozes de maior qualidade da nossa plataforma. Portanto, se houver uma PVC disponível em nossa biblioteca que atenda às suas necessidades, recomendamos usá-la.

Você encontra o Design de Voz em Vozes -> Minhas Vozes -> Criar uma voz -> Design de Voz no app da ElevenLabs ou pela API.

Ao clicar em gerar, criaremos três opções de voz para você. O único custo para usar o design de voz é o número de créditos para gerar o texto de prévia, cobrado apenas uma vez, mesmo que geremos três amostras. Você pode ver o número de caracteres que será descontado na caixa de texto “Texto para prévia”.

Depois de gerar, você poderá selecionar e salvar uma das gerações, que ocupará uma das suas vagas de voz.

Guia de prompts

O prompt é a base da sua voz. Ele informa ao modelo que tipo de voz você está tentando criar — desde o sotaque e o tipo de personagem até o gênero e a personalidade da voz. Um prompt bem elaborado pode ser a diferença entre uma voz genérica e uma que realmente se encaixa na sua visão. Em geral, prompts mais descritivos e detalhados tendem a gerar resultados mais precisos e cheios de nuances. Quanto mais detalhes você fornecer — incluindo idade, gênero, tom, sotaque, ritmo, emoção, estilo e mais — melhor o modelo poderá interpretar e criar uma voz que pareça intencional e personalizada.

No entanto, às vezes prompts curtos e simples também funcionam, especialmente quando você busca uma voz mais neutra ou de uso amplo. Por exemplo, “Um narrador masculino calmo” pode trazer exatamente o que você precisa sem entrar em detalhes — principalmente se você não estiver tentando criar um personagem ou estilo muito específico. O nível ideal de detalhes depende do seu caso de uso. Você está criando um personagem de fantasia? Um assistente virtual? Uma nova-iorquina cansada, na casa dos 60 anos, com humor seco? Quanto mais claramente você definir isso no prompt, mais próximo o resultado estará do que você imagina.

Formato de prompt recomendado

Para obter resultados consistentes, estruture seu prompt neste formato:

Native <Language>. <Gender>, <Age range>. <Quality level>.
Persona: <2–5 words>. Emotion: <2–3 adjectives>.
<1–2 sentences about timbre, pacing, delivery>

Exemplo:

Native Spanish, español europeo (sin rasgos de español latinoamericano). Feminina, 35–40 anos. Qualidade ok. Persona: atendente de suporte confiável. Emoção: tranquilizadora, atenciosa, confiante. Timbre suave e natural, com entonação delicada, proximidade marcante e sinal sem ruídos. Transmite atualizações em um ritmo relaxado, com ênfase clara nas informações úteis, projetando empatia e profissionalismo.

Armadilhas comuns a evitar

• Não use “sotaque” quando quiser dizer entonação — isso pode causar mudanças indesejadas de dialeto. Em vez disso, descreva padrões de entonação, ênfase ou interpretação.
• Evite palavras de efeitos — termos como “reverb”, “echo”, “phone” ou “tape” podem afetar negativamente a qualidade do resultado.
• Seja explícito sobre idioma e dialeto — sempre especifique o idioma e a variante regional na primeira frase para evitar desvios.

Qualidade do áudio

A qualidade do áudio se refere à clareza, limpeza e fidelidade geral da voz gerada. Por padrão, a ElevenLabs busca produzir áudio limpo e natural — mas, se seu projeto exige um nível de qualidade específico, é melhor incluí-lo explicitamente no prompt.

Para resultados de alta qualidade, você pode ajudar o modelo adicionando uma frase como “qualidade de áudio perfeita” ou “gravação com qualidade de estúdio” à descrição da voz. Isso ajuda a garantir que a voz seja gerada com máxima clareza, mínima distorção e acabamento refinado.

Você também pode usar descritores específicos de qualidade que geram resultados consistentes:

• Qualidade ok
• Boa qualidade
• Qualidade muito boa
• Qualidade excelente
• Qualidade de estúdio
• Qualidade de transmissão

Esses descritores ajudam a alcançar a maior qualidade de áudio quando incluídos no seu prompt.

Também pode haver casos criativos em que uma qualidade de áudio mais baixa é intencional, como ao simular uma ligação telefônica, uma transmissão de rádio antiga ou uma gravação encontrada. Nessas situações, deixe de fora os descritores de qualidade ou inclua explicitamente frases como:

• “Áudio de baixa fidelidade”
• “Qualidade de áudio ruim”
• “Parece uma mensagem de voz”
• “Abafado e distante, como em um gravador de fita antigo”

A posição dessa frase no prompt é flexível — ela pode aparecer no início ou no fim, e descobrimos que funciona bem em ambos os casos.

Idade, tom/timbre e gênero

Essas três características são a base do design de voz, definindo a identidade geral e a ressonância emocional da voz. Quanto mais detalhes você fornecer, mais fácil será para a IA produzir uma voz que se encaixe na sua visão criativa — seja ao criar um personagem convincente, desenvolver um narrador cativante ou projetar um assistente virtual.

Idade

Descrever a idade percebida da voz ajuda a definir sua maturidade, textura vocal e energia. Use termos específicos para orientar a IA até a qualidade vocal ideal.

Descritores úteis:

• “Homem idoso” / “mulher idosa”
• “Jovem adulto” / “na casa dos 20 anos” / “início dos 30 anos”
• “Homem de meia-idade” / “mulher na casa dos 40 anos”
• “Homem muito idoso” / “mulher mais velha” / “homem na casa dos 80 anos”

Tom/timbre

Refere-se à qualidade física da voz, moldada pela altura, ressonância e textura vocal. É diferente da interpretação emocional ou da atitude.

Descritores comuns de tom/timbre:

• “Grave” / “de tom baixo”
• “Suave” / “rico”
• “Áspero” / “rouco”
• “Nasal” / “estridente”
• “Aéreo” / “soprado”
• “Potente” / “ressonante”
• “Leve” / “fino”
• “Quente” / “macio”
• “Metálico” / “metalizado”

Gênero

O gênero geralmente influencia a altura, o peso vocal e a presença tonal — mas você pode ir além de categorias simples descrevendo o som em vez da identidade.

Exemplos:

• “Uma voz feminina grave e rouca”
• “Uma voz masculina, profunda e ressonante”
• “Um gênero neutro — suave e de tom médio”

Sotaque

O sotaque tem um papel fundamental na definição da identidade regional, cultural e emocional de uma voz. Se seu projeto depende de um som autêntico — seja baseado no realismo ou estilizado para um personagem — é essencial ser claro e intencional sobre o sotaque desejado.

A escolha das palavras importa — certos termos tendem a gerar resultados mais consistentes. Por exemplo, “marcado” costuma trazer resultados melhores que “forte” ao descrever o quanto um sotaque deve ser evidente. Há muito espaço para tentativa e erro, e incentivamos você a experimentar a formulação e ser o mais criativo e descritivo possível.

• Exemplos de prompts claros de sotaque:
  • “Um homem de meia-idade com um sotaque francês marcante”
  • “Uma jovem com um leve sotaque sulista”
  • “Um homem idoso com um forte sotaque do Leste Europeu”
  • “Uma mulher alegre falando com um sotaque britânico nítido”
  • “Um homem mais jovem com uma suave cadência irlandesa”
  • “Uma voz autoritária com sotaque americano neutro”
  • “Um homem com sotaque regional australiano, descontraído e nasal”

Evite descritores muito vagos como “estrangeiro” ou “exótico” — eles são imprecisos e podem gerar resultados inconsistentes.

Combine o sotaque com outras características, como tom, idade ou ritmo, para ter mais controle. Por exemplo: “Uma senhora sarcástica com um forte sotaque nova-iorquino, falando devagar.”

Para vozes de fantasia ou ficção, você pode sugerir sotaques do mundo real como inspiração:

• “Um elfo com um sotaque britânico bem marcado. Ele é régio e lírico.”
• “Um goblin com um sotaque rouco do Leste Europeu.”

Ritmo

O ritmo se refere à velocidade e à cadência com que uma voz fala. É um componente essencial para definir a personalidade, o tom emocional e a clareza da voz. Ser explícito sobre o ritmo é fundamental, especialmente ao criar vozes para casos de uso específicos, como narrativas, publicidade, diálogos de personagens ou conteúdo instrucional.

Use linguagem clara para descrever o quão rápido ou devagar a voz deve falar. Você também pode descrever como o ritmo soa — se é constante, irregular, deliberado ou leve. Se o ritmo mudar, indique onde e por quê.

Exemplos de descritores de ritmo:

• “Falando rapidamente” / “em ritmo acelerado”
• “Em ritmo normal” / “falando normalmente”
• “Falando devagar” / “com ritmo lento”
• “Ritmo deliberado e comedido”
• “Arrastado, como se saboreasse cada palavra”
• “Com uma cadência apressada, como se estivesse com pressa”
• “Ritmo descontraído e conversacional”
• “Rítmico e musical”
• “Ritmo irregular, com pausas e explosões abruptas”
• “Ritmo uniforme, com intervalos consistentes entre as palavras”
• “Interpretação em staccato”

Texto para prévia

Depois de escrever um bom prompt de voz, o texto que você usa para testar essa voz tem um papel crucial na forma como ela realmente soa. O texto de prévia funciona como um roteiro de interpretação — ele define o tom, o ritmo e a entrega emocional que a voz tentará reproduzir.

Para obter os melhores resultados, seu texto de prévia deve complementar a descrição da voz, e não contradizê-la. Por exemplo, se seu prompt descreve uma “voz feminina jovem, calma e reflexiva, com leve sotaque japonês”, usar uma frase como “Ei! Não aguento o que você fez com este maldito lugar!!!” entrará em conflito com essa intenção. O modelo tentará conciliar essa incompatibilidade, o que geralmente leva a resultados pouco naturais ou inconsistentes.

Em vez disso, use um texto de exemplo que reflita a personalidade e o tom emocional pretendidos para a voz. Para o exemplo acima, algo como “Tem estado tudo tão quieto ultimamente… Tive tempo para pensar, e talvez fosse disso que eu mais precisava.” reforça o prompt e ajuda a gerar uma voz mais natural e coerente.

Além disso, percebemos que textos de prévia mais longos tendem a produzir resultados mais estáveis e expressivos. Frases curtas às vezes podem soar abruptas ou inconsistentes, especialmente ao testar qualidades sutis como tom ou ritmo. Dar mais contexto ao modelo — uma frase completa ou até mesmo um parágrafo curto — permite que ele ofereça uma representação mais suave e precisa da voz.

Parâmetros

Volume

Controla o volume da geração de Texto para Prévia e, consequentemente, da voz depois de salva.

Escala de orientação

Determina o quanto o Prompt é seguido. Valores mais altos seguirão o prompt com mais rigor, mas podem resultar em pior qualidade de áudio se o prompt for muito específico, enquanto valores mais baixos permitem que o modelo seja mais criativo, com perda de precisão do prompt. Use um valor mais baixo se a interpretação e a qualidade do áudio forem, em geral, mais importantes do que seguir perfeitamente o prompt. Valores altos são recomendados quando a precisão do sotaque ou do tom é essencial.

Atributos e exemplos

Exemplos de prompts e prévias de texto

Perguntas frequentes