For AI agents: a documentation index is available at the root level at /llms.txt. Append /llms.txt to any URL for a page-level index, or .md for the markdown version of any page.
Aprenda a clonar sua voz instantaneamente usando nossos modelos líderes do setor.
Como criar uma Clonagem de Voz Instantânea
Ao clonar uma voz, é importante considerar em que a IA foi treinada: quais idiomas e que tipo de conjunto de dados. Leia mais sobre cada modelo e seus pontos fortes na página de Modelos.
Na seção Vozes do painel, clique em Minhas vozes e depois em Usar voz para começar a usá-la.
Boas práticas
Grave pelo menos 1 minuto de áudio
Grave pelo menos 1 minuto de áudio
Evite gravar mais de 3 minutos, pois isso trará pouca melhoria e, em alguns casos, pode até prejudicar o clone.
A forma como o áudio foi gravado é mais importante do que a duração total das amostras. A quantidade de amostras usadas não importa; o importante é a duração total combinada.
Recomendamos aproximadamente 1 a 2 minutos de áudio nítido, sem reverberação, artefatos ou qualquer tipo de ruído de fundo. Quando falamos de “qualidade de áudio ou gravação”, não nos referimos ao codec, como MP3 ou WAV, mas à forma como o áudio foi capturado. Quanto aos codecs de áudio, recomendamos usar MP3 a 128 kbps ou mais. Taxas de bits mais altas não têm um impacto significativo na qualidade do clone.
Mantenha o áudio consistente
Mantenha o áudio consistente
A IA tentará imitar tudo o que ouvir no áudio. Isso inclui a velocidade da fala, as inflexões, o sotaque, a tonalidade, o padrão e a intensidade da respiração, além de ruídos e estalos da boca. Até mesmo ruídos e artefatos que podem confundi-la são considerados.
Garanta que a voz mantenha um tom consistente do início ao fim, com uma interpretação consistente. Além disso, certifique-se de que a qualidade do áudio da voz permaneça consistente em todas as amostras. Mesmo se você usar apenas uma amostra, ela deve permanecer consistente durante toda a gravação. Fornecer à IA um áudio muito dinâmico, ou seja, com grandes variações de tom e volume, resultará em resultados menos previsíveis.
Reproduza sua interpretação
Reproduza sua interpretação
Outro ponto importante é que a IA tentará reproduzir a interpretação da voz fornecida. Se você falar devagar, em tom monótono e sem muita emoção, é isso que a IA imitará. Por outro lado, se você falar rápido e com muita emoção, é isso que a IA tentará reproduzir.
É fundamental que a voz permaneça consistente em todas as amostras, não apenas no tom, mas também na interpretação. Se houver muita variação, isso pode confundir a IA e resultar em gerações mais variadas.
Encontre um bom equilíbrio de volume
Encontre um bom equilíbrio de volume
Encontre um bom equilíbrio de volume para que o áudio não fique nem muito baixo nem muito alto. O ideal é ficar entre -23 dB e -18 dB RMS, com pico verdadeiro de -3 dB.
Perguntas frequentes
Qual é a diferença entre Clonagem de Voz Instantânea e Clonagem de Voz Profissional?
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.
Quantas amostras de voz devo enviar para a Clonagem de Voz Instantânea?
A clonagem com clonagem de voz instantânea pode ser um pouco complicada, e temos algumas orientações gerais. Mas elas são apenas isso: orientações. Não temos regras definidas quanto ao número ou à duração das amostras. Já vimos usuários usarem amostras de apenas 30 segundos e obterem resultados excelentes, enquanto outros usaram 10 minutos de áudio e tiveram resultados piores. Ainda assim, há alguns pontos que você deve considerar.
A qualidade do áudio é o aspecto mais importante a considerar ao usar a clonagem de voz instantânea.
O número de amostras não importa; o importante é a duração total. Ter mais de 2 a 3 minutos de áudio trará pouca melhora e, em alguns casos, pode até prejudicar a estabilidade do clone.
Quais arquivos vocês aceitam para clonagem de voz?
Para Clonagem de Voz Instantânea e Clonagem de Voz Profissional, aceitamos diversos tipos de arquivo. Recomendamos fortemente MP3 a 192 kbps ou mais.
Formato recomendado
MP3, 192 kbps ou mais
Duração recomendada
Clonagem de Voz Instantânea: 1 a 2 minutos de áudio de boa qualidade
Clonagem de Voz Profissional: 30 a 180 minutos de áudio de boa qualidade
Formatos não compactados, como WAV, geralmente 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 falantes, com volume e tom consistentes e sem longos períodos de silêncio.
Há alguma restrição quanto às vozes que 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?
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 outro idioma além 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 meus clones 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.
