Como dar vida aos vídeos Veo 2 com locuções e efeitos sonoros da ElevenLabs

O Veo 2 do Google torna mais fácil do que nunca gerar vídeos fotorrealistas — e agora está disponível no app web do Gemini. Vídeos de oito segundos com prompts aprimorados diretamente pelo Gemini, permitindo edições simples.

Mas só os elementos visuais não bastam. O som transforma uma sequência silenciosa em uma experiência totalmente imersiva, e é aí que a ElevenLabs entra. Com a ElevenLabs, gerar uma locução com IA dinâmica em vários idiomas ou adicionar efeitos sonoros pode transformar um vídeo simples em uma história envolvente.

Tentei fazer exatamente isso quando usei o Veo 2 do laboratório DeepMind do Google para contar a história de uma cidade que nunca dorme. Gereei 18 clipes diferentes, cada um com cerca de 5 a 8 segundos, focados em cenários urbanos. Os clipes mostram letreiros de neon, chuva, um trem e várias cenas de rua. Para unir esses momentos fragmentados, adicionei uma locução e efeitos sonoros usando a ElevenLabs.

Criando uma locução envolvente

Uma locução com IA bem elaborada dá estrutura e profundidade emocional ao seu vídeo. Embora possa ser o melhor gerador de vídeos em realismo, os clipes do Veo 2 muitas vezes não têm consistência entre cenas ou personagens, o que torna a narração o elemento perfeito para unificá-los.

Em vez de deixar o espectador interpretar elementos visuais fragmentados, uma locução cuidadosamente criada traz clareza e o conduz pela história. Você pode começar pelo roteiro da locução e criar clipes que combinem com ele ou começar pelas cenas, geralmente a partir de um storyboard, e escrever o texto com base nelas. Para o vídeo da cidade, criei os prompts primeiro.

Planejando sua narração

Antes de gerar uma locução, é importante planejar como a narração vai complementar seu vídeo. Se, como a minha, sua sequência do Veo 2 for uma montagem urbana cinematográfica, a locução pode estabelecer o cenário, adicionar uma reflexão poética ou reforçar a atmosfera.

Por exemplo, no meu vídeo, há uma cena de ruas iluminadas por neon e letreiros piscando. Então escrevi: "A cidade nunca dorme — ela mal pisca. Inspira fumaça de escapamento e expira luz neon, uma fera de aço e vidro pulsando com os passos de um milhão de almas inquietas." Isso conecta várias cenas.

Escrevendo o roteiro da sua locução

Depois de definir sua narração, o próximo passo é escrever o roteiro para o vídeo inteiro. Um roteiro bem escrito garante que sua locução acompanhe o tempo dos clipes. Como as cenas do Veo 2 costumam ter de 5 a 8 segundos, sua narração deve ser concisa e ter um bom ritmo. Um clipe de 5 segundos comporta cerca de 12 a 15 palavras, enquanto um de 8 segundos comporta aproximadamente 20 a 25 palavras.

O tom da sua narração deve combinar com seu vídeo — poético para visuais atmosféricos, em estilo documental para sequências informativas e cinematográfico para narrativas cheias de energia. Por exemplo, uma tomada em câmera lenta de vapor saindo de um bueiro pode ser narrada com: "A cidade expira, o vapor se contorcendo no ar frio da noite", enquanto um trem chegando à estação pode pedir: "Uma rajada de vento. O rangido do metal. Outro trem chega, como as centenas que vieram antes dele."

Gerando sua locução com a ElevenLabs

Quando seu roteiro estiver refinado, é hora de gerar sua locução com IA com a ElevenLabs. Acesse a página de Text to Speech no app da ElevenLabs. Nela, você pode colar seu roteiro ou escrevê-lo diretamente. Em seguida, pode selecionar uma voz à direita e definir sua velocidade, estabilidade e outros recursos. Gosto de adicionar de 10% a 20% de exagero de estilo, pois isso melhora a caracterização.

Um tom grave e cinematográfico funciona bem para sequências urbanas dramáticas, enquanto uma voz suave e reflexiva valoriza narrativas poéticas. Para visuais em ritmo acelerado, uma interpretação enérgica mantém o ritmo envolvente. No meu vídeo, usei Lamar Lincoln, uma voz premium que deu à história um toque mais natural. Eu queria que soasse como alguém refletindo sobre algo que lhe importa.

Depois de inserir seu roteiro, ajuste a velocidade e a emoção da locução para combinar com os elementos visuais. Um ritmo mais lento e intencional combina com momentos dramáticos, enquanto um tom mais conversacional complementa uma montagem enérgica. Quando estiver satisfeito com o resultado, baixe o arquivo de áudio e prepare-se para sincronizá-lo com seu vídeo.

Prefiro usar apenas uma ou duas frases para ajustar a voz e depois gerar com base no roteiro completo. Neste caso, porém, o roteiro tinha apenas três parágrafos, então usar o texto inteiro não foi um grande problema. Também funcionou bem desde o início.

Sincronizando sua locução

Sincronizar a locução com IA com seus clipes do Veo 2 é um processo simples usando softwares de edição como Adobe Premiere Pro, DaVinci Resolve, Final Cut Pro ou CapCut.

• Importe seus clipes de vídeo, adicione a locução à linha do tempo e ajuste os pontos de início e fim para alinhá-la aos elementos visuais.
• Use transições em fade ou ajuste de duração, se necessário, para garantir uma integração fluida entre a narração e o movimento.

Aprimorando com efeitos sonoros

Depois que a locução estiver pronta, é hora de aprimorar seu vídeo com efeitos sonoros. Os efeitos sonoros gerados por IA completam a experiência auditiva ao adicionar realismo e textura. Um clipe de vídeo sozinho pode parecer tão real quanto algo filmado com um celular, mas, sem som, cai naquele abismo de irrealidade que dá a sensação de que está faltando algo.

Criando efeitos sonoros com a ElevenLabs

O gerador de texto para efeitos sonoros da ElevenLabs permite criar elementos de áudio personalizados, de ruídos ambiente da cidade a sons sutis do ambiente. Você pode descrever uma paisagem sonora completa em um prompt detalhado ou gerar vários arquivos, cada um com um conjunto específico de sons, e depois sobrepô-los no seu editor de vídeo.

Para criar os efeitos sonoros, acesse o gerador de SFX da ElevenLabs. Você pode explorar uma lista de efeitos sonoros prontos em nossa biblioteca ou criar um som personalizado usando o gerador de texto para efeitos sonoros. Você pode até simplificar o processo experimentando nosso vídeo para som. Ele permite enviar um único clipe e fornece 4 efeitos sonoros para baixar.

Se quiser ter mais controle sobre os sons, acesse o gerador de efeitos sonoros. Nele, você digita um prompt e clica em gerar. Também é possível personalizar a duração do clipe entre 0,5 e 22 segundos clicando no botão Configurações.

Para uma forma mais rápida de navegar, visualizar e reunir áudios prontos, o Soundboard oferece uma interface interativa em que você pode testar e mixar efeitos sonoros na hora — sem precisar escrever prompts.

Criando prompts para efeitos sonoros

EFEITOS SONOROS A PARTIR DE TEXTO

Crie efeitos sonoros personalizados e áudio ambiente com nosso poderoso gerador de efeitos sonoros com IA.

Embora você possa usar um prompt complexo com uma descrição completa de toda a paisagem sonora, descobri que é melhor criar uma série de prompts e sobrepô-los. Assim, você controla o momento em que sons diferentes são reproduzidos com base no conteúdo do vídeo.

Um efeito sonoro bem posicionado faz uma cena parecer real — passos ecoando em um beco, a buzina distante de um carro ou o gotejar ritmado da chuva no asfalto. Combinar esses sons com seus elementos visuais aumenta a imersão e torna cada quadro mais impactante.

Se o seu vídeo mostra um letreiro de neon piscando, um leve zumbido elétrico ao fundo reforça sua presença. Se um trem do metrô para rangendo, sobrepor o som de atrito entre metais adiciona autenticidade.

Exemplos de prompts:

• Prompt descritivo: "Tique-taque suave do ponteiro dos segundos de um relógio, leve ruído de uma manga de casaco sendo ajustada, ruído ambiente da cidade ao fundo — buzinas abafadas, conversa distante, lampejos ocasionais de letreiros de neon, leve raspagem metálica enquanto o pulso gira."
• Prompts em camadas:
• • "Tique-taque suave do ponteiro dos segundos de um relógio"
  • "Leve ruído de uma manga de casaco sendo ajustada"
  • "Ruído ambiente da cidade"

Depois, você pode sobrepô-los no seu editor de vídeo.

Quando os sons estiverem em camadas e o volume de cada clipe estiver ajustado para criar o resultado perfeito, exporte e compartilhe seu vídeo.

Seja criando uma montagem cinematográfica, uma reflexão poética sobre a cidade ou um curta-metragem em estilo documental, o áudio gerado por IA dá vida à sua visão. Experimente a ElevenLabs hoje e transforme seu vídeo do Veo 2 em uma experiência totalmente imersiva com o poder da voz e do som.