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 os visuais por si só 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. GereI 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 diversas 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 vídeo em realismo, os clipes do Veo 2 geralmente não têm consistência entre cenas ou personagens, o que torna a narração o elemento unificador ideal.

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

Planejando sua narração

Antes de gerar uma locução, é importante planejar como a narração complementará seu vídeo. Se, como a minha, sua sequência do Veo 2 for uma montagem urbana cinematográfica, a locução poderá 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. Ela inspira fumaça de escapamento e expira luz de neon, uma fera de aço e vidro pulsando com os passos de um milhão de almas inquietas." Isso conecta várias tomadas.

Escrevendo o roteiro da sua locução

Depois de definir sua narração, o próximo passo é escrever o roteiro de todo o vídeo. Um roteiro bem escrito garante que sua locução se alinhe à duração dos clipes. Como as cenas do Veo 2 costumam ter de 5 a 8 segundos, sua narração deve ser concisa e bem ritmada. 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 o vídeo — poético para visuais atmosféricos, documental para sequências informativas e cinematográfico para histórias 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 retorcendo no ar frio da noite", enquanto um trem chegando à estação poderia 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 finalizado, é hora de gerar sua locução com IA usando 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 profundo e cinematográfico funciona bem para sequências urbanas dramáticas, enquanto uma voz suave e reflexiva valoriza narrativas poéticas. Para visuais acelerados, uma entrega enérgica mantém o ritmo envolvente. No meu vídeo, usei Lamar Lincoln, uma voz premium que deu à história uma sensação mais natural. Queria que soasse como alguém refletindo sobre algo de que gosta.

Depois de inserir seu roteiro, ajuste a velocidade e a emoção da locução para combinar com seus visuais. Um ritmo mais lento e deliberado é ideal para 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 tudo 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 visuais.
• Use transições crossfade ou ajuste de duração, se necessário, para garantir uma integração fluida entre a narração e o movimento.

Aprimorando com efeitos sonoros

Quando a locução estiver pronta, é hora de aprimorar seu vídeo com efeitos sonoros. Efeitos sonoros gerados por IA completam a experiência auditiva, adicionando realismo e textura. Um clipe de vídeo por si só pode parecer tão real quanto algo filmado com um celular, mas, sem som, cai naquele abismo de irrealidade que deixa a sensação de que falta alguma coisa.

Criando efeitos sonoros com a ElevenLabs

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

Para criar 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. Com esse experimento, você pode enviar um único clipe e receberá 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 navegar, pré-visualizar e reunir áudios prontos mais rapidamente, 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 explicação totalmente descritiva de toda a paisagem sonora, descobri que é melhor criar uma série de prompts e sobrepô-los. Isso permite controlar o momento em que sons diferentes serão 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 visuais aumenta a imersão e torna cada quadro mais impactante.

Se o seu vídeo tiver um letreiro de neon piscando, um leve zumbido elétrico ao fundo reforça sua presença. Se um trem de metrô parar com um rangido, adicionar o atrito de metal contra metal traz autenticidade.

Exemplos de prompts:

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

Depois, você pode sobrepor esses elementos no seu editor de vídeo.

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

Quer você esteja 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.