Melhore a clarezada fala gerada por IA
Mude uma configuração e ouça a diferença
Reproduza a frase com as configurações padrão. Ajuste a velocidade ou o volume e gere novamente. Mantenha as mesmas palavras ao comparar.
A prévia interativa permite editar uma frase e ajustar a velocidade e o volume antes de gerá-la. Você também pode usar esses controles no Playground.
A prévia interativa permite editar uma frase e ajustar a velocidade e o volume antes de gerá-la. Você também pode usar esses controles no Playground.
Velocidade e volume são orientações para a geração. O efeito varia com a voz e o texto, então ouça um trecho representativo antes de escolher as configurações do projeto.
Comece pelo que você ouve
Um problema de pronúncia precisa de um ajuste diferente de uma incompatibilidade de formato de áudio. Mude a parte do fluxo que causa o problema.
Um nome soa errado
Adicione um dicionário de pronúncia
Use uma grafia que indique o som ou o AFI para uma palavra recorrente. Ouça dentro de uma frase completa, não apenas isoladamente.
A frase parece apressada
Ajuste a pontuação e a velocidade
Primeiro, encurte uma frase carregada. Se necessário, reduza a velocidade e compare novamente o mesmo trecho.
A interpretação parece monótona
Confira a voz e o roteiro
Escolha uma voz adequada ao idioma e ao tom desejado. Adicione orientações de emoção quando combinarem com as palavras.
A reprodução soa distorcida
Confira o formato de áudio
Faça a codificação e a taxa de amostragem do player corresponderem às do áudio gerado antes de mudar as configurações do modelo.
Como melhorar uma gravação de voz com IA
Uma verificação de escuta repetível ajuda a escolher configurações que você pode reutilizar.
Mantenha as palavras
Escolha uma frase com o problema que deseja corrigir. Inclua os nomes, a pontuação e as expressões que seu público ouvirá. Salve o primeiro resultado como referência.
Mude uma configuração
Mantenha o roteiro e ajuste uma configuração, como a velocidade ou uma entrada do dicionário. Se comparar vozes, não altere os outros controles.
Ouça no destino
Compare a geração original com a nova no seu player ou na conexão telefônica. Confira os finais de frase e as palavras importantes antes de salvar as configurações.
Mantenha a interpretação consistente
Salve a voz, a transcrição e as configurações juntas. Reutilize o mesmo dicionário de pronúncia para nomes recorrentes e termos técnicos nas suas gravações.
Oriente a interpretação
Use velocidade e volume para ajustar uma voz que já combine com o roteiro. Os controles orientam a geração, então compare um trecho completo em vez de esperar uma mudança exata na duração ou na intensidade.
Reutilize pronúncias
Crie uma entrada de dicionário para um nome recorrente ou termo técnico. Teste em contexto e aplique o dicionário aos próximos roteiros para manter a pronúncia em um só lugar.
Escolha o fluxo para seu áudio
Crie uma nova gravação, compare idiomas ou escolha um formato de arquivo para reprodução.
Dê às palavras difíceis uma pronúncia clara
Ouça os exemplos de pronúncia do Sonic. Para nomes e termos especializados dos seus roteiros, crie um dicionário de pronúncia e confira cada palavra em uma frase completa.
Leia o guia de pronúncia- Exemplos de pronúncia
charcuterie
shar-koo-terie
subpoena
/səˈpiːnə/
epinephrine
/ˌɛpɪˈnɛfrɪn/
Vozes realistas e expressivas para cada caso de uso
Compare vozes do Sonic para narração, aulas e conversas com clientes. Comece com uma voz adequada ao roteiro e ajuste a pronúncia e o ritmo usando o mesmo trecho.
Suporte
Áudio original em inglês
Transforme respostas de suporte ao cliente em respostas faladas com síntese de fala. Leia atualizações de serviço e etapas de solução de problemas com uma voz consistente em chamadas e aplicações.
Jogos
Gravação original
Gere diálogos de personagens a partir dos textos do seu jogo. Compare vozes para cada papel e ouça novas falas no contexto para conferir ritmo e interpretação.
Conteúdo
Gravação original
Crie locuções para vídeos, tutoriais e explicações de produtos a partir de texto. Revise um texto e gere nova narração sem gravar cada fala novamente.
Mídia
Gravação original
Transforme artigos e histórias escritos em áudio falado. Use texto para fala em aberturas de podcasts ou notícias narradas, conferindo nomes e pronúncia antes de publicar.
Saúde
Áudio original em inglês
Leia lembretes de consultas e informações de atendimento ao paciente a partir de textos revisados pela sua equipe. Use uma voz consistente para instruções de rotina e atualizações de agendamento.
Vendas
Áudio original em inglês
Adicione narração falada a demonstrações de produtos e explicações de vendas. Teste seu texto com vozes diferentes e atualize o áudio quando o produto ou a mensagem mudar.
Agentes de voz
Áudio original em inglês
Dê aos agentes de voz com IA respostas faladas geradas a partir do texto da sua aplicação. Escolha uma voz para saudações e conversas e teste como ela soa em respostas curtas e mais longas.
Dublagem
Áudio original em japonês
Gere fala a partir de textos traduzidos para seu fluxo de localização. Compare vozes nos idiomas disponíveis e revise pronúncia e sincronização antes de adicionar o áudio a um vídeo.
Avatares
Gravação original
Combine um avatar digital com fala sintetizada para apresentações e experiências guiadas. Gere diálogo a partir de texto e coordene a reprodução do áudio com a animação do avatar.
Logística
Áudio original em inglês
Transforme atualizações de remessas e instruções de despacho em mensagens faladas. Conecte a síntese de fala à sua aplicação para que o áudio reflita as informações mais recentes de entrega.
Recrutamento
Gravação original
Crie apresentações faladas de entrevistas e mensagens de agendamento para candidatos a partir de textos aprovados. Mantenha as instruções consistentes e gere novamente o áudio quando o processo seletivo mudar.
Acessibilidade
Gravação original
Ofereça versões em áudio de guias escritos, artigos e materiais de aprendizagem. Permita que as pessoas ouçam o conteúdo e acompanhem o texto original no próprio ritmo.
Clone uma voz para ler novos roteiros
Crie uma voz reutilizável a partir de uma gravação limpa com clonagem de voz com IA. Escolha um áudio de origem com o tom e a interpretação desejados e teste o clone em novos roteiros antes de refinar o resultado.
Use sua própria voz ou uma que você tenha permissão para clonar. Compare a gravação original com o clone e teste o roteiro para ouvir como a voz lida com tom, sotaque e pronúncia.
Explore a clonagem de voz com IAFluente e nativo, no mundo todo
Gere fala a partir de texto em 44 idiomas com o Sonic. Ouça amostras de idiomas e sotaques para locuções multilíngues, aulas narradas e vídeos localizados. Revise os textos traduzidos e a pronúncia antes de publicar.
Perguntas frequentes sobre aprimoramento de voz com IA
O que significa aprimoramento de voz com IA aqui?
Esta página se concentra em melhorar novas falas geradas a partir de texto com o Cartesia Sonic. Você pode escolher uma voz mais adequada, refinar o texto, orientar o ritmo e o volume e usar dicionários de pronúncia. Esses controles atuam durante a geração de fala.
Posso enviar uma gravação para remover ruído de fundo?
Esta página não oferece uma ferramenta de envio e limpeza de áudio. O Sonic gera fala a partir de texto. Remover chiado, eco ou sons de fundo de uma gravação existente é uma tarefa de restauração de áudio e exige uma ferramenta feita para isso.
O que devo mudar se uma voz gerada soar apressada?
Comece com frases completas e pontuação natural. Divida um parágrafo denso em frases claras. Se a interpretação continuar rápida demais, tente uma velocidade menor e gere o trecho novamente. A velocidade é uma orientação, não um multiplicador exato de duração; compare o resultado usando a mesma voz e o mesmo texto.
Como posso melhorar a pronúncia?
Teste a palavra em uma frase completa antes de alterá-la. Dicionários de pronúncia podem substituir uma palavra ou expressão por uma orientação fonética ou por IPA. Crie o dicionário no Playground ou pela API e use-o nas solicitações que precisam dele. Confira a frase ao redor após cada mudança.
Posso mudar a emoção da fala por IA?
O Sonic interpreta o contexto emocional do texto e também aceita orientação de emoção pelo Playground e pela API. As tags de emoção atualmente oferecem suporte a inglês. Escolha uma orientação que combine com as palavras. Uma instrução conflitante não produzirá de forma confiável a interpretação desejada.
Os controles de velocidade e volume funcionam com todas as vozes?
Os controles se aplicam às vozes padrão e às vozes clonadas instantâneas. As vozes clonadas profissionais aprendem ritmo e volume com as gravações de treinamento e não aceitam mudanças dessas configurações na solicitação. Para uma voz clonada profissional, prepare gravações com a interpretação desejada.
Por que o áudio soa errado na minha aplicação?
Primeiro, confira o formato de saída. PCM bruto exige um reprodutor configurado com a mesma taxa de amostragem e codificação do áudio gerado. Uma diferença pode mudar a velocidade de reprodução ou distorcer o som. Arquivos WAV ou MP3 incluem informações de formato e são úteis ao salvar áudio para um reprodutor compatível.
Posso manter as mesmas configurações para gerações futuras?
Sim. Mantenha o ID de voz, o texto e as configurações de geração juntos no seu fluxo. Em uma integração de API, passe generation_config em cada solicitação que precise dessas configurações e inclua o ID do dicionário de pronúncia quando aplicável. A API não transforma generation_config em uma preferência de toda a conta.
Posso melhorar locuções com IA para vídeos e aulas?
Sim. Comece com o texto que seu público ouvirá e gere um trecho curto antes de produzir a locução completa. Confira nomes, pausas e ritmo das explicações em relação à edição. Se uma frase for difícil de acompanhar, reescreva-a antes de mudar várias configurações de voz. Use o mesmo trecho de teste ao comparar revisões.
Como mantenho os nomes de produtos consistentes no texto para fala?
Adicione nomes recorrentes a um dicionário de pronúncia e teste-os em frases completas. Em um fluxo de API, passe o ID desse dicionário na solicitação. Mantenha o dicionário atualizado quando um nome de produto ou uma pronúncia preferida mudar, em vez de reescrever grafias fonéticas em todos os textos.
O que posso ajustar na prévia desta página?
A prévia permite editar o texto e ajustar velocidade e volume antes de gerar fala. Mantenha as palavras fixas para uma comparação inicial e ouça novamente após mudar um controle. Abra o Playground para explorar outras vozes e dicionários de pronúncia. A prévia gera nova fala a partir de texto; ela não processa uma gravação enviada.
Comece hoje
Fale com um especialista.
Converse com alguém da nossa equipe e descubra como a Cartesia pode ajudar você a criar experiências de voz de alto nível.
Comece a criar.
Acesse nossos modelos por API e coloque um agente de voz em produção em minutos.