Narração com IApara sua próxima história

Uma locução com IA é um áudio falado gerado a partir de um texto escrito. Com o Cartesia Sonic, você escolhe uma voz e transforma seu texto em narração para um vídeo, aula, apresentação ou história. Seu texto fornece as palavras; o modelo gera a fala.

Comece com um trecho curto que represente seu projeto. Ouça a prévia em várias vozes e use o Cartesia Playground para gerar o texto e refinar a interpretação. Confira pronúncia e ritmo antes de salvar o áudio final. Desenvolvedores podem solicitar saída WAV ou MP3 pela API Bytes.

Você pode ouvir a amostra e testar um texto curto na prévia desta página sem cadastro. Abra o Cartesia Playground para o fluxo completo. Os limites de geração disponíveis e o acesso ao uso comercial dependem do seu plano.

O Sonic oferece orientações de velocidade, volume e emoção no Playground e pela API. Comece com pontuação natural e só adicione controles quando precisar. Essas configurações orientam o modelo, mas não garantem uma interpretação ou duração exata. As tags de emoção atualmente oferecem suporte a inglês. As vozes clonadas profissionais aprendem velocidade e volume com suas gravações, em vez de controles na solicitação.

Primeiro, teste a palavra em uma frase completa. Para um termo recorrente, crie um dicionário de pronúncia no Playground ou pela API. Um dicionário pode substituir o termo por uma grafia fonética ou pronúncia em IPA. Reutilize-o em gravações futuras e confira o resultado com o texto ao redor.

Crie uma voz clonada a partir de uma gravação sua ou de um falante que tenha dado permissão. Use a voz resultante para ler novos textos no Playground ou pela API. Teste um trecho do seu projeto antes de gravar todas as cenas, especialmente nomes e mudanças de tom.

Divida o texto em seções que você possa ouvir e revisar. Registre a voz e as configurações usadas em cada seção e nomeie os arquivos de áudio aprovados por cena ou aula. Ouça as junções no editor para conferir se ritmo e volume combinam.

Sim. O Sonic oferece fala multilíngue. Escolha uma voz adequada ao idioma desejado, forneça um texto traduzido e peça a um falante fluente que revise o resultado. A geração de fala não substitui a tradução nem a revisão linguística. Explore a biblioteca de idiomas para ouvir exemplos.

Os planos pagos da Cartesia incluem uma licença de uso comercial. Consulte a página de preços atual e os termos de serviço para seu projeto. Você ainda precisa dos direitos sobre o texto e qualquer voz clonada. Uma assinatura não concede permissão para usar a voz de outra pessoa.

Planeje uma etapa de edição. A duração depende da voz, das palavras e da interpretação, e os controles de velocidade são uma orientação, não um multiplicador exato de tempo. Encurte o texto ou ajuste as pausas e revise o áudio junto com a imagem no editor de vídeo.

Escolha o formato esperado pelo editor ou reprodutor. WAV com áudio PCM é útil quando você pretende editar ou mixar a gravação. MP3 é comprimido e útil para distribuição e reprodução. A API Bytes aceita os dois formatos. Mantenha a taxa de amostragem consistente com o restante do projeto para evitar conversões desnecessárias.