Por que a voz traduzida parece robótica, rápida demais ou diferente de você

Este artigo trata da locução no Traduzir Áudio, com uma seção separada para o Traduzir Vídeo. Todas as opções de locução são alteradas nos ajustes: toque no ícone de configurações (controles deslizantes) no canto superior direito e abra a aba Locução.

Verificação rápida: sintoma, causa, solução

A maioria das queixas se deve a dois fatores: a tradução foi lida por uma voz padrão ou a voz lê o texto traduzido no próprio ritmo, sem acompanhar o áudio original.

Se a voz soar robótica ou sem vida

Um som robótico geralmente indica que a tradução foi lida por uma voz padrão da ElevenLabs ou OpenAI. Essas vozes são iguais para todo mundo e não imitam quem fala. A voz da OpenAI é neutra por padrão.

• Abra a aba Locução e escolha uma opção em Com clonagem: MiniMax (o aplicativo a descreve como a mais precisa em timbre e emoção) ou Qwen 3. Depois, toque em reproduzir novamente.

• Para obter o resultado mais natural, escolha ElevenLabs Dubbing v2. Ela dubla a gravação original diretamente, mantendo o ritmo e o timbre. Custa 4.4 tokens por segundo, portanto uma mensagem de um minuto custa cerca de 264 tokens.

• Um clone feito a partir de uma gravação com música, barulho de rua ou várias vozes também soa artificial. Use uma gravação em que apenas uma pessoa fale com clareza durante o primeiro minuto.

Se a tradução estiver rápida ou lenta demais

A locução lê o texto traduzido no ritmo próprio da voz. Ela não estica nem encurta a fala para se ajustar à duração original, por isso uma tradução pode terminar antes ou depois do áudio original.

• MiniMax: no bloco do MiniMax, abra Ajustes e reduza a Velocidade para menos de 1.0x. A faixa vai de 0.5x a 2.0x.

• Qwen 3: escolha Lento em Estilo de fala. O estilo de fala funciona apenas com Clonar do arquivo, não com uma voz salva.

• As vozes padrão da ElevenLabs e OpenAI não possuem ajuste de velocidade no Traduzir Áudio.

• Para acompanhar o andamento do original, escolha ElevenLabs Dubbing v2.

Depois de alterar a velocidade ou o estilo, toque em reproduzir novamente. Com o MiniMax, a repetição da locução do mesmo resultado não cobra os 180 tokens de clonagem outra vez.

Se a voz não parecer com você ou com quem está falando

A opção Clonar do arquivo copia a voz de quem fala na gravação. Se o resultado não parecer com essa pessoa, verifique as seguintes causas nesta ordem:

1. Uma voz padrão foi usada. Isso acontece se você selecionou Usar voz de IA na janela Clonar voz? (com a opção Não perguntar novamente marcada, o app continuará fazendo isso), escolheu ElevenLabs ou OpenAI nos ajustes, ou selecionou um idioma incompatível com qualquer opção de clonagem. Escolha MiniMax ou Qwen 3 na aba Locução.

2. A gravação era curta demais: o Qwen 3 precisa de pelo menos 3 segundos, e o MiniMax de pelo menos 10. Nesses casos, o app usa uma voz padrão e avisa: «Áudio muito curto para clonagem de voz, uma voz padrão foi usada».

3. A clonagem falhou e o app avisou: «A clonagem de voz não está disponível no momento. Uma voz padrão foi usada.» Toque em reproduzir novamente mais tarde ou escolha o MiniMax.

4. Uma voz salva foi selecionada em vez da gravação. Se Minha voz MiniMax ou Minha voz Qwen estiver ativa, a tradução será lida por essa voz salva. Selecione Clonar do arquivo.

5. Os primeiros 60 segundos têm muito ruído. O MiniMax e o Qwen 3 capturam a voz apenas no primeiro minuto do arquivo. Música de fundo, outra pessoa falando ou ruídos altos nesse trecho reduzem a semelhança do clone.

Se você quiser usar a sua voz sobre a mensagem de outra pessoa, por exemplo para responder, salve sua voz uma vez em Ajustes → Minhas Vozes e selecione-a como Minha voz MiniMax ou Minha voz Qwen. Veja dicas para uma boa gravação em Dicas para obter a melhor qualidade de clonagem de voz.

Se o sotaque ou dialeto estiver errado

O Traduzir Áudio não permite definir sotaque nem variante regional. A lista de idiomas traz apenas uma entrada por idioma: português sem distinção entre Brasil e Portugal, inglês sem opções para Estados Unidos ou Reino Unido.

• O clone mantém o timbre de quem fala e, muitas vezes, o seu sotaque nativo. Uma pessoa que fala inglês costuma soar como estrangeira em português, mesmo com a tradução correta.

• A voz padrão é uma mesma voz fixa para cada idioma, e não é possível escolher outra no Traduzir Áudio.

O que você pode fazer:

• Copie a tradução, abra o Texto para Fala e escolha uma voz da ElevenLabs usando os filtros de idioma e sotaque. A voz será de outra pessoa, mas terá a pronúncia desejada.

• Para um vídeo, use o Traduzir Vídeo: a lista de idiomas inclui variantes regionais como Português (Brasil) e Inglês (Estados Unidos).

Se as emoções desaparecerem

O MiniMax e o Qwen 3 copiam o timbre da voz, mas leem o texto traduzido; por isso, a entonação de cada frase não é aproveitada do original. O modelo a define com base no texto, a menos que você a configure.

• MiniMax: defina a Emoção como Feliz, Triste, Bravo, Assustado, Surpreso, Calmo ou Com nojo. Uma única emoção é aplicada a toda a tradução. A opção Automático (recomendado) deixa o modelo decidir.

• Qwen 3: Estilo de fala Calmo, Energético, Amigável, Suave ou Profissional.

• O ElevenLabs Dubbing v2 trabalha a partir da gravação original e preserva com máxima fidelidade a entonação original.

Se duas pessoas falarem com a mesma voz

No Traduzir Áudio, todas as opções (exceto o Dubbing v2) leem a tradução inteira com uma única voz. O MiniMax e o Qwen 3 criam um único clone com base no início do arquivo; logo, em uma conversa, as duas pessoas ficam com a mesma voz, gerada a partir do primeiro minuto da gravação.

Para que cada pessoa tenha a própria voz, escolha ElevenLabs Dubbing v2. Ele identifica quem está falando e clona cada locutor individualmente.

Se as pausas não forem mantidas

O MiniMax, o Qwen 3 e as vozes padrão leem a tradução em fluxo contínuo, fazendo sumir as pausas mais longas do original. O Traduzir Áudio não oferece ajuste para preservá-las. Já o ElevenLabs Dubbing v2 dubla a linha do tempo original, mantendo o ritmo e os intervalos.

No Traduzir Vídeo

O Traduzir Vídeo tem configurações próprias: toque no ícone de ajustes no canto superior direito do Traduzir Vídeo antes de começar.

• Uma pessoa foi dublada com duas vozes, por exemplo masculina e feminina. Com o HeyGen e o Número de locutores em Automático, o HeyGen tenta identificar quantas pessoas falam e pode encontrar duas por engano. Defina o Número de locutores como 1 e traduza de novo.

• A voz soa robótica ou muito diferente do original: com o HeyGen, ative a Clonagem aprimorada (custa o dobro), ou escolha ElevenLabs, que clona cada locutor e mantém o tempo de fala. Se o áudio original contiver ruídos, ative a opção Melhorar qualidade da fala.

• Dialeto incorreto: escolha a variante regional na lista de idiomas, como Português (Brasil).

Todos os recursos do Traduzir Vídeo estão descritos em Como funciona o Traduzir Vídeo.

Quando falar com o suporte

Se nada disso resolver, toque em Não gostou do resultado? no bloco de feedback abaixo da tradução e descreva o que está ouvindo. Esse formulário anexa a tarefa em questão, permitindo que a equipe de suporte ouça a mesma gravação. O formulário geral pode ser acessado em vocalingo.app/support.