Como gravar uma amostra de voz que soa mesmo como você

Quando uma voz clonada sai errada, a culpa vai para a IA. Em geral a IA fez exatamente o que foi pedido — modelou com fidelidade uma gravação feita na cozinha, às oito da noite, por alguém imitando um locutor porque tinha um microfone ligado.

A amostra é o jogo inteiro. Aqui está o que realmente faz diferença, mais ou menos em ordem de impacto.

1. Elimine o barulho de fundo

Isso importa mais do que todo o resto somado.

Um modelo de voz não consegue separar você do seu ambiente com limpeza. Ele aprende o cômodo. Uma máquina de lavar louça rodando a dois metros vira parte daquilo que o modelo acha que a sua voz é, e toda história depois disso carrega um fantasminha daquele som.

O que fazer:

• Feche a porta. Um quarto com tecidos é o ideal — cama, cortina e tapete absorvem reflexões.
• Desligue tudo que tenha motor ou ventoinha. Máquina de lavar louça, exaustor, ar-condicionado.
• Feche a janela. O trânsito atrapalha mais do que as pessoas imaginam.
• Evite o banheiro e a cozinha. Superfícies duras criam eco, e eco fica gravado para sempre.

Você não precisa de silêncio absoluto. Você precisa da ausência de sons concorrentes específicos.

2. Leia do jeito que você lê para o seu filho

No instante em que aparece um microfone, a maioria das pessoas desacelera, engrossa a voz e começa a narrar como documentário. Aí o clone soa exatamente assim — um estranho meio pomposo com o seu sotaque.

O ajuste é mental. Imagine seu filho ao seu lado, meio dormindo, e leia para essa imagem. Um pouco informal demais é muito melhor que um pouco teatral demais.

Se você se pegar fazendo A Voz, pare e comece de novo. São vinte segundos.

3. Segure o celular direito

O microfone do celular é bom. As pessoas é que o usam mal.

• A um palmo da boca. Mais perto e você ganha estouros em cada "p" e "b". Mais longe e o cômodo entra junto.
• Levemente de lado, não de frente. Assim sua respiração passa longe do microfone.
• Não cubra a borda inferior. Na maioria dos celulares o microfone principal fica ali, e um polegar em cima dele é a causa número um de amostra abafada.
• Tire a capa se for daquelas grossas.

Fones de ouvido costumam ser um retrocesso, não um avanço. Os microfones deles são calibrados para ligações — comprimem bastante e cortam as frequências graves, o que tira justamente o calor que torna uma voz reconhecível. O próprio celular é melhor.

4. Dê um minuto inteiro, se der

Trinta segundos podem gerar um modelo utilizável. Um minuto gera um bem mais firme, principalmente em frases fora do comum.

Mais áudio significa mais exemplos de como você produz sons diferentes, então o modelo chuta menos. Se o app mostrar um roteiro, leia tudo em vez de parar no ponto em que ele avisa que já é suficiente.

5. Leia o roteiro como está escrito

Se há um roteiro na tela, leia aquelas palavras. Os apps costumam rodar uma verificação de fala para texto comparando o que você disse com o que deveria ter dito, como um jeito indireto de checar "essa gravação ficou clara o bastante para ser usada". Improvisar reprova nessa checagem mesmo quando o áudio está ótimo.

Se você tropeçar, a maioria dos apps prefere que você recomece a que você siga em frente — sessenta segundos limpos valem mais que noventa segundos com uma tossida no meio.

6. Esteja num estado normal

Uma voz cansada à meia-noite produz um clone com cara de cansaço. Um resfriado também. E o fim de uma discussão sobre escovar os dentes também.

Você não precisa estar descansado. Você precisa estar por perto do seu eu de sempre, porque é essa a voz que seu filho reconhece. Se estiver gripado, espere dois dias. O modelo que você fizer em cinco minutos é o que você vai ouvir por meses.

Uma rotina de sessenta segundos

1. Quarto, porta fechada, tudo que tem motor desligado.
2. Celular na mão, a um palmo, levemente de lado, borda inferior livre.
3. Uma leitura de teste da primeira frase, em voz alta, para se livrar da voz de locutor.
4. Grave o roteiro inteiro no seu ritmo normal de leitura.
5. Escute de volta. Faça uma pergunta só: isso soa como eu falando, ou como eu apresentando?
6. Se for apresentando, faça mais uma vez. Vai sair melhor.

O que ainda não vai ficar perfeito

Mesmo com uma amostra impecável, espere um clone que é uma versão um pouco mais calma de você. A camada de interpretação — a voz do lobo, a pausa dramática, o sussurro enquanto ela adormece — é onde a diferença permanece.

Vale saber disso para não se decepcionar. O que sobrevive é o que mais importa para uma criança pequena: o som de você. As crianças reconhecem na hora, sempre, e é esse o ponto inteiro.

Depois de gravar

Dois hábitos que valem a pena:

Ouça uma história inteira antes de contar com ela. Uma amostra pode parecer boa isolada e revelar um problema ao longo de três minutos de narração.

Regrave se a sua situação mudar. Se recuperou de uma doença longa, ou fez a primeira gravação num apartamento barulhento de onde já se mudou? Uma amostra nova leva um minuto e você pode excluir o perfil antigo.

E se você preferir não manter um perfil de voz para sempre, excluir e regravar depois é perfeitamente razoável — as perguntas de privacidade que valem a pena explica por que alguns pais preferem funcionar assim.

Quer testar? O Taletune é gratuito no iOS e no Android, e em uns dois minutos você já sabe se o resultado soa como você.