Clonagem de voz com IA no ElevenLabs: 10 s ou 2 min?

👁 117 leituras

A clonagem de voz com IA no ElevenLabs cria uma cópia da voz a partir de algumas dezenas de segundos ou alguns minutos de gravação. Depois, você pode usar essa cópia para ler qualquer texto. Fiz o teste apenas com uma voz sintética: primeiro criei um locutor fictício no Voice Design e, depois, clonei a voz usando amostras de 10 segundos, 30 segundos e 2 minutos. A seguir, você encontra os áudios, a medição de similaridade entre o clone e a voz original, os custos e os cuidados necessários antes de começar.

01ElevenLabs Dubbing: teste dos modelos v1 e v2Comparei os modelos v1 e v2 do ElevenLabs Dubbing em um clipe de 24 segundos. Veja os resultados, o tempo, o custo e uma falha inesperada.Leia →02Voicebot ElevenLabs Agents: teste de atendimento por vozTestei um agente de voz do ElevenLabs: veja o tempo de resposta, a precisão do reconhecimento e o custo por minuto.Leia →

Antes de tudo: só clone a voz de outra pessoa com consentimento

Para clonar a voz de outra pessoa, você precisa do consentimento dela. O ElevenLabs declara que analisa todas as denúncias de violação de direitos sobre uma voz. A clonagem profissional de voz, ou PVC, só pode ser feita com a própria voz: segundo a central de ajuda do ElevenLabs, nem mesmo o consentimento de outra pessoa é suficiente, porque cada PVC passa por uma verificação para confirmar que a voz pertence ao titular da conta. Se alguém quiser compartilhar a própria voz com você, essa pessoa deve criar e verificar o clone na própria conta e, depois, compartilhá-lo por um link privado. Por isso, não usei nenhuma gravação de uma pessoa real no teste. Escrevi mais sobre os riscos no artigo sua voz já não pertence só a você.

Instant ou Professional Voice Cloning?

A documentação alerta que o IVC tem mais dificuldade com vozes e sotaques incomuns. Depois de criar o clone, não é possível mudar o sotaque nem o tom: só dá para substituir as amostras. Os preços dos planos não incluem impostos. Consultei os valores em 28 de setembro de 2026.

Como fiz o teste, passo a passo

Etapa 1: uma voz fictícia. No Voice Design, usando o modelo eleven_ttv_v3, descrevi o locutor em inglês e forneci um texto de teste em polonês com 354 caracteres. A documentação recomenda começar a descrição com o idioma e o sotaque, por exemplo, no formato “falante nativo de polonês, homem na casa dos 50 anos, qualidade de estúdio”, para evitar que a voz varie. Recebi três opções por 326 créditos. Escolhi a primeira: a mais grave, com mediana de tom de 68 Hz, e sem erros na transcrição de controle. Esta é a descrição que usei:

A Polish man in his fifties with a low, warm, slightly raspy voice.
Calm, unhurried documentary narrator delivery, native Polish accent,
close-mic studio recording.

Etapa 2: as amostras. Com essa voz, gerei uma gravação de cinco parágrafos sobre as montanhas Bieszczady usando o modelo Eleven v4. O áudio tinha 116 segundos no total. A partir dele, recortei três amostras: os primeiros 10 segundos, os primeiros 30 segundos e a gravação inteira.

Etapa 3: três clones. Enviei cada amostra ao Instant Voice Cloning sem o filtro de ruído. A amostra estava limpa, e a documentação alerta que o filtro pode reduzir a qualidade nesse caso. Cada clone foi criado em poucos segundos.

Etapa 4: o mesmo texto com todas as vozes. A voz original, os três clones e a voz masculina pronta Brian leram a mesma frase, com data e horário. Medi a similaridade com o modelo de verificação de locutor WavLM, em que 1 significa uma voz idêntica, e transcrevi as gravações com o Scribe.

Resultados

Todas as gravações foram transcritas palavra por palavra. A única diferença foi a forma de escrever o horário: na voz original e nos clones de 10 e 30 segundos, o Scribe registrou “dezoito e quarenta e cinco”; no clone de 2 minutos, registrou “18:45”. É uma diferença de formato, não um erro. O clone também fala inglês e mantém aproximadamente o timbre da voz original, com resultados de 0,81 a 0,83, comparados a 0,85.

É importante considerar que os resultados tão altos com uma amostra de 10 segundos se devem, em grande parte, ao fato de a fonte ser sintética, sem reverberação, ruído ou mudanças de distância em relação ao microfone. Espero que uma amostra mais longa faça mais diferença em uma gravação feita com celular. Essa é uma opinião minha. Não testei a clonagem profissional, porque ela exige verificar a voz do titular da conta, e a voz sintética usada no meu teste não tem um titular.

Como clonar sua própria voz no ElevenLabs

1. Grave de 1 a 2 minutos de fala em um lugar silencioso, com um único microfone e sem pausas longas. A documentação sobre PVC recomenda picos entre -6 e -3 dB e nível médio de aproximadamente -18 dB. MP3 é suficiente; segundo a documentação, WAV normalmente não melhora o clone.
2. No aplicativo, acesse Voices, depois Create a voice e Instant Voice Clone, e envie o arquivo. Faça isso apenas com a sua própria voz ou com o consentimento por escrito da pessoa cuja voz você quer clonar.
3. Ative o filtro de ruído apenas se a gravação realmente tiver ruído.
4. Teste o clone com uma frase que inclua números e nomes próprios. Se o sotaque não estiver certo, substitua as amostras: não é possível corrigir as configurações do clone.

Com a API, basta um comando. Testei em 28/09/2026 com uma amostra de 10 segundos:

curl -X POST https://api.elevenlabs.io/v1/voices/add \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -F "name=Minha voz" -F remove_background_noise=false \
  -F files=@amostra.mp3

A resposta inclui um voice_id, que você usa depois para converter texto em fala. Explico como narrar textos mais longos com essa voz no artigo sobre o narrador de IA; para alterar a voz de uma gravação pronta, consulte o texto sobre o Voice Changer.

Quanto custa

Não gastei créditos para criar o clone IVC. Você paga por cada texto lido pelo clone, assim como acontece com as vozes prontas. Por exemplo, no Eleven v4 pela API, o custo é de US$ 0,08 por 1.000 caracteres; durante a promoção válida até 12 de outubro de 2026, era de US$ 0,022, sem impostos. Usei 326 créditos do Voice Design para criar três opções. O limite de vozes próprias varia conforme o plano: 3 no gratuito, 10 no Starter, 30 no Creator e 160 no Pro. A comparação completa dos planos está no artigo quanto custa o ElevenLabs, e você encontra uma visão geral dos recursos no guia do ElevenLabs.

Principais dúvidas

Quanto tempo de gravação é necessário para clonar uma voz no ElevenLabs?

A documentação recomenda de 1 a 2 minutos para a clonagem instantânea e de 30 a 180 minutos para a profissional. No meu teste com uma voz sintética limpa, apenas 10 segundos alcançaram similaridade de 0,990; com 2 minutos, o resultado foi 0,995.

A clonagem de voz no ElevenLabs é gratuita?

Não. O Instant Voice Cloning exige o plano Starter, de US$ 6 por mês; o Professional Voice Cloning exige o plano Creator, de US$ 22 por mês. Criar o clone IVC, por si só, não consumiu créditos no meu teste.

Posso clonar a voz de outra pessoa?

Apenas com o consentimento explícito dessa pessoa e de acordo com a legislação aplicável. O ElevenLabs não permite criar um clone profissional da voz de outra pessoa, nem mesmo com consentimento, porque exige a verificação de que a voz pertence ao titular da conta.

A voz clonada consegue falar português?

O clone funciona com modelos multilíngues, incluindo o Eleven v4. No meu teste, ele leu em polonês e em inglês, e a transcrição não apontou erros de conteúdo. O teste foi feito em polonês, não em português.

// continue lendoElevenLabs: voz em português e fluxo de narraçãoGuiasKandinsky 6.0 Video: gere vídeos com áudio na RTX 4090BenchmarksSkyReels V4: por que caiu do 1º para o 9º lugarBenchmarks