Ao narrar um vídeo curto, o problema mais comum não é a falta de som, e sim som e imagem dessincronizados: a locução ainda lê a frase anterior enquanto a imagem já cortou para o próximo plano; ou a imagem parou no close do produto e a locução terminou faz tempo. A ordem certa é a inversa: primeiro veja como o vídeo foi editado, depois decida o que cada trecho da locução diz e por quanto tempo. O texto para voz do PixMind transforma cada trecho do roteiro em MP3, e a locução só encaixa na imagem com o trabalho de divisão feito antes de escrever.
Abrir Texto para voz, deixe o vídeo editado à mão, gere e baixe cada trecho da locução separadamente e então leve ao editor.
Pontos-chave
- Divida a locução pelos segmentos da imagem antes de escrever; cada trecho carrega uma única informação e a duração segue a imagem.
- Limite de caracteres por geração: 100 caracteres sem login e no plano gratuito, 10000 para membros pagos; a página mantém apenas um resultado por vez, então gere e baixe trecho por trecho.
- A duração vem do resultado gerado: a barra de reprodução mostra o tempo total de cada áudio; meça um trecho primeiro e depois monte o vídeo inteiro, sem fórmulas de conversão de caracteres em segundos.
- A integração da locução ao vídeo é uma etapa de edição externa; as legendas, depois da trilha final, são geradas do vídeo concluído com a ferramenta de transcrição de vídeo.
Divida a locução pelo ritmo da imagem
O primeiro gesto da narração não é digitar, é assistir. Veja o vídeo editado duas vezes: na primeira, memorize a ordem dos planos; na segunda, repita mentalmente junto com a imagem para sentir quantas frases cada segmento comporta; então divida o vídeo pela função dos planos.
Num vídeo de produto de cerca de 15 segundos, a divisão é abertura, demonstração e encerramento:
| Trecho | Conteúdo da imagem | Tarefa da locução | Duração aproximada |
|---|---|---|---|
| Abertura | O produto chega à mesa e a câmera aproxima | Uma frase dizendo o que é e para quem | Cerca de 3 segundos |
| Demonstração | Três planos de ação: encher, fechar a tampa, ligar | Uma frase por ação, na ordem certa | Cerca de 8 segundos |
| Encerramento | Close do resultado e logotipo congelado | Uma frase com a chamada para ação | Cerca de 3 segundos |
A duração de cada trecho vem da própria imagem: a locução preenche essa janela, e não a imagem esperando a locução. Escrever um texto longo e depois espremer na imagem costuma deixar só a saída de acelerar a voz de qualquer jeito, o que degrada a audição na hora; ler uma apresentação de 300 caracteres costuma levar mais tempo que o vídeo inteiro.
A divisão em trechos tem ainda um efeito prático: a geração tem limite de caracteres — até 100 por vez sem login e no plano gratuito, estendido a 10000 para membros pagos. Cada trecho de locução derivado do storyboard costuma ficar bem abaixo do limite, um trecho por arquivo, ideal para gerar em sequência.
Reescreva o roteiro para ser ouvido, não lido
No vídeo curto, o espectador ouve a locução, não a lê. Na prática de escrita, duas coisas pesam mais.
Primeira: corte o que a imagem já explica. Se a imagem mostra a tampa sendo rosqueada, a locução não precisa dizer 'agora feche a tampa'; se o plano já é o close do resultado, não cabe repetir 'veja como ficou cremoso'. A locução diz apenas o que a imagem não consegue: nome, uso e a razão por trás de cada gesto.
Segunda: uma ideia por frase e pontuação controlando as pausas. Vírgula é pausa curta, ponto é respiração; frases curtas acompanham melhor os cortes e dão ao ouvinte tempo de processar.
Veja o trecho de demonstração. Rascunho: 'Este produto é muito simples de usar e fica pronto em três passos: primeiro coloque as frutas no copo, depois rosqueie a tampa e por fim pressione o botão de ligar; em alguns segundos você desfruta de suco fresco.' Reescrito: 'Três passos. Frutas no copo, tampa rosqueada, botão apertado. Alguns segundos e o suco fresco está pronto.' A versão reescrita corta os enfeites, ganha pausas e cada frase calha exatamente com um plano de ação.
Aproveite para escrever números e códigos como quer ouvi-los. Se quer que soe por extenso, escreva 'três' com todas as letras; se a leitura conjunta de letras e números do código soa natural, confira pelo resultado gerado.
Ouça antes de escolher a voz
Não existe voz única certa: trocar o timbre no mesmo roteiro muda o clima do vídeo inteiro. O método é simples: com o mesmo trecho — a frase de abertura é uma boa escolha — gere a versão com dois timbres e decida depois de ouvir.
Na comparação, dois pontos. Um é o estilo do conteúdo: demonstrações de produto pedem vozes vivas e objetivas; conteúdos explicativos ganham com um tom estável e tranquilo. O outro é a clareza: preste atenção ao nome do produto, aos números e às junções de palavras — qual timbre não engole sílabas nem fica embolado importa mais que qual timbre é mais bonito.
A janela de vozes permite filtrar por motor e idioma, e passar o mouse sobre uma voz reproduz a amostra; a amostra só revela o clima do timbre — a decisão final vem do resultado gerado com o seu roteiro. Não presuma que um motor é o melhor para tudo: teste mais um ou dois e em poucos minutos a voz está escolhida.
Ajuste texto e velocidade pela duração real
Adivinhar se a locução tem o comprimento certo não funciona; o caminho prático é medir um trecho e depois montar o vídeo inteiro.
Depois de gerar a abertura, a barra de reprodução mostra a duração total do áudio; o download entrega um MP3 com nome começando em pixmind-tts- e marcação de data, que vale conferir de novo no player local ou na trilha do editor. Anote a duração dos três trechos e compare com os tempos de imagem do storyboard:
- Locução mais longa que a imagem: corte o texto primeiro. Remover enfeites dispensáveis e repetições funciona melhor que acelerar a voz — o que sai é peso, não clareza.
- Ainda um pouco fora: ajuste a velocidade aos poucos. A faixa varia por motor: o controle do motor da Microsoft vai de -100% a +100% (padrão 0), o Volcano Engine de 0.8x a 2.0x (padrão 1.0x) e o MiniMax de 0.5x a 2.0x (padrão 1.0x). Ajuste em passos pequenos e, a cada mudança, gere e ouça de novo.
- Locução mais curta que a imagem: não é preciso esticar a voz para preencher. Deixar um ou dois segundos de imagem sem locução costuma funcionar melhor que frase colada em frase.
Aqui vai fórmula de 'tantos caracteres equivalem a tantos segundos', porque ela não é confiável: cada timbre tem uma linha de base diferente de velocidade, pausas de pontuação e leitura de números mudam a duração real, e a mesma frase lida por dois timbres pode diferir em boa parte. Em vez de decorar fórmula, meça a abertura e use a duração real como referência.
Na geração por trechos, mantenha a consistência: todos os trechos do mesmo vídeo com o mesmo timbre e os mesmos parâmetros, para o ritmo ficar coeso. Ao trocar de motor, velocidade e volume voltam ao padrão — anote os valores ajustados antes; a página guarda só um resultado por vez, então gere um trecho, baixe e siga para o próximo.
Coloque a locução no editor e adicione legendas
O MP3 só vira vídeo final dentro de um editor; esta etapa acontece fora do PixMind, em qualquer software, com este fluxo geral:
- Crie o projeto e importe a imagem e os três MP3 da locução.
- Alinhe cada trecho à imagem correspondente segundo o storyboard, deixando uma pequena folga nos cortes para o som não ser picotado.
- Ouça do início ao fim e verifique se volume e ritmo entre os trechos são contínuos.
- Confirme e exporte o vídeo final.
As legendas vêm depois desta etapa e sempre a partir da trilha final. Usar o texto do roteiro direto como legenda desalinha a linha do tempo: depois de cortar frases e ajustar a velocidade, o início e o fim de cada frase já mudaram. O caminho é entregar o vídeo concluído com a locução à ferramenta de vídeo para SRT, gerar o arquivo de legendas com marcações de tempo a partir do próprio vídeo e voltar ao editor para conferir nomes próprios e pontuação.
Perguntas frequentes
Locução longa demais: mexo na velocidade ou no texto?
No texto primeiro. Cortar enfeites e o que a imagem já explica resolve a maioria dos casos; a velocidade é ajustada aos poucos só quando não há mais o que cortar, pois exagerar deixa a articulação apressada e perde o ritmo. Regenere após mudar e confirme pela duração na barra de reprodução.
Gero tudo de uma vez ou em trechos?
Divida pelos segmentos da imagem. Um roteiro longo e inteiro esbarra no limite de caracteres por geração — 100 por vez sem login e no plano gratuito, e o excedente não é gerado; a página também mantém só um resultado por vez, então o texto longo teria de ser baixado trecho por trecho de qualquer forma. Dividir pelo storyboard respeita o limite e faz cada duração casar com a imagem, e na correção só se mexe no trecho problemático.
Depois de gerar a locução, em que etapa faço as legendas?
Depois da locução aprovada e da trilha incorporada ao vídeo. Os tempos da legenda seguem o som final: gere com a ferramenta de vídeo para SRT a partir do vídeo montado, não com o rascunho anterior. Com o arquivo em mãos, volte ao editor e confira nomes próprios e pontuação.
Comece pela locução da abertura
Não espere o roteiro completo. Abra o vídeo já editado e escreva só a abertura: uma frase dizendo o que é e para quem. Cole no Texto para voz, gere, ouça, veja a duração. Se o primeiro trecho se sustenta, os demais são repetição do mesmo ciclo.
