Texto para Fala

Sobre a Ferramenta de Texto para Fala

Este leitor de texto para fala usa a Web Speech API integrada aos navegadores modernos, então cada palavra é reproduzida localmente no seu dispositivo. Nenhum texto é enviado para um servidor, nada fica armazenado fora do seu computador e a ferramenta funciona offline depois que a página termina de carregar. Escolha qualquer voz que o sistema operacional ofereça, ajuste a velocidade, o tom e o volume e acompanhe a palavra atual sendo destacada em tempo real. Ideal para revisar rascunhos escritos, treinar pronúncia em outro idioma, criar locuções rápidas e tornar conteúdos mais acessíveis para quem tem dificuldade com blocos longos de texto.

Como esta ferramenta de texto para fala funciona?

A ferramenta chama a interface window.speechSynthesis embutida no navegador, parte da Web Speech API do W3C. Quando você clica em Falar, o texto é entregue ao motor de voz do sistema operacional: Microsoft Speech Platform no Windows, AVSpeechSynthesizer no macOS e iOS, Google Text-to-Speech no Android e Chromebooks, ou eSpeak NG em várias distribuições Linux. O motor gera as ondas sonoras localmente e reproduz pelos alto-falantes. Nenhum dado sai do seu dispositivo, por isso a ferramenta é totalmente privada e funciona offline assim que a página é carregada. A lista de vozes depende do sistema operacional, então cada máquina exibe um conjunto diferente.

Por que vejo vozes diferentes em cada aparelho?

As vozes não acompanham o site, elas vêm do sistema operacional, navegador e pacotes de idioma instalados. O Windows 11 normalmente traz Microsoft Daniel e Maria em português, além de uma voz por idioma da interface. O macOS adiciona vozes Siri e clássicas como Joana, Luciana e Felipe. Aparelhos Android usam o Google Text-to-Speech, que pode baixar vozes de alta qualidade sob demanda. Para conseguir mais vozes, abra as configurações do sistema operacional, procure por Voz, Acesso por voz ou Pacote de idiomas e instale as opções desejadas: elas aparecerão neste seletor da próxima vez que recarregar a página.

O que os controles de velocidade, tom e volume fazem?

Velocidade controla o quão rápido a voz fala, de 0,5x (metade) a 2,0x (o dobro). O valor 1,0 é o ritmo natural da voz, em torno de 150 a 180 palavras por minuto. Tom muda a frequência fundamental: 0 soa grave e rouco, 1,0 é o tom natural e 2,0 fica agudo demais, parecendo voz de desenho animado. Volume vai do silêncio (0) ao máximo (1,0); é independente do volume do sistema, então ajuste os dois em conjunto. Muitos ouvintes preferem 1,1x com tom levemente mais baixo para escutas longas, porque cansa menos o ouvido.

Posso salvar a fala como arquivo MP3 ou WAV?

Diretamente não. A Web Speech API só permite reprodução; ela não devolve a forma de onda em si para o JavaScript, então a página não consegue codificar a fala em arquivo. Trata-se de uma restrição deliberada do navegador para proteger as vozes proprietárias do sistema operacional. Para capturar a fala, use a gravação de tela integrada (Game Bar no Windows, QuickTime Player no macOS, Captura de Tela no Chromebook) ou um cabo de áudio virtual com qualquer gravador grátis enquanto a ferramenta toca. Se precisa de exportação automatizada, use um serviço em nuvem como Amazon Polly, Google Cloud TTS ou Microsoft Azure Speech — retornam MP3 ou WAV, mas são pagos.

Por que o Chrome corta a fala em textos longos?

O Chrome tem um limite conhecido de cerca de 15 segundos por enunciado e pode silenciar trechos longos. A ferramenta minimiza isso enviando cada clique em Falar como um único enunciado e chamando resume() logo após speak(), o que mantém o motor ativo em versões recentes do Chrome. Se mesmo assim o texto for cortado, divida parágrafos longos em blocos menores e clique Falar para cada um, ou troque para o Microsoft Edge — ele usa vozes Azure de alta qualidade sem esse limite. Firefox e Safari lidam bem com textos longos. Pausar e retomar várias vezes pode fazer o Chrome perder a fila; a recuperação mais segura é clicar Parar e Falar novamente.

Como controlo pronúncia e pausas?

A maioria dos navegadores não aceita SSML, então o ritmo precisa ser controlado pela pontuação. Vírgulas inserem uma pausa curta de cerca de 150 ms, ponto e vírgula e travessões geram pausas médias, ponto final e interrogação adicionam parada mais longa com entonação. Para forçar um silêncio de vários segundos, coloque reticências ou uma linha de pontos isolada. Para corrigir pronúncia, reescreva foneticamente as palavras difíceis — por exemplo, 'Vietnam' como 'vi-é-tinã' ou 'IPv6' como 'I P V seis'. Siglas em maiúsculas costumam ser lidas letra a letra, enquanto palavras com maiúsculas e minúsculas misturadas são lidas como uma única palavra.

A ferramenta é mesmo privada?

Sim. Todo o processamento acontece dentro da aba do navegador, usando o motor de voz local do sistema operacional. O texto que você digita não sai do seu computador: não é enviado para nosso servidor, nem para plataformas de analytics, nem para serviços de TTS externos. Você pode confirmar abrindo as ferramentas de desenvolvedor, indo até a aba Rede e clicando em Falar — nenhuma requisição é feita. A única exceção são as vozes 'natural' do Chromebook, entregues pela rede pelo Google e identificadas pela palavra natural no nome; se a privacidade for crítica, desmarque essas e escolha uma voz marcada como local ou padrão do sistema.

Quais são as melhores configurações para gravar uma locução?

Para uma narração provisória limpa, comece com uma voz natural ou neural: no Edge procure as vozes Microsoft 'Online (Natural)', no macOS as vozes da Siri e no Android as vozes de rede do Google, todas bem mais humanas que as antigas vozes do eSpeak. Ajuste a velocidade entre 0,95x e 1,1x: um pouco abaixo de 1,0 lê de forma mais pausada e é mais fácil de editar, enquanto um pouco acima mantém a energia em vídeos explicativos. Deixe o tom em 1,0, a menos que queira um personagem mais grave ou mais brilhante, e coloque o volume em 100% para o gravador captar o sinal mais forte; depois ajuste os níveis. Como a Web Speech API não exporta áudio diretamente, direcione a reprodução para o gravador do sistema: no Windows use a Game Bar ou um cabo de áudio virtual para o Audacity, no macOS grave o áudio do sistema com o QuickTime. Cuide da pontuação — vírgulas e pontos controlam o seu ritmo e as suas respirações — e use o destaque de palavras ao vivo para acompanhar o texto e identificar termos mal pronunciados antes de gravar.

Como leio documentos muito longos sem o áudio cortar?

Deixe a chave 'Dividir texto longo automaticamente' ativada (ela já vem ligada por padrão). Em vez de enviar o documento inteiro como uma única requisição — que o Chromium interrompe silenciosamente após cerca de 15 segundos — a ferramenta divide o texto em trechos do tamanho de uma frase usando o segmentador de frases do navegador e os reproduz em sequência, reaplicando a sua voz, velocidade, tom e volume a cada trecho. Frases muito longas ainda são quebradas na vírgula ou no espaço mais próximo para que nenhum trecho atinja o limite do motor. A barra de progresso e o destaque dentro do texto se baseiam na posição real informada pelo motor de voz, não em uma estimativa por relógio, então permanecem precisos em qualquer velocidade, voz ou idioma — inclusive vozes não inglesas em que contar palavras não é confiável. Assim, um artigo de 5.000 caracteres, um capítulo ou um roteiro inteiro são lidos do início ao fim no Chrome, Edge, Firefox e Safari sem precisar clicar parágrafo por parágrafo. Se algum dia precisar do comportamento clássico de enunciado único, basta desligar a chave.

Quem se beneficia mais do texto para fala?

Redatores usam para revisar textos, porque o ouvido percebe frases desajeitadas e palavras faltando que os olhos passam batido. Estudantes de idiomas usam para escutar a pronúncia nativa de listas de vocabulário. Pessoas com dislexia, TDAH ou baixa visão usam como ferramenta de leitura assistida. Podcasters e youtubers criam locuções rápidas como narração provisória. Professores transformam apostilas em versões em áudio para acessibilidade. Desenvolvedores testam interfaces com saída parecida com leitor de tela. Motoristas e quem fica em trânsito convertem artigos em áudio para ouvir sem usar as mãos. A ferramenta é propositalmente leve e gratuita para que qualquer pessoa — inclusive com internet lenta ou hardware antigo — possa usá-la sem cadastro, sem pagar e sem instalar nada.