A explosão algorítmica nos permitiu criar imagens e música, mas também demonstrou certa força na transformação de voz para texto. Se alguém procura um subtítulo ou uma transcrição, há muitos serviços gratuitos disponíveis, mas a pergunta é: como funciona na direção oposta? Refiro-me ao text-to-speech, a clássica conversão de texto em voz que muitos usuários precisam com frequência. Hoje vamos explorar algumas plataformas online, estudar seus modos gratuitos de perto e, na medida do possível, comparar resultados.
Texto a Voz: Melhor a cada geração
Ainda me lembro bem quando a primeira versão do Dragon NaturallySpeaking chegou ao mercado. Tínhamos que lutar por horas para "treinar" o sistema e, com um pouco de sorte, ele acabava reconhecendo 25% das palavras. Hoje em dia, falar com um dispositivo e transmitir comandos verbais é tão simples que ninguém pensa no complexo processo evolutivo que nos trouxe até aqui.
A síntese de voz é ainda mais antiga (podemos pensar no vocoder dos Bell Labs ou em um computador IBM cantando "Daisy Bell" nos anos 60), mas com o surgimento de novos modelos baseados em inteligência artificial, não é loucura dizer que ela está no seu melhor momento. Na verdade, a conversão de texto em voz está mais próxima do que nunca, e hoje vamos explorar a oferta gratuita de algumas plataformas especialmente projetadas para essa tarefa.
Como converter texto em voz: ElevenLabs
O modo gratuito do ElevenLabs limita o processamento a dez mil caracteres mensais e não autoriza uso comercial, mas isso deve ser mais que suficiente para qualquer projeto pessoal. A lista de idiomas disponíveis se estende a 28, enquanto as vozes habilitadas na demo (máximo de 333 caracteres) são 29.
Essa demo não é impressionante apenas por si só, mas também nos permite baixar uma cópia do resultado em MP3. Para entrar na plataforma, o mais simples é usar credenciais do Google, e lá dentro encontramos parâmetros avançados como modelos alternativos, estabilidade e clareza. Agora, o ElevenLabs não é perfeito (algumas vozes convertem o 25 em "twenty-five" em vez de "veinticinco"), mas oferece um excelente ponto de partida para todo tipo de usuário.
Speechify
O Speechify é uma criatura diferente do resto. De certo ponto de vista, divide-se em duas partes: uma focada no text-to-speech tradicional, com nove vozes em espanhol, e a "webapp" completa, na qual devemos inserir texto, como um link para uma página web, um novo documento, um arquivo local, um documento físico escaneado ou uma cópia salva na nuvem. Em outras palavras, o Speechify é uma ferramenta de produtividade que nos ajudará a processar textos com mais velocidade.
O idioma espanhol conta com um total de doze vozes na webapp, e pessoalmente recomendo testar todas. As diferenças de qualidade podem ser muito importantes mesmo entre vozes semelhantes, e o controle de velocidade é essencial para otimizar os resultados. O Speechify não habilita o download do áudio no modo gratuito, mas nada nos impede de gravá-lo com uma ferramenta compatível em segundo plano.
Bark
O Bark é uma criação da Suno AI, plataforma muito mais conhecida por suas virtudes na hora de gerar música com inteligência artificial por meio da ferramenta Chirp. Sua tecnologia de text-to-speech é open source, e isso significa que qualquer entusiasta de Python pode mexer no código no GitHub, além de explorar demos, exemplos e outros detalhes técnicos.
A alternativa mais simples é, obviamente, dirigir-se ao servidor no Discord, entrar no canal da beta do Bark e começar a gerar vozes. Os comandos são divididos em /bark para ativar o motor, seguido por prompt (o texto que desejamos processar) e voice, no qual podemos lançar os dados usando a opção random ou escolher uma voz da lista. Em menos de um minuto, o Bark compartilha a conversa, disponível em MP3 e MP4.
Em resumo
Espero que esta seleção e suas amostras sirvam para ter uma ideia sólida sobre a conversão de texto em voz usando inteligência artificial e quais são as limitações mais importantes. Além das inevitáveis restrições nos perfis gratuitos, acredito que as condições são definitivamente adequadas para cobrir a maioria de nossas necessidades, sem gastar um único centavo.
