Nós de áudio
Nós de áudio
O Spaces inclui um conjunto de nós de áudio que permitem gerar locuções, músicas e efeitos sonoros: tudo a partir de descrições em texto. Use-os para adicionar narração, trilhas sonoras e áudio ambiente aos seus fluxos de trabalho de vídeo sem precisar gravar ou licenciar nada
Este artigo é uma tradução. A versão em inglês é a versão de referência e a que prevalece em caso de dúvida.
Neste artigo
- Nós de áudio disponíveis
- Locução
- Modelos de locução
- Gerador de música
- Modelos de Gerador de música
- Efeitos sonoros
- Video Audio Mix
- Fluxo de trabalho de áudio típico
- Dicas de prompt
- Dicas e melhores práticas
Nós de áudio disponíveis
| Nó | O que faz |
|---|---|
| Locução | Converte texto em fala com som natural usando vozes de IA |
| Gerador de música | Compõe faixas musicais originais a partir de descrições de texto |
| Efeitos sonoros | Gera foley e sons ambientes com tecnologia de IA a partir de texto |
| Video Audio Mix | Combina várias faixas de áudio com vídeo |
Todos os nós de áudio são novas adições ao Spaces
Locução, Gerador de Música e Efeitos Sonoros estão sendo disponibilizados gradualmente e podem ainda não estar disponíveis em sua conta
Locução
O nó de Locução converte texto em fala com som natural. Escolha entre centenas de vozes de IA de vários provedores para narrar roteiros, criar diálogos ou produzir conteúdo de voz
Como usar o nó de Locução
Adicionar o nó
Adicione um nó de locução ao seu Spaces
Insira seu roteiro
Digite ou cole seu roteiro no campo de texto: ou conecte um nó de texto à porta de entrada
Selecione um modelo
Escolha ElevenLabs v2, ElevenLabs v3 ou Gemini 2.5 Pro
Escolha uma voz
Clique no chip de voz para abrir a biblioteca de vozes: navegue e ouça uma prévia das vozes antes de selecionar uma
Ajustar parâmetros
Defina a velocidade, a estabilidade e o aumento de similaridade, se necessário
Gerar
Defina o número de gerações de 1 a 10 e execute o nó
Parâmetros de voz
| Parâmetro | Intervalo | O que faz |
|---|---|---|
| Velocidade | 0,7x a 1,2x | Taxa de fala: valores menores são mais lentos, valores maiores são mais rápidos |
| Estabilidade | 0 a 1 | Consistência da voz: valores menores são mais expressivos, valores maiores são mais estáveis |
| Aumento de similaridade | 0 a 1 | O quanto a saída corresponde à voz selecionada |
Entrada e saída
O nó de locução aceita uma entrada de texto — seu roteiro — e gera uma saída de áudio — a locução gerada. Você pode digitar diretamente no cartão ou conectar um nó de texto para roteiros dinâmicos
Casos de uso
- Narração de vídeo: escreva um roteiro, gere uma locução e combine-a com seu vídeo usando o Video Audio Mix
- Criação de podcast: gere locuções para segmentos individuais e combine-os em um episódio completo
- Diálogo de personagem: use vários nós de locução com vozes diferentes e misture-os para cenas de conversa
- Vídeo com sincronia labial: gere uma locução e conecte a saída de áudio a um modelo de vídeo com sincronia labial para que seu personagem fale de forma sincronizada
Modelos de locução
Três modelos de IA estão disponíveis para geração de voz. Cada um tem pontos fortes diferentes: escolha aquele que combina com seu projeto
| Modelo | Provedor | Velocidade | Qualidade | Ideal para |
|---|---|---|---|---|
| ElevenLabs v2 Turbo | ElevenLabs | Rápido | Boa | Narração rápida, processamento em lote |
| ElevenLabs v3 | ElevenLabs | Moderada | Alta | Produção final, narração emocional |
| Gemini 2.5 Pro | Moderada | Alta | Conteúdo em vários idiomas, tom coloquial |
ElevenLabs v2 é a Option mais rápida. Use-a quando precisar gerar muitas locuções rapidamente ou iterar roteiros durante a produção. Ela oferece suporte aos parâmetros de velocidade, estabilidade e aumento de similaridade
ElevenLabs v3 oferece uma prosódia e entonação mais naturais que a v2: o ritmo, a ênfase e o tom emocional parecem mais próximos de uma leitura humana. Use-a para a saída final quando a qualidade for o mais importante. Os parâmetros são os mesmos da v2
Gemini 2.5 Pro se destaca em conteúdo em vários idiomas e entrega coloquial. Oferece suporte a temperatura, instrução do sistema e seleção de idioma. A configuração de múltiplos locutores é possível para saída em estilo de diálogo
O Gemini 2.5 Pro está em lançamento gradual e pode ainda não estar disponível para todos os usuários
Guia rápido: qual modelo escolher
| Você precisa | Use isto |
|---|---|
| Retorno rápido | ElevenLabs v2 |
| Melhor qualidade de áudio | ElevenLabs v3 |
| Múltiplos idiomas | Gemini 2.5 Pro |
| Narração emocional e expressiva | ElevenLabs v3 |
| Tom coloquial ou de diálogo | Gemini 2.5 Pro |
| Processamento em lote de muitos clipes | ElevenLabs v2 |
Gerador de música
O nó Gerador de Música cria música original a partir de descrições de texto. Descreva o clima, o gênero, o andamento e os instrumentos: a IA compõe uma faixa única
Como usar o nó Gerador de Música
Adicionar o nó
Adicione um nó Gerador de Música ao seu Spaces
Descreva sua música
Escreva uma descrição da música que você deseja no campo de prompt: ou conecte um nó de Texto à porta de entrada
Selecione um modelo
Escolha Google Lyria ou ElevenLabs Music
Defina a duração
Até 30 segundos para Lyria, até 10 segundos para ElevenLabs
Gerar
Defina o número de gerações de 1 a 10 e execute o nó
Entrada e saída
O nó Gerador de Música aceita uma entrada de Texto: sua descrição de música, e gera uma saída de áudio: a faixa gerada
Casos de uso
- Trilha sonora de vídeo: descreva um clima e gere uma faixa de plano de fundo, depois combine-a com seu vídeo usando o Video Audio Mix
- Música de introdução de podcast: gere uma introdução curta e personalizada com ElevenLabs Music
- Música de plano de fundo: crie loops lo-fi, ambientes ou específicos de um gênero para conteúdo
- Comparar estilos: escreva várias descrições de gênero, gere todas elas e escolha a que melhor se adapta ao seu projeto
Modelos de gerador de música
Dois modelos de IA estão disponíveis para geração de música, cada um otimizado para diferentes casos de uso
| Modelo | Provedor | Duração máxima | Ideal para |
|---|---|---|---|
| Google Lyria | 30 segundos | Música de plano de fundo, trilhas sonoras, ambiente, gêneros variados | |
| ElevenLabs Music | ElevenLabs | 10 segundos | Jingles, introduções, logos sonoros, loops curtos |
Google Lyria se destaca em composições mais longas com estrutura musical natural. Ele lida com uma ampla gama de gêneros e pode produzir peças com arranjos evolutivos: introduções, construções e transições
ElevenLabs Music é otimizado para peças curtas e concentradas. A saída é limpa e bem definida: ideal para elementos de marca, transições e clipes prontos para loop
Guia rápido: qual modelo escolher
| Você precisa | Use isto |
|---|---|
| Mais de 10 segundos | Google Lyria |
| Áudio curto e impactante | ElevenLabs Music |
| Instrumentação variada | Google Lyria |
| Geração rápida | ElevenLabs Music |
| Trilha sonora ou música de plano de fundo | Google Lyria |
| Jingle, introdução ou logo sonoro | ElevenLabs Music |
Efeitos sonoros
O nó de Efeitos sonoros gera áudio com tecnologia de IA a partir de descrições de texto. Descreva qualquer som — desde chuva em um telhado de zinco até o zumbido do motor de uma espaçonave — e a IA o criará. Use-o para adicionar atmosfera e foley a projetos de vídeo
Como usar o nó de Efeitos sonoros
Adicionar o nó
Adicione um nó de Efeitos sonoros ao seu Space
Descreva o som
Escreva uma descrição no campo de prompt ou conecte um nó de Texto à porta de entrada
Defina a duração
Escolha a duração desejada para o efeito sonoro
Ative o Loop se necessário
Ative o Loop para sons que precisam ser reproduzidos continuamente, como áudio ambiente ou de plano de fundo
Gerar
Defina o número de gerações de 1 a 10 e execute o nó
Entrada e saída
O nó de Efeitos sonoros aceita uma entrada de Texto — sua descrição de som — e gera uma saída de áudio — o efeito gerado
Casos de uso
- Foley de vídeo — descreva sons de cena, gere-os e adicione-os como uma camada ao seu vídeo com o Video Audio Mix
- Loops de ambiente — crie áudio de plano de fundo contínuo, como ambiente de cafeteria ou chuva, com o Loop ativado
- Introduções de podcast — crie uma identidade sonora única com vinhetas dramáticas ou sons de transição
- Áudio de jogo — gere sons de interface, ambiente ou efeitos de ação para prototipagem de jogos
Video Audio Mix
O nó Video Audio Mix combina várias faixas de áudio com um vídeo. Use-o como a etapa final do seu fluxo de trabalho de áudio: conecte sua locução, música e efeitos sonoros e, em seguida, misture-os com seu vídeo gerado ou enviado
Fluxo de trabalho de áudio típico
Um padrão comum para produzir vídeo narrado com trilha sonora no Spaces:
Escreva seu roteiro
Use um nó de Texto ou digite diretamente no nó de Locução
Gerar locução
O nó de locução converte seu roteiro em fala natural
Adicionar música
O gerador de música cria uma trilha de plano de fundo a partir de uma descrição de humor
Adicionar camadas de efeitos sonoros
O nó de efeitos sonoros gera áudio ambiente ou foley
Mixar tudo
Conecte todas as saídas de áudio e seu vídeo a um nó Video Audio Mix
Você pode conectar quantas fontes de áudio precisar antes de combiná-las com o vídeo final
Dicas de prompt
Prompts bons levam a um áudio melhor. Veja o que funciona para cada nó
Locução
Seu prompt de locução é o próprio roteiro: escreva-o exatamente como você deseja que seja falado. Mantenha as frases naturais e coloquiais. Se você precisar de um ritmo ou ênfase específicos, escolha o modelo certo e ajuste os parâmetros de voz em vez de tentar codificar instruções de entrega no texto
Gerador de música
Inclua gênero, clima, tempo e instrumentos para ter o máximo de controle
Peça orquestral cinematográfica, dramática, criando tensão, cordas e metais, 120 BPM
Violão folk acústico, caloroso e nostálgico, estilo fingerpicking, 90 BPM
Para ElevenLabs Music — peças mais curtas — mantenha as descrições focadas em um único clima ou propósito
Jingle eletrônico animado, alegre, sintetizador principal
Drone ambiente sombrio, sinistro, zumbido de baixa frequência
Efeitos sonoros
Seja descritivo e específico. Quanto mais detalhes você incluir, mais o resultado se aproximará do que você ouve em sua mente
Chuva forte em um telhado de zinco com trovões distantes: funciona melhor do que apenas chuva
Ambiente de cafeteria movimentada com conversas baixas e máquina de café expresso: funciona melhor do que sons de café
Dicas e melhores práticas
Ouça as vozes antes de escolher. A biblioteca de vozes inclui reprodução de amostra para cada voz: ouça antes de realizar a geração
Diminua a estabilidade para ter mais expressão. Se sua locução soar muito plana ou robótica, tente reduzir o parâmetro de estabilidade. Isso adiciona mais variação e alcance emocional à entrega
Gere múltiplas variações. A geração de áudio, especialmente música e efeitos sonoros, é altamente variável. Gere várias versões do mesmo prompt e escolha a melhor
Use o Loop para sons ambientes. Ative a opção de Loop no nó de efeitos sonoros quando precisar de áudio de plano de fundo contínuo, como chuva, tráfego ou ambiente de escritório
Rascunhe com a v2, finalize com a v3. Use a v2 da ElevenLabs para iteração rápida em roteiros e depois mude para a v3 para a locução final quando a qualidade for importante
Seja específico sobre o tempo nos prompts de música. Adicionar um valor de BPM como 120 BPM dá à IA um alvo concreto e produz resultados mais consistentes
Use múltiplos nós de locução para diálogos. Adicione vários nós de locução com vozes diferentes para criar cenas de conversa e depois combine-os com Video Audio Mix
Combine efeitos sonoros para paisagens sonoras ricas. Sobreponha múltiplos nós de efeitos sonoros, por exemplo, chuva mais tráfego distante mais eco interno, e misture-os para obter profundidade