IA de voz: as 7 melhores ferramentas para clonar voz e criar locução em 2026 (com preços)

Uma IA de voz transforma texto em fala com entonação humana e, em muitos casos, clona a voz de uma pessoa a partir de poucos minutos de gravação. No marketing, isso vira locução de anúncio em minutos, vídeo de produto sem estúdio, URA que não soa robótica e dublagem para outros idiomas. O que separa as ferramentas raramente aparece na página de vendas: como cada uma pronuncia o português do Brasil, quanto custa uma hora de áudio e quem pode, de fato, clonar uma voz.

Este comparativo traz 7 ferramentas ativas em outubro de 2026, com preços conferidos nas páginas oficiais, o custo de uma hora de áudio em cada uma e o que a lei brasileira e as plataformas de anúncio exigem antes de você colocar uma voz clonada no ar.

Em resumo:

• A ElevenLabs tem a fala mais expressiva em PT-BR e clonagem instantânea self-service a partir de US$ 6/mês, mas uma hora de áudio sai perto de 10 vezes mais cara que nas APIs de nuvem.
• Para volume (URA, catálogo, notificações), Google, Microsoft Azure e Amazon Polly custam menos de US$ 2 por hora de áudio em outubro/2026, com vozes nativas em pt-BR.
• Nas grandes nuvens, clonar voz não é self-service: Google, Microsoft e OpenAI só liberam o recurso para clientes aprovados e exigem gravação de consentimento do dono da voz.
• A LGPD trata dado biométrico vinculado a uma pessoa como dado sensível, e a Constituição protege a reprodução da voz humana: clonar a voz de alguém exige autorização escrita e específica.
• Play.ht e Resemble AI saíram do mercado de geração de voz e não entram na lista.

Como escolher uma IA de voz

Uma locução de anúncio de 30 segundos e uma URA que fala 10 mil vezes por dia pedem ferramentas diferentes. Defina quatro pontos antes de comparar preço:

• Qualidade em PT-BR com o seu texto: toda ferramenta soa bem na demonstração. O teste real é o roteiro da sua marca.
• Modelo de cobrança: assinatura com créditos (ElevenLabs, Murf Studio) serve à produção criativa; cobrança por caractere ou token (Google, Azure, Amazon, OpenAI) serve a volume e integração.
• Clonagem e licença comercial: confira se o plano libera uso em anúncio e se a clonagem é self-service, por aprovação ou indisponível.
• Tempo real ou arquivo: agente de atendimento por voz exige latência baixa e streaming; locução de vídeo exige editor com controle de pausa e pronúncia.

O teste de pronúncia em PT-BR que leva 15 minutos

Rode o mesmo roteiro de cinco frases nas finalistas: um preço (“de R$ 1.299,90 por R$ 899 em 10 vezes”), um cupom com sigla (“use o cupom BF25”), um nome de produto em inglês, uma pergunta e uma frase longa com duas vírgulas. É nele que aparecem os erros típicos em português: número lido em inglês, sigla soletrada quando deveria ser lida como palavra, sotaque lusitano em vozes genéricas de “Portuguese”, pergunta com entonação de afirmação e pausa no lugar errado. Ferramentas com SSML ou dicionário de pronúncia corrigem a maioria desses casos.

As 7 melhores ferramentas de IA de voz em 2026

1. ElevenLabs

A ElevenLabs virou sinônimo da categoria: texto para voz, clonagem, dublagem automática, efeitos sonoros e agentes de voz numa mesma conta. Em PT-BR, tem vozes nativas na biblioteca e reproduz sotaque e emoção acima da média. O modelo mais recente, Eleven v4, é apresentado pela empresa como o mais expressivo da linha.

Preço (out/2026): Free US$ 0 (10 mil créditos/mês, sem licença comercial); Starter US$ 6/mês (30 mil créditos, licença comercial e clonagem instantânea); Creator US$ 22/mês (121 mil créditos e clonagem profissional); Pro US$ 99/mês (600 mil créditos); Scale US$ 299/mês; Business US$ 990/mês. No Multilingual v2, 1 caractere consome 1 crédito. Ver preços oficiais →

Prós: melhor expressividade em PT-BR desta seleção; clonagem self-service desde US$ 6; dublagem, agentes de voz e editor de projetos longos no mesmo lugar.

Contras: o maior custo por hora da lista; créditos compartilhados entre todos os produtos. A clonagem profissional só aceita a voz do titular da conta: segundo a documentação, nem com consentimento dá para criar o clone profissional de outra pessoa — ela precisa criar e verificar o clone na conta dela e compartilhar.

Melhor para: locução de anúncio, vídeo de marca, podcast e dublagem.

2. Google (Gemini TTS e Cloud Text-to-Speech)

O Google tem duas portas. Os modelos Gemini TTS aceitam instruções de estilo em linguagem natural (“fale animado, como num comercial de rádio”) e cobram por token. O Cloud Text-to-Speech cobra por caractere e tem as vozes Chirp 3 HD, com suporte a pt-BR.

Preço (out/2026): Gemini 3.8 Flash TTS: US$ 0,50 por milhão de tokens de texto e US$ 9 por milhão de tokens de áudio até 31/12/2026, dobrando para US$ 1 e US$ 18 a partir de 1º/01/2027 (cada segundo de áudio = 25 tokens). Chirp 3 HD: US$ 30 por milhão de caracteres, com 1 milhão grátis por mês. Clonagem (Instant Custom Voice): US$ 60 por milhão de caracteres. Preços do Cloud TTS → · Preços da API Gemini →

Prós: um dos menores custos por hora; controle de estilo por prompt; franquia gratuita generosa no Chirp 3 HD.

Contras: exige integração técnica, sem editor para o time de marketing; a clonagem é só para usuários aprovados pelo time comercial, com frase de consentimento gravada pelo dono da voz. No nível gratuito da API Gemini, a tabela oficial informa que os dados enviados são usados para melhorar os produtos do Google: não use esse nível com roteiro confidencial ou voz de pessoa real.

Melhor para: times com desenvolvedor que geram muito áudio (catálogo, notificações, URA).

3. Microsoft Azure AI Speech

Padrão em muitas centrais de atendimento corporativas, com vozes neurais em pt-BR e o controle por SSML mais completo desta lista (pausa, ênfase, velocidade, pronúncia de siglas e números).

Preço (out/2026): neural: US$ 15 por milhão de caracteres; Neural HD: US$ 22; 500 mil caracteres grátis por mês. Voz personalizada profissional: US$ 24 por milhão de caracteres, mais US$ 52 por hora de treinamento e US$ 4,03 por hora de hospedagem do modelo. Valores da tabela de varejo da Microsoft para a região East US; variam por região. Ver preços oficiais →

Prós: SSML completo; planos de compromisso para alto volume; contrato, região de dados e compliance corporativos.

Contras: a hospedagem da voz personalizada custa cerca de US$ 2.900/mês se o modelo ficar ativo 24 horas; o recurso é de acesso limitado, só para clientes atendidos diretamente pelo time de contas da Microsoft e casos de uso aprovados.

Melhor para: URA e atendimento em empresas que já operam na Azure.

4. OpenAI (vozes da API e GPT-Live)

A OpenAI vende vozes pela API e o GPT-Live, voltado a conversa por voz em tempo real. Atenção para quem integrou a API antiga: segundo a documentação oficial, os modelos tts-1, tts-1-hd e gpt-4o-mini-tts serão desligados em 6 de janeiro de 2027, com migração para o gpt-realtime-2.1-mini na Realtime API — outro fluxo de integração.

Preço (out/2026): GPT-Live: US$ 0,05 por minuto de sessão, cobrado por segundo (modelo e ferramentas à parte). gpt-realtime-2.1-mini: áudio a US$ 10 (entrada) e US$ 20 (saída) por milhão de tokens. Ver preços oficiais →

Prós: forte em conversa em tempo real; vozes criadas a partir de descrição em texto, sem gravação e sem custo de criação.

Contras: teste o sotaque em PT-BR antes de usar em peça de marca; a voz personalizada a partir de gravação é restrita a clientes elegíveis, exige gravação de consentimento e aceita até 20 vozes por organização. A política de uso obriga a avisar o usuário de que a voz é gerada por IA.

Melhor para: agentes de atendimento por voz e assistentes conversacionais.

5. Amazon Polly

O serviço de voz da AWS é barato e estável para volume. Tem seis vozes em pt-BR — Camila, Vitória, Ricardo, Thiago, Carolina e Leo —, em motores padrão, neural e generativo, conforme a lista oficial de vozes.

Preço (out/2026): padrão: US$ 4 por milhão de caracteres; neural: US$ 16; generativo: US$ 30; long-form: US$ 100. Franquia de 1 milhão de caracteres neurais por mês nos primeiros 12 meses; o áudio gerado pode ser reutilizado sem custo extra. Ver preços oficiais →

Prós: preço baixo e previsível; integração com Amazon Connect (central de atendimento); SSML e dicionário de pronúncia.

Contras: sem clonagem self-service; vozes mais “de sistema” em peças emocionais; sem editor visual.

Melhor para: URA e mensagens transacionais para quem já está na AWS.

6. Murf AI

A Murf combina um estúdio de locução para quem não é técnico (linha do tempo, sincronia com vídeo e slides) com uma API de baixo custo, a Falcon. A empresa afirma que as vozes em português foram treinadas com falantes nativos, com opções separadas para Brasil e Portugal.

Preço (out/2026): API Falcon: US$ 0,01 por minuto, segundo a página oficial. Estúdio: Creator a cerca de US$ 29/mês (US$ 19 no anual) e Business a cerca de US$ 99/mês (US$ 66 no anual); clonagem só no Enterprise, sob consulta. Valores do estúdio conferidos em fontes secundárias — a página oficial não permite leitura automatizada; confirme no link. Ver planos →

Prós: estúdio fácil; pt-BR e pt-PT separados; menor custo por minuto desta seleção; áudio dos planos pagos liberado para uso comercial.

Contras: clonagem só no plano corporativo; franquias de horas divergem entre as fontes, o que dificulta prever o custo do estúdio.

Melhor para: treinamentos e vídeos explicativos feitos pelo próprio time de marketing.

7. Speechify

O Speechify nasceu como leitor (transforma PDFs, e-mails e páginas em áudio) e ganhou o Speechify Studio, para locução e dublagem. São produtos com preços separados.

Preço (out/2026): leitor Premium: US$ 29/mês no plano mensal, com mais de 1.000 vozes e 60 idiomas. Studio: sob consulta — as fontes secundárias divergem sobre planos e valores. Ver preços oficiais →

Prós: o melhor desta lista para ouvir materiais longos; uso comercial das vozes do Studio, segundo a empresa.

Contras: o produto principal é um leitor, não uma ferramenta de produção; preço do Studio pouco transparente.

Melhor para: quem quer consumir conteúdo em áudio.

Ficaram de fora: Play.ht e Resemble AI

Ainda aparecem em listas de “melhores IAs de voz”, mas não vendem mais geração de voz. O domínio do Play.ht não responde (teste em 23/10/2026); segundo a imprensa de tecnologia, o time foi incorporado pela Meta em 2025 e a plataforma, encerrada. A Resemble AI informa que parou de oferecer geração de voz como produto comercial para focar em detecção de deepfake e marca d’água. Quem dependia de uma das duas tem migração direta para a ElevenLabs (criativo) ou para uma API de nuvem (volume).

Tabela comparativa de IA de voz (outubro/2026)

Ferramenta	Cobrança	Preço de entrada	Clonagem de voz	Interface
ElevenLabs	Assinatura com créditos	US$ 6/mês (com licença comercial)	Self-service; profissional só da própria voz	Editor + API
Google	Por token ou caractere	1 milhão de caracteres grátis/mês (Chirp 3 HD)	Só usuários aprovados	API
Microsoft Azure	Por caractere	500 mil caracteres grátis/mês	Acesso limitado, por aprovação	API + Speech Studio
OpenAI	Por minuto ou token	US$ 0,05/min (GPT-Live)	Só clientes elegíveis	API
Amazon Polly	Por caractere	US$ 4/milhão de caracteres	Não self-service	API
Murf AI	Assinatura ou por minuto	US$ 0,01/min (API Falcon)	Só no Enterprise	Estúdio + API
Speechify	Assinatura	US$ 29/mês (leitor)	No Studio (sob consulta)	App + Studio

Quanto custa uma hora de áudio em cada IA de voz

Preço por caractere, por token e por crédito não se comparam a olho. Convertendo tudo para uma hora de áudio, a diferença fica clara. Exemplo hipotético: locução a 150 palavras por minuto, cerca de 900 caracteres por minuto ou 54 mil por hora, com preços oficiais de outubro/2026, antes de franquias gratuitas e impostos.

Ferramenta e modelo	Como cobra	Custo estimado por hora
Murf AI — API Falcon	US$ 0,01/min	≈ US$ 0,60
Microsoft Azure — neural	US$ 15/milhão de caracteres	≈ US$ 0,81
Google — Gemini 3.8 Flash TTS (até 31/12/2026)	US$ 9/milhão de tokens de áudio	≈ US$ 0,82
Amazon Polly — neural	US$ 16/milhão de caracteres	≈ US$ 0,86
Microsoft Azure — Neural HD	US$ 22/milhão de caracteres	≈ US$ 1,19
Google — Chirp 3 HD	US$ 30/milhão de caracteres	≈ US$ 1,62
OpenAI — GPT-Live	US$ 0,05/min de sessão	≈ US$ 3,00
ElevenLabs — Creator ou Pro	1 crédito por caractere	≈ US$ 9 a US$ 10

Na ElevenLabs, você paga perto de 10 vezes mais por hora em troca de expressividade. Numa locução de anúncio de 30 segundos, a diferença é de centavos e a qualidade decide. Numa URA com 200 mensagens ou num catálogo com 5 mil descrições narradas, a diferença vira linha de orçamento, e a API de nuvem costuma ser a escolha racional. Como o preço do Gemini 3.8 Flash TTS dobra em 1º de janeiro de 2027, refaça a conta antes de fechar um projeto longo.

Vai usar voz sintética em anúncios e quer saber se isso melhora o resultado da mídia? A Nação Digital ajuda empresas a testar criativos com método e a medir o efeito em receita, não em visualização. Fale com a Nação Digital.

Casos de uso de IA de voz no marketing

• Locução de anúncio: o ganho está em testar variações. Dez versões do mesmo roteiro, com vozes e chamadas diferentes, custam pouco e alimentam testes A/B em mídia e performance. O roteiro pode sair das ferramentas de IA para copywriting.
• Vídeo de produto e catálogo: narração para dezenas de SKUs, em que o custo por hora pesa e as APIs de nuvem ganham. Encaixa no fluxo das ferramentas de IA para criar vídeos e das ferramentas de edição de vídeo; avatares como os do HeyGen já trazem voz embutida.
• URA e atendimento: mensagem gravada vira texto editável — mudou o horário, regenera o áudio em segundos. Em conversa ao vivo, a voz é uma camada dos agentes de IA para atendimento, e latência e integração pesam tanto quanto o timbre.
• Podcast e conteúdo em áudio: artigos e relatórios viram episódios. Funciona para conteúdo informativo; em entrevista e opinião, a voz humana ainda gera mais confiança.
• Dublagem: levar um webinar para inglês e espanhol com a voz do apresentador. É o uso que mais exige cuidado jurídico, porque põe uma pessoa real dizendo palavras que ela não disse.

Clonar voz com IA é legal? Os riscos no Brasil

Clonar a própria voz, ou a de alguém que autorizou por escrito, é prática aceita pelas próprias plataformas. Sem autorização, a empresa se expõe em três frentes. Este conteúdo não é parecer jurídico: ele aponta riscos para levar ao seu jurídico antes de produzir.

Constituição, Código Civil e direito autoral

O artigo 5º, inciso XXVIII, da Constituição Federal protege a “reprodução da imagem e voz humanas”. O artigo 20 do Código Civil permite que a pessoa proíba, salvo autorização, a transmissão da sua palavra e o uso da sua imagem, com indenização quando o uso é comercial. Se a voz é de locutor ou ator, entra a Lei de Direitos Autorais (Lei 9.610/1998): o artigo 90 dá ao artista intérprete o direito exclusivo de autorizar ou proibir a fixação e a reprodução das suas interpretações.

LGPD: quando a voz vira dado sensível

A voz de uma pessoa identificável é dado pessoal. A LGPD (Lei 13.709/2018), no artigo 5º, inciso II, classifica como sensível o “dado genético ou biométrico, quando vinculado a uma pessoa natural”. Um modelo de clonagem captura características únicas da voz, o que aproxima o tratamento da categoria biométrica; a postura prudente é tratá-lo como sensível. Aí, o artigo 11 exige consentimento “de forma específica e destacada, para finalidades específicas” — um termo genérico de cessão de imagem não cobre a criação de um clone de voz.

A autorização deve prever, no mínimo:

1. Finalidade: quais peças e canais (anúncio, URA, vídeo, dublagem).
2. Prazo, território e remuneração.
3. Como o titular revoga o consentimento e o que acontece com as peças no ar.
4. Onde o clone fica guardado, quem acessa e quando é apagado.
5. O que a voz nunca pode dizer (política, depoimento, promessa de produto).

Dois casos pedem atenção redobrada. Na voz de funcionário ou executivo, o consentimento dado dentro da relação de emprego pode ser questionado como não totalmente livre, e o contrato precisa dizer o que acontece com o clone quando a pessoa sai. Na imitação de voz famosa, mesmo sem clonar o áudio original, uma voz “parecida” com a de uma celebridade em anúncio pode gerar disputa por uso indevido de imagem.

O que as plataformas exigem de mídia sintética

• Google Ads: anunciantes eleitorais verificados devem divulgar de forma clara o conteúdo sintético que retrata pessoas ou eventos reais de modo inautêntico, inclusive em áudio.
• Meta: anúncios sobre temas sociais, eleições ou política com áudio realista criado ou alterado digitalmente para mostrar uma pessoa real dizendo o que não disse exigem divulgação.
• YouTube: exige sinalizar conteúdo realista gerado ou alterado com IA, como fazer parecer que alguém deu um conselho que não deu; clonar a própria voz para narração ou dublagem dispensa o aviso.
• TikTok: as diretrizes da comunidade exigem rótulo em conteúdo de IA que mostre cenas ou pessoas realistas; sem rótulo, o conteúdo pode ser removido ou restrito.

A regra que protege a marca: só clone vozes com autorização escrita e específica, avise quando o atendimento for feito por voz sintética e nunca ponha palavras na boca de uma pessoa real sem que ela aprove o roteiro.

Qual IA de voz escolher por perfil

• Anúncios e vídeos de marca: ElevenLabs, pela expressividade em PT-BR e pela clonagem self-service com licença comercial.
• Time sem apoio técnico, com treinamentos e vídeos explicativos: Murf AI.
• Alto volume (URA, catálogo, notificações): Google, Azure ou Amazon Polly — a nuvem que a empresa já usa, a menos de US$ 2 por hora de áudio.
• Agente de voz em tempo real: OpenAI (GPT-Live) ou os agentes de voz da ElevenLabs, avaliados junto com a integração ao sistema de atendimento.
• Ouvir conteúdo, e não produzir: Speechify.

Perguntas frequentes sobre IA de voz

Qual a melhor IA de voz em português do Brasil?

Para locução de marca, a ElevenLabs é a referência em outubro de 2026. Para volume com custo baixo, Google, Microsoft e Amazon têm vozes neurais nativas em pt-BR. Decida rodando o mesmo roteiro, com preço, sigla e uma pergunta, nas finalistas.

Existe IA de voz gratuita para uso comercial?

Há franquias gratuitas nas APIs: 1 milhão de caracteres por mês no Chirp 3 HD do Google, 500 mil na Azure e 1 milhão de caracteres neurais por mês no primeiro ano da Amazon Polly. O plano gratuito da ElevenLabs não inclui licença comercial; para anúncio, ela começa no Starter, de US$ 6/mês.

É crime clonar a voz de alguém?

Clonar sem autorização viola direitos garantidos pela Constituição, pelo Código Civil e pela LGPD e pode gerar indenização. Usar a voz clonada para enganar alguém e obter vantagem pode configurar crime, como estelionato. Para uso comercial, consulte o jurídico e formalize a autorização por escrito.

Preços atualizados em outubro/2026; confira o valor atual no link oficial de cada ferramenta antes de contratar.

---

Escolheu a ferramenta e quer transformar voz sintética em criativos que vendem mais, com teste e medição de verdade? A Nação Digital ajuda empresas a planejar, produzir e medir campanhas pelo que importa: receita. Fale com a gente →