Como clonar a voz do ElevenLabs e usar de graça no LMNT

O problema do ElevenLabs não é qualidade, é preço. A conta gratuita trava em poucos milhares de caracteres, e o plano pago é inviável para quem está começando ou desempregado. Só compensa depois que um canal monetiza, e olhe lá.

A saída é combinar as duas pontas: gerar uma voz de altíssima qualidade no ElevenLabs usando só a conta gratuita, e depois clonar essa voz no LMNT, onde a geração é gratuita e ilimitada.

Por que o problema é específico do português

As vozes nativas do LMNT em inglês já são muito boas. Talvez você nem precise clonar nada.

Em português a história muda. Nossa fonética é complexa, e é justamente aí que as IAs de voz falham mais. As vozes femininas do LMNT em português são melhores que as masculinas, mas ainda assim faltam nuances que uma voz clonada carrega.

O agente que faz o trabalho pesado

O fluxo usa um agente próprio, feito especificamente para vozes em português, com estudo de fonética, agudos e graves. Ele está disponível de graça no canal Prompt Sem Filtro do Discord, com a base de conhecimento, as instruções e um guia de uso.

Ele funciona em qualquer plataforma. No Gemini, você cria um Gem novo (o de baixo, não o do laboratório), cola as instruções e anexa a base de conhecimento. No ChatGPT, o processo é equivalente. No vídeo ele roda dentro do Perplexity.

Uma dica sobre o modelo: como a tarefa não é complexa, quase qualquer modelo dá conta. Prefira um que consulte a internet, porque assim ele valida informação técnica sobre voz e narração em vez de chutar.

O agente responde em sete blocos, e conferir se os sete estão lá é a maneira rápida de saber se ele funcionou direito.

A regra que muda tudo: contexto antes da voz

Faça as vozes já pensando no seu canal específico. Você tem que ter todo o planejamento do canal primeiro.

Quanto mais contexto no prompt, melhor. Um exemplo real usado no vídeo:

Quero uma voz masculina em português do Brasil para canal de true crime. Perfil de 32 anos, tom sombrio, narrativo, envolvente, com ritmo que alterna entre calmo e denso conforme o texto.

E lembre da regra antiga: a voz precisa estar de acordo com as emoções do roteiro, do canal e dos seus objetivos. Voz boa no vazio não existe, existe voz certa para aquele conteúdo.

Escolhendo a voz no ElevenLabs

Crie a conta gratuita, pule as telas de onboarding e vá em Playground → Text to Speech.

Escolha o modelo V2, não o V3. Isso é contraintuitivo, porque o V3 é mais avançado e aceita tags de emoção entre colchetes. Mas o objetivo aqui não é gerar a narração final, é clonar uma voz. Você quer uma amostra balanceada, sem exagero, para o LMNT aprender bem.

Para filtrar as vozes:

Digite “Brasil” no campo de busca. Filtrar por “português” no seletor de idioma mistura com Portugal.
Use os filtros de gênero e de idade (meia-idade costuma ser o meio-termo mais útil).
Use também o filtro de categoria, escolhendo narração quando o seu canal for de contar história.

Um aviso prático: várias das melhores vozes são exclusivas do plano pago. Se você tiver como, vale assinar um único mês (ou usar o período de teste) só para clonar de uma vez todas as vozes pagas que interessam. Mas existe voz boa o bastante entre as gratuitas, e dependendo do nicho o público é bem menos criterioso do que você imagina.

Os parâmetros de clonagem

O agente devolve valores técnicos justificados. No exemplo do vídeo:

Parâmetro	Valor	Por quê
Velocidade	93%	Voz mais lenta captura melhor o ritmo narrativo na clonagem
Estabilidade	68%	Equilíbrio entre consistência e naturalidade
Similaridade	88%	Fidelidade alta à voz de origem
Style Exaggeration	desligado	Altera demais a voz original
Speaker Boost	desligado	Mesmo motivo

Os dois últimos são a armadilha mais comum. Eles mudam significativamente a voz, e você quer o oposto: o áudio base precisa ser limpo para a clonagem sair boa.

O agente também gera, no bloco 5, um roteiro de teste específico para o seu canal, com a temática certa e considerações sobre a fonética do português. Não é texto aleatório, e é por isso que o contexto no prompt importa tanto.

A economia de créditos

Uma geração dessas consome cerca de 2 mil créditos dos 10 mil da conta gratuita. Ou seja: você clona aproximadamente 5 vozes por e-mail cadastrado.

E tem um detalhe que muita gente não conhece: o botão Regenerate Speech te dá até duas tentativas extras sem gastar crédito nenhum. Se não gostou, regenere antes de queimar créditos novos.

Quem tem plano pago pode exportar em WAV em vez de MP3, que é a melhor qualidade para clonar.

Organize os arquivos desde o começo

Uma convenção simples que evita você ficar ouvindo dezenas de arquivos depois:

masculino-32anos-juliano-truecrime.mp3

Gênero, idade aproximada, nome do narrador original no ElevenLabs, e uma descrição livre (true crime, narrador, locutor). Adapte ao seu gosto, mas tenha um padrão.

Clonando no LMNT

A parte final é rápida:

Acesse o LMNT e vá em Voice Cloning.
Arraste o MP3 gerado. A leitura leva cerca de 10 segundos. (Se der erro, é porque a sessão expirou; arraste de novo.)
Dê um nome descritivo, igual ao do arquivo.
Escolha o gênero e clique em criar. Leva de 10 a 15 segundos.
Clique em usar voz.
Cole o texto de teste do bloco 6 do agente. Ele detecta o idioma automaticamente.

Pronto. Voz de qualidade ElevenLabs, geração gratuita e ilimitada.

As limitações reais

Duas, e vale saber antes:

Limite de caracteres por geração, em torno de 2.500, o que dá aproximadamente 2 a 3 minutos de áudio. Para um vídeo de uma hora você precisa repartir. Existem extensões que automatizam isso.
A gravação da própria voz também é opção no LMNT. Dá para usar o mesmo agente para gerar os textos que você vai ler, e aí a voz fica com o seu jeito de verdade.

Se alguma palavra sair mal pronunciada, volte ao agente e diga exatamente quais foram. Ele reescreve o texto de treino e sugere ajustes. Aí você regenera no ElevenLabs e repete até ficar bom.

Assista ao vídeo