Como fazer podcast com IA e narração com voz sintética

Passo a passo

1. Decida o formato e escreva o roteiro

   Comece pelo texto. Um bom áudio depende de um bom roteiro.

   • Formato: conversa entre duas vozes, narração de uma voz só ou resumo de um material que você já tem.
   • Roteiro: escreva você mesmo ou peça ajuda a um modelo de linguagem. Compare pelo menos dois modelos com o mesmo pedido e fique com o texto que soar mais natural lido em voz alta.
   • Ensaio por voz: o ChatGPT Voice ajuda a testar ideias, simular uma entrevista e revisar o roteiro conversando.

   Confira nomes, números e datas do roteiro antes de gravar. A IA pode gerar uma alucinação, que é uma resposta inventada dita com confiança.

2. Escolha o caminho: conversa-resumo ou narração do seu roteiro

   Há dois caminhos diferentes, e eles não fazem a mesma coisa.

   • Conversa-resumo a partir das suas fontes: o NotebookLM, do Google, gera uma visão geral em áudio, em formato de conversa, com base nos documentos que você carrega. Você não controla o texto palavra por palavra.
   • Narração do seu roteiro (TTS): ElevenLabs e Google Cloud Text-to-Speech leem exatamente o texto que você envia, com a voz que você escolher.

   O ChatGPT Voice é uma conversa por voz. Ele não foi feito para ler um roteiro longo de forma previsível, por isso não entra aqui como gerador de narração.

3. Gere uma conversa em áudio no NotebookLM

   1. Crie um caderno no NotebookLM e carregue as suas fontes. 2. Vá em Settings → Output Language e escolha Português (Brasil). A documentação do Google, atualizada em 26 de março de 2026, lista Português (Brasil) e Português (Portugal) entre os idiomas compatíveis com Audio Overviews. 3. Gere o Audio Overview e ouça tudo antes de compartilhar.

   Não encontramos fonte oficial atual sobre preço, número de vozes, controles de pronúncia ou direitos de uso comercial desse áudio. Use para estudo e uso pessoal. Para publicar, consulte primeiro os termos atuais do serviço (verificado em nov/2026).

4. Narre o roteiro na ElevenLabs

   1. Crie uma conta na ElevenLabs. 2. Escolha uma voz. A página de TTS fala em mais de 20.000 vozes. 3. Cole o roteiro e gere o áudio. Segundo a documentação de TTS, os modelos multilíngues v2 suportam 29 idiomas, incluindo Português (Brasil) e Português (Portugal). 4. Ouça e corrija palavras com pronúncia estranha, reescrevendo o trecho.

   Plano e licença: o plano gratuito é para uso pessoal e não comercial e exige atribuição à ElevenLabs. Os planos pagos incluem direitos comerciais para podcasts, vídeos do YouTube, anúncios e audiobooks. O Starter custa US$ 6 por mês após a oferta inicial exibida na página (verificado em nov/2026).

5. Narre o roteiro no Google Cloud Text-to-Speech

   Este caminho é uma API, ou seja, um serviço que um programa ou uma planilha chama para gerar o áudio. Exige uma conta no Google Cloud.

   1. Ative o Text-to-Speech no Google Cloud. 2. Escolha uma categoria de voz: Chirp 3 HD, Neural2, Polyglot (Preview) ou Gemini 3.8 Flash TTS (Preview). 3. Teste vozes em português. Não encontramos fonte oficial atual com a lista de vozes em português do Brasil, então ouça antes de decidir. 4. Envie o roteiro e baixe o arquivo de áudio.

   Na página de preços, atualizada em 30 de outubro de 2026, as vozes Chirp 3 HD e Neural2 têm de 0 a 1 milhão de caracteres incluídos antes da cobrança (verificado em nov/2026).

6. Se quiser usar a sua própria voz, clone só com consentimento

   A ElevenLabs oferece dois tipos de clonagem, segundo a documentação de clonagem de voz:

   • Clonagem Instantânea (IVC): menos de dois minutos de áudio podem produzir um clone utilizável. Pode soar diferente quando o estilo de fala muda muito, por exemplo de uma narração calma para uma emoção forte.
   • Clonagem Profissional (PVC): faz ajuste fino do modelo com as suas gravações. A empresa recomenda cerca de 30 minutos de áudio de alta qualidade. A documentação cita o plano Creator ou superior ao tratar do PVC.

   Clone apenas a sua voz ou a de alguém que deu autorização. Imitar uma pessoa real sem consentimento pode trazer problemas legais.

7. Revise, edite e publique

   • Ouça o áudio inteiro. Confira nomes próprios, números e siglas.
   • Junte trechos, música e efeitos no editor de áudio que você já usa.
   • Antes de publicar ou monetizar, confirme se o plano que você usou permite uso comercial.
   • Diga ao seu público que a voz foi gerada por IA. Isso evita confusão e preserva a sua credibilidade.

O que é texto para fala e o que cada ferramenta faz?

Texto para fala, ou TTS (text-to-speech), é a tecnologia que transforma um texto escrito em áudio com voz sintética. Para fazer podcast com IA, as ferramentas se dividem assim (verificado em nov/2026):

• NotebookLM Audio Overviews: cria uma conversa-resumo a partir das suas fontes. Não é uma API geral de texto para fala.
• ElevenLabs: estúdio e API de TTS, com clonagem de voz e produção de áudio.
• Google Cloud Text-to-Speech: API profissional de síntese de fala, cobrada por caractere ou por token.
• ChatGPT Voice: conversa por voz. Segundo as notas de versão da OpenAI, desde 30 de outubro de 2026 usa GPT-Live-1.1 para usuários pagos e GPT-Live-1.1 mini para usuários gratuitos, com melhorias em sotaques e uso multilíngue. Não encontramos fonte oficial atual que confirme uma voz dedicada ao português do Brasil.

Não encontramos fonte oficial atual sobre uma opção de pesos abertos ou local para TTS em português que permita a mesma comparação.

Quanto custa fazer podcast com IA? Comparação com os mesmos critérios

Preços e limites verificados em nov/2026. Atenção às unidades: cada empresa cobra de um jeito.

Como comparar ElevenLabs e Google. A ElevenLabs informa o preço por 1.000 caracteres. O Google informa por 1 milhão de caracteres (Chirp 3 HD também aparece como US$ 0,00003 por caractere). Para comparar, multiplique o preço por 1.000 caracteres por 1.000 e veja o valor por 1 milhão. A documentação de modelos da ElevenLabs cita um modelo mais rápido com preço 50% menor por caractere na API.

ChatGPT Voice. Segundo a página de ajuda, atualizada em 13 de novembro de 2026, Go e Plus têm 3 horas de voz e Business Standard tem 3 horas, com uso adicional a 1,25 créditos por minuto. Não encontramos fonte oficial atual com o preço em US$ dos planos Go e Plus. A página de preços lista Voice nos planos Free e Pro.

Posso publicar e ganhar dinheiro com o podcast feito com IA?

Depende da ferramenta e do plano. Há duas questões separadas:

1. Direito sobre o texto: você precisa ter autorização para transformar em áudio artigos, livros, entrevistas ou roteiros de outras pessoas. 2. Direito sobre a voz: clonar ou imitar uma pessoa identificável pode envolver consentimento, contratos, direito de publicidade e leis estaduais. Não encontramos fonte oficial atual de órgão regulador dos EUA que detalhe essas regras por estado americano.

O que as fontes oficiais dizem (verificado em nov/2026):

• ElevenLabs: planos pagos incluem direitos comerciais, e o usuário mantém a propriedade do áudio gerado, desde que tenha os direitos sobre o conteúdo de entrada. O plano gratuito é não comercial.
• NotebookLM e ChatGPT Voice: não encontramos licença específica para publicar o áudio como episódio.
• Google Cloud TTS: o uso segue os termos do Google Cloud; vozes personalizadas têm condições próprias.

Se o podcast vai gerar receita ou usa a voz de outra pessoa, converse com um advogado antes de publicar.

Para quem já é mais avançado: o que muda entre as APIs?

• Google Cloud: além das vozes cobradas por caractere, a página de preços lista o Gemini 3.8 Flash TTS (Preview), cobrado por token: até 31 de dezembro de 2026, US$ 0,50 por 1 milhão de tokens de entrada e US$ 9 por 1 milhão de tokens de áudio de saída. Não encontramos fonte oficial de TTS da linha Gemini 4.
• ElevenLabs: a página de preços da API foi atualizada em 11 de novembro de 2026 e a página da API em 13 de novembro de 2026. A documentação também traz modo de retenção zero e uma API de proveniência de conteúdo em beta.
• Roteiro por API: se você gera roteiros em volume, compare modelos de linguagem pelo custo e teste o mesmo pedido em pelo menos dois antes de escolher. Os preços de API por milhão de tokens mudam com frequência: veja a comparação de preços de API.

Não encontramos medição independente atual que compare a qualidade das vozes em português entre essas ferramentas.

Erros comuns

• Publicar ou monetizar áudio feito no plano gratuito da ElevenLabs, que é restrito a uso pessoal e não comercial.
• Supor que um Audio Overview do NotebookLM está liberado para monetização sem ler os termos atuais do serviço.
• Tratar o ChatGPT Voice como gerador de narração: ele é uma conversa por voz, mais útil para ensaiar e revisar o roteiro.
• Comparar preços em unidades diferentes (por caractere, por 1.000 caracteres, por 1 milhão de caracteres ou por tokens) sem converter tudo para a mesma unidade.
• Clonar a voz de outra pessoa sem autorização por escrito.
• Transformar em áudio artigos, livros ou entrevistas de terceiros sem ter os direitos sobre o texto.
• Publicar sem ouvir o áudio inteiro e sem conferir os fatos do roteiro.