Como nasce uma voz: da fala de origem à ficha do catálogo

Abre o catálogo de vozes, carrega em reproduzir — e ouve um timbre limpo e natural. Parece que a voz simplesmente «está lá». Na realidade, cada voz é o produto de uma linha de várias etapas: da seleção da fala de origem à masterização final. Eis como nasce uma voz no HancVoice — sem magia, passo a passo.

Passo 1. De onde vem a fala de origem

Uma voz não se inventa do nada — nasce de fala humana real. As fontes são conjuntos de dados de voz abertos e licenciados, cujas gravações podem ser usadas legalmente. A regra-chave: nunca recriamos a voz de uma pessoa real sem o seu consentimento. Se criar a sua própria voz, carrega a sua própria amostra e confirma o seu consentimento — em conformidade com o RGPD. Sem consentimento, o sistema não constrói um modelo.

Passo 2. Seleção: nem todas as gravações passam

O primeiro filtro é a qualidade do material de origem. Antes de construir uma voz, a linha verifica a «presença» na gravação: há fala limpa e inteligível suficiente, sem ruído de fundo, música nem falhas? As gravações que não passam este filtro são descartadas de imediato — arrastar material fraco pela linha não faz sentido: os defeitos acabariam por surgir no resultado final.

Passo 3. A impressão digital do timbre

Em seguida, o motor ouve a fala selecionada e constrói uma impressão digital compacta da voz — uma descrição matemática do timbre com apenas alguns kilobytes. É ela que guarda tudo o que torna uma voz reconhecível: altura, cor, carácter. Todas estas impressões vão para um banco comum e, no momento da síntese, o motor escolhe a certa e «diz» com ela qualquer texto. Um motor — centenas de vozes, cada uma com a sua impressão.

Uma voz do catálogo não é um conjunto de frases gravadas, mas uma impressão do timbre. É por isso que uma só voz pode ler qualquer texto — mesmo um que o orador original nunca disse.

Passo 4. Controlo de qualidade: como medimos a «limpeza»

O ouvido é subjetivo, por isso também medimos a qualidade. Uma pré-visualização de síntese de cada nova voz passa por uma avaliação neuronal da limpeza do áudio: dá uma pontuação objetiva — quão limpa soa a voz, sem ruído nem artefactos. A pontuação é ajustada ao idioma, porque «limpo» não soa igual em alemão e, por exemplo, em japonês. As vozes abaixo do limiar nunca chegam à prateleira — voltam para revisão ou são rejeitadas.

Passo 5. Masterização: para que tudo soe uniforme

A última etapa leva todas as vozes a um denominador comum. O volume é igualado e o som normalizado, para que no catálogo não haja vozes «baixinhas» nem «aos gritos» e possa comparar timbres em pé de igualdade. É a mesma lógica da masterização na música: tecnicamente está tudo pronto, mas é o acabamento uniforme que separa um resultado profissional de um resultado em bruto.

Passo 6. A ficha do catálogo: idioma e nível

A voz final recebe uma ficha com o género, o idioma e uma descrição do timbre — e só entra no catálogo depois de uma revisão manual. É aqui que surge também o nível do idioma:

• Idiomas principais — o coração do motor, com garantia de qualidade: alemão, inglês, francês, espanhol, italiano, português, russo, chinês, japonês e coreano.
• Beta — o idioma já funciona em modo automático, mas ainda estamos a apurar a qualidade.
• Em breve — o idioma está em desenvolvimento: estamos a selecionar oradores e a afinar a síntese.

Um idioma «sai» da beta não segundo um calendário, mas quando passa de forma consistente o mesmo controlo de qualidade dos idiomas principais. Explicamos porque existem os níveis em «Porque é que os idiomas têm níveis», e pode acompanhar que idiomas estão em curso — e votar nos próximos — no Lab.

Porque é que isto lhe importa

Toda esta linha existe por uma razão simples: para que abra o catálogo, carregue em reproduzir e ouça uma voz limpa — e não ruído e artefactos. A seleção à entrada, o controlo objetivo da qualidade e uma masterização uniforme são a razão pela qual as vozes do HancVoice soam de forma previsível e consistente, e não «umas vezes sim, outras não».

Conclusão

Uma voz nasce muito antes do momento em que a escolhe — numa linha de seleção, impressão do timbre, controlo de qualidade e masterização. É exatamente por isso que os idiomas têm níveis e o catálogo tem uma qualidade constante. Abra o catálogo e ouça: agora sabe o que está por trás de cada reprodução.

Experimente você mesmo — um pacote inicial de caracteres grátis ao registar-se.