O seu clipe, a falar um idioma que você não fala
Um clipe terminado pode ser dobrado em 19 idiomas sem regravar nada e sem gastar a sua quota mensal de vídeos. Mas sob a expressão «dobragem com IA» vendem-se quatro coisas diferentes, e não são intercambiáveis. Aqui vai primeiro a comparação, para saber se é aquela que queria.
Quatro abordagens, lado a lado
Cada linha é uma categoria real de produto com compromissos reais. Duas delas não oferecemos, e as razões valem-lhe mais do que a funcionalidade valeria.
| Abordagem | O que recebe | O compromisso | Katto |
|---|---|---|---|
| Legendas traduzidas | Texto no idioma de destino | Quem assiste continua a ouvir um idioma que não fala. Suficiente para um clipe que funciona sem som, fraco para tudo o que depende da interpretação. | Também disponível |
| Dobragem com voz sintética | Uma nova faixa falada no idioma de destino | A voz não é a de quem fala. Lê-se com naturalidade, mas quem conhecer o original nota um estranho. | O que a Katto faz |
| Clonagem de voz | A própria voz da pessoa, noutro idioma | Exige o consentimento dela para ser legítima, e a mesma capacidade produz imitações convincentes. O risco não é técnico, está no que outra pessoa fizer com isso. | Deliberadamente não lançado |
| Dobragem com sincronia labial | A boca recalculada para coincidir com o novo áudio | De longe a mais pesada, e desfaz-se assim que o plano não é um retrato frontal limpo. Em material de podcast cortado, isso é a maioria. | Não lançado |
O difícil é o relógio, não a voz
Chamar uma API de síntese de voz é a metade fácil. A dificuldade está em que a tradução muda o comprimento: a mesma frase é habitualmente um terço mais longa num idioma do que noutro, e uma dobragem que ignora isso afasta-se um pouco mais a cada fala, até quem fala responder a uma pergunta que ainda não lhe foi feita.
Por isso o ritmo original é tratado como um dado e não como algo a sobrescrever. Cada fala é traduzida com a sua duração falada como restrição, sintetizada em separado e reencaixada no lugar de onde veio, esticada apenas dentro de limites que a mantêm humana. As legendas são geradas no mesmo relógio, para que o texto e o novo áudio não se possam separar.
O que lhe custa
A dobragem não toca na sua quota mensal de vídeos, porque essa quota conta vídeos de origem que transforma em clipes, e uma dobragem é trabalho sobre um clipe já feito. Tem o seu próprio limite: 20 dobragens por cada 30 dias móveis, até 3 idiomas por pedido, com as mais antigas a saírem da contagem à medida que envelhecem. O editor mostra quantas lhe restam antes de escolher, não depois.
O limite existe porque a síntese de voz é o único passo cujo custo segue o uso e não a duração do vídeo. Preferimos dizer um número a vender uma promessa ilimitada que depois é restringida em silêncio.
Aquela que não vamos lançar
A clonagem de voz é a funcionalidade que toda a gente pede, e é a razão de esta página ter esta forma. Reproduzir a voz de alguém a partir de um clipe é exatamente a capacidade de lhe pôr palavras na boca, e lançá-la abertamente significa entregá-la a pessoas cujas intenções não podemos verificar. Se um dia chegar, chegará condicionada à prova de que a voz pertence a quem a pede. Até lá a dobragem usa uma voz sintética e não finge ser ninguém.
Perguntas
19. O motor por baixo fala bastantes mais, e o seletor abrir-se-á quando a qualidade tiver sido verificada idioma a idioma em vez de presumida. Anunciar um número não verificado é transformar uma funcionalidade numa fila de suporte.
Não. A quota conta vídeos de origem que transforma em clipes. A dobragem tem o seu próprio limite: 20 por cada 30 dias móveis, até 3 idiomas de uma vez. As mais antigas saem da contagem à medida que envelhecem.
Porque a síntese de voz é o único passo cujo custo cresce com o uso e não com a duração do seu vídeo. Um limite é a versão honesta dessa restrição. A alternativa é uma promessa ilimitada que se degrada em silêncio.
Esse é o verdadeiro problema de engenharia, e não se resolve chamando uma API de síntese de voz. O ritmo original é guardado como dado, cada fala é traduzida pela sua duração falada e não apenas pelo sentido, sintetizada à parte e reencaixada no seu lugar. As legendas seguem o mesmo relógio para não se afastarem do novo áudio.
A tecnologia funciona. O problema é que uma ferramenta capaz de reproduzir a voz de qualquer pessoa a partir de um clipe é também uma ferramenta para lhe pôr palavras na boca, e estaríamos a entregá-la a estranhos. Se chegar, chegará atrás de uma prova de consentimento, não como um interruptor.
Sim. A mesma operação está disponível pela API REST e como ferramenta MCP, por isso um agente pode dobrar um clipe terminado sem navegador. Devolve uma tarefa para consultar, não uma chamada bloqueante.
Chegue a um público que não fala o seu idioma
A dobragem é uma funcionalidade Creator. O clipe que já fez é a entrada: nada para regravar e nenhuma quota para gastar.