Ler texto em japonês em voz alta com IA
A IA lê em voz alta o texto em japonês que você digita, e você pode salvar como arquivo de áudio. A IA de síntese de voz Irodori-TTS roda dentro do seu navegador, então o texto nunca é enviado a lugar nenhum. Sem aplicativo para instalar e sem cadastro. Use o Chrome ou o Edge em um PC com GPU (WebGPU).
Esta ferramenta lê textos em japonês. Textos em outros idiomas não são lidos corretamente.
Escrever os números com algarismos, como em “10部”, reduz erros de leitura. Palavras lidas errado podem ser adicionadas ao “Dicionário de pronúncia”.
A assistência de IA também roda no seu navegador, e o texto e o seu pedido nunca são enviados a lugar nenhum.
Voz e qualidade
Se você deixar em branco, é gerada uma descrição de voz que combine com o texto.
O dicionário fica guardado neste navegador e nunca é enviado a lugar nenhum. Antes da leitura em voz alta, as palavras do texto são substituídas pelas leituras do dicionário.
Configurações de saída
Modelos de IA guardados neste navegador
Como usar
- 1
Digite o texto
Digite ou cole o texto em japonês que será lido em voz alta. Escrever os números com algarismos, como em “10部”, reduz erros de leitura. Os botões de emoji inserem uma emoção ou um estilo de fala na posição do cursor.
- 2
Escolha a voz e a qualidade
Escolha uma voz na lista, ou escolha “Escrever sua própria descrição de voz” e descreva a voz em japonês. A qualidade padrão é “Padrão”.
- 3
Leia em voz alta e salve
Clique em “Ler em voz alta”. Na primeira vez, o modelo de IA (cerca de 1,7 GB) é baixado. Refaça os trechos lidos errado com “Gerar de novo” e clique em “Salvar” para obter um arquivo de áudio.
Como funciona, e como definir a voz e a emoção
Escolha uma voz na lista, ou descreva uma em japonês em “Descrição da voz”, como “落ち着いた低めの声の男性” (um homem calmo de voz um pouco grave). Emoji no texto definem a emoção ou o estilo de fala naquele ponto (sussurro, pausas, risadas etc.). Textos longos são divididos e gerados em ordem, e o restante é gerado para combinar com a voz da primeira parte, então a mesma voz lê até o fim. A IA é o modelo de síntese de voz Irodori-TTS (licença MIT). O modelo de IA (cerca de 1,7 GB) é baixado do Hugging Face só na primeira vez e fica guardado no seu dispositivo para os próximos usos.
Você pode usar livremente o áudio que criar. Não é preciso dar crédito. É proibido usá-lo para se passar por uma pessoa real ou para fazer as pessoas acreditarem que uma pessoa real disse algo. Como a IA cria a voz do zero a cada vez, ela pode, por acaso, soar como uma pessoa real.
Especificações desta ferramenta
- Entrada
- Texto em japonês
- Saída
- MP3, M4A, WAV, OPUS
- Limites
- Sem limite de caracteres. Saída de até 1 GB por arquivo
- Grátis, sem cadastro, sem aplicativo para instalar
- O texto nunca é enviado (processado no navegador)
Perguntas frequentes
Meu texto é enviado a um servidor?
Não. A leitura em voz alta roda no navegador do seu dispositivo, e o texto que você digita, a descrição da voz e o dicionário de pronúncia nunca são enviados a lugar nenhum. O modelo de IA é baixado do Hugging Face na primeira vez e fica guardado no seu navegador. Não é preciso cadastro. Estatísticas de processamento usadas para corrigir erros (especificações do dispositivo, o número aproximado de caracteres e de frases, tipos de erro etc.; nunca o texto em si nem a descrição da voz) são enviadas ao servidor deste site, e você pode desativar isso pela chave em “Ajude a melhorar o serviço”, no fim da página.
Funciona no iPhone ou em outros celulares?
Não, não funciona no iPhone nem no iPad. Depois de carregada, a IA de texto para fala usa cerca de 3 GB de memória para os cálculos. No iPhone e no iPad, o sistema operacional limita quanta memória uma única página pode usar, e no iPhone 15 Pro Max (8 GB de memória) que testamos, a página passou desse limite depois que o modelo de IA foi baixado e recarregou sozinha antes de gerar qualquer fala. Para que o download de cerca de 1,7 GB não seja desperdiçado, a ferramenta para no iPhone e no iPad antes de o download começar. Use o Chrome ou o Edge em um PC com GPU (WebGPU). Ela também roda no Android e no Safari no Mac, mas pode parar no meio em alguns dispositivos.
Dá para clonar uma voz (copiar a minha voz ou uma voz de que eu goste)?
Não. Para que a ferramenta não possa ser usada para copiar a voz de alguém sem permissão ou para se passar por uma pessoa real, deixamos de fora de propósito qualquer recurso que carregue uma gravação ou um arquivo de áudio para imitar uma voz (clonagem de voz). Você define a voz por escrito, em “Descrição da voz”. Uma voz de que você gostou pode ser salva neste navegador com “Salvar esta voz” e usada para ler qualquer texto com a mesma voz. Quando você exporta uma voz salva para um arquivo, só fica registrado como a voz foi criada. Na importação, esta ferramenta recria a voz a partir disso, então não é possível trazer uma voz feita a partir de uma gravação.
Ela lê textos longos?
Sim. O texto é dividido nas quebras de frase, lido em ordem e unido em um único arquivo de áudio, com silêncios curtos entre as partes. Não há limite de caracteres. Em um PC que testamos (a GPU integrada de um Ryzen 7 8745H), “Padrão” gera 1 minuto de áudio em cerca de 30 segundos. “Alta qualidade” leva cerca de 6 vezes mais.
Ajude a melhorar o serviço
Se uma conversão falhar, enviar as circunstâncias nos ajuda a encontrar a causa. Saber em quais dispositivos e formatos as falhas são mais frequentes, e quanto tempo o processamento leva, nos permite rever os formatos compatíveis e corrigir os bugs por trás dessas falhas. Se você não se importar, deixar esta opção ativada ajuda muito.
O que é enviado
- A ferramenta que você usou e as configurações escolhidas (formato de saída, qualidade etc.)
- As especificações do seu dispositivo (GPU, memória, número de núcleos)
- O formato de entrada e o tamanho aproximado
- Quantos arquivos deram certo ou falharam e quanto tempo levou
- O tipo e os detalhes do erro quando algo falha
O que nunca é enviado
- Os próprios arquivos e os nomes de arquivo
- O texto a ser lido em voz alta, as descrições de voz, o dicionário de pronúncia e as vozes salvas
- Endereços IP
Os dados vão apenas para o servidor deste próprio site, nunca para um serviço de terceiros.
Para a lista completa, incluindo os detalhes que cada ferramenta envia, veja “Estatísticas de processamento” na política de privacidade.
Detalhes enviados por esta ferramenta (apenas contagens, tempos, tipos e sim/não)
Além do que está em “O que é enviado”, esta ferramenta envia os detalhes a seguir.
- Leitura em voz alta
- O número aproximado de caracteres e de frases, em quantas partes o texto foi gerado e quanto tempo o modelo de IA levou para carregar.