IA de voz grátis: 10 opções e o PC que cada uma pede

Você gravou um vídeo, escreveu o roteiro e agora precisa de uma narração. O ElevenLabs aparece em todo tutorial, mas o plano que libera uso comercial é pago. Existe IA de voz grátis que dê conta do recado em português?

Existe. Algumas rodam na nuvem e dão créditos todo mês; outras são abertas (open source): você baixa de graça e roda no seu computador, sem limite. Este guia lista 10, com o limite grátis, o plano pago e quanto de placa de vídeo cada uma pede.

Resumo rápido: a resposta em 30 segundos. Para começar sem instalar nada, use ElevenLabs, Gemini TTS, Azure Speech ou Fish Audio, que dão créditos grátis todo mês. Para uso ilimitado, instale um modelo aberto: Kokoro e Piper rodam até sem placa de vídeo; Chatterbox, Qwen3-TTS, VoxCPM2 e Voxtral clonam vozes; os três últimos pedem placa de vídeo com 6 a 16 GB de memória.

Índice

• Nuvem ou no seu PC: qual a diferença entre IA de voz grátis e open source?
• 4 IAs de voz grátis na nuvem, com créditos todo mês
• 6 IAs de voz open source para rodar no seu computador
• Qual PC cada IA de voz precisa?
• Qual escolher?
• Cuidado ao clonar voz
• Perguntas frequentes

Nuvem ou no seu PC: qual a diferença entre IA de voz grátis e open source?

Na nuvem, a voz é gerada nos servidores da empresa: basta um navegador, mas o grátis tem cota mensal. No open source, a IA roda no seu computador, sem cota. O preço vira hardware: quanto maior o modelo, mais placa de vídeo ele pede.

Todas fazem TTS (text-to-speech, texto para fala com IA): você digita a frase e recebe o áudio. As melhores também clonam: ouvem alguns segundos da sua voz e passam a falar com ela.

Para saber se um modelo cabe no seu PC, olhe dois números. O primeiro são os parâmetros, os "botões de ajuste" que a IA aprendeu no treino. Pense no vocabulário de um tradutor: quanto maior, mais nuance, e mais espaço ocupa.

O segundo é a VRAM, a memória da placa de vídeo, que guarda o modelo enquanto ele trabalha. É a bancada do marceneiro: se a peça não cabe, o trabalho não anda. Se GPU e placa de vídeo ainda confundem, veja o guia sobre GPU e placa de vídeo.

A regra prática: bilhões de parâmetros × 2 = gigabytes de VRAM só para o modelo. Um modelo de 2 bilhões ocupa uns 4 GB, mais 2 ou 3 GB de folga para o trabalho. É estimativa, mas acerta a ordem de grandeza.

4 IAs de voz grátis na nuvem, com créditos todo mês

As quatro têm plano grátis renovado todo mês e funcionam no navegador: qualquer notebook ou celular com internet serve. Mudam o tamanho da cota e o que o grátis permite, como clonar voz ou uso comercial.

1. ElevenLabs

O ElevenLabs é a referência do mercado, avaliado em US$ 11 bilhões em fevereiro de 2026, segundo o TechCrunch.

O plano grátis dá 10 mil créditos por mês, o equivalente a uns 10 minutos de fala. A licença comercial e a clonagem instantânea de voz só aparecem a partir do Starter, de US$ 6 por mês com 30 mil créditos (conferido em 27/10/2026).

O português é bem atendido: a versão v3 do modelo de voz cobre mais de 70 idiomas, e a v4, mais de 90.

2. Gemini TTS, do Google

A documentação do Gemini TTS lista 30 vozes prontas, português entre os idiomas e até duas vozes conversando no mesmo áudio, bom para simular um podcast.

Dá para testar no Google AI Studio sem programar. Para programadores, os modelos Gemini 3.8 Flash TTS e Flash-Lite TTS têm uma cota gratuita; acima dela, a cobrança é por uso (conferido em 27/10/2026). Uma vantagem: você ajusta o ritmo e o tom com uma instrução em texto, como "falando devagar". O Google também replica vozes, mas exige uma gravação de consentimento da pessoa.

3. Azure Speech, da Microsoft

O Azure Speech é o mais generoso. O plano gratuito F0 dá 500 mil caracteres por mês em vozes geradas por IA (conferido em 27/10/2026). Pela média de uns 900 caracteres por minuto de fala, isso rende cerca de 9 horas de áudio.

Há mais de 20 vozes em português do Brasil, como Francisca, Antonio e Thalita, inclusive versões multilíngues. O preço é a burocracia: conta no Azure e chave de acesso, um caminho pensado para programadores.

4. Fish Audio

A Fish Audio tem mais de 8 milhões de usuários, segundo o TechCrunch. O plano grátis dá 8 mil créditos por mês, até 7 minutos de geração e clonagem de voz incluída.

A pegadinha: o áudio do plano grátis serve só para projetos pessoais. O Plus custa US$ 11 por mês (conferido em 27/10/2026). A empresa também liberou para download o modelo S2 Pro, com 5 bilhões de parâmetros e mais de 80 idiomas, mas a licença é só para pesquisa.

Em uma frase: para volume, Azure; para qualidade, ElevenLabs; para clonar de graça, Fish Audio.

6 IAs de voz open source para rodar no seu computador

IA de voz open source é um modelo que você baixa de graça e roda no seu PC, sem cota e sem mandar o texto para ninguém. Em troca, pede instalar o Python (a linguagem em que esses programas rodam) e seguir o passo a passo do GitHub, o site onde o código fica publicado. Os seis falam português; os dois primeiros dispensam placa de vídeo.

5. Kokoro

O Kokoro é o peso-pena da lista: 82 milhões de parâmetros, licença Apache 2.0 (pode usar até comercialmente) e 54 vozes. Entre elas, três de português do Brasil: Dora, Alex e Santa.

Hardware: pela regra, o modelo ocupa menos de 0,2 GB. Roda em qualquer computador, só com o processador, e em Mac com chip Apple. O limite: não clona voz.

6. Piper

O Piper é um motor de voz leve e rápido. Fala cerca de 40 idiomas, inclusive português do Brasil, e tem licença GPL-3.0 (permite uso comercial, mas quem modificar o código precisa abri-lo).

Hardware: o próprio projeto distribui versões para Raspberry Pi 3 e 4, um computador do tamanho de um cartão. Placa de vídeo é opcional. A voz é mais robótica que a das outras, e não há clonagem.

7. Chatterbox

O Chatterbox, da Resemble AI, é a porta de entrada para clonar voz em casa. A Multilingual V3, de 500 milhões de parâmetros, cobre ao menos 23 idiomas, inclusive português, e há um pacote ajustado só para o português do Brasil. Licença MIT, livre para uso comercial.

Hardware: pela regra, cerca de 1 GB para o modelo, uns 4 GB com a folga. Roda em placa de vídeo NVIDIA, em Mac com chip Apple ou, mais devagar, no processador. Todo áudio sai com uma marca d'água inaudível, a PerTh, que identifica a voz como gerada por IA.

8. Qwen3-TTS

O Qwen3-TTS, da Alibaba, saiu em 22 de janeiro de 2026 em duas versões: 0,6 e 1,7 bilhão de parâmetros. Fala 10 idiomas, português entre eles, e clona uma voz com 3 segundos de áudio. Licença Apache 2.0.

Hardware: pela regra, de 1,2 a 3,4 GB só para o modelo. Na prática, a versão maior pede uma placa NVIDIA a partir de 6 GB; uma RTX 3060 de 12 GB roda com folga.

9. VoxCPM2

O VoxCPM2, da OpenBMB, tem 2 bilhões de parâmetros, 30 idiomas (português incluído) e gera áudio em 48 kHz, padrão de vídeo profissional. Clona voz com um trecho curto e tem licença Apache 2.0.

Hardware: o número é oficial: cerca de 8 GB de VRAM, em placa NVIDIA. Numa RTX 4090, placa de jogos topo de linha, gera um minuto de áudio em uns 18 segundos.

10. Voxtral TTS, da Mistral

O Voxtral TTS, lançado pela francesa Mistral em 23 de março de 2026, tem 4 bilhões de parâmetros e 9 idiomas, português incluído. Clona uma voz com 3 segundos de referência e consegue falar outro idioma mantendo o timbre clonado. Veja o contexto no texto sobre o Voxtral 3.

Hardware: o cartão do modelo pede uma placa com 16 GB ou mais, como a RTX 4080. A licença é CC BY-NC, não comercial; para vender o áudio, use a API, a US$ 0,016 por mil caracteres (conferido em 27/10/2026), menos de US$ 1 por hora de áudio.

Qual PC cada IA de voz precisa?

A nuvem só pede navegador. Kokoro e Piper rodam em qualquer computador, sem placa de vídeo. Chatterbox e Qwen3-TTS pedem uma placa de entrada, de 4 a 6 GB; VoxCPM2 quer 8 GB, e Voxtral, 16 GB. Valores com "~" são estimativas pela regra.

Qual escolher?

Depende do computador e do uso: notebook comum fica com a nuvem ou o Kokoro; quem tem placa de vídeo e quer clonar a voz vai de Chatterbox ou Qwen3-TTS. Para vender o áudio, a licença pesa mais que a qualidade.

Cuidado ao clonar voz

Clonar uma voz só é aceitável com a autorização de quem fala. Golpistas usam voz clonada para pedir dinheiro a parentes por telefone, e várias ferramentas desta lista clonam com segundos de áudio.

A Fish Audio enfrentou acusações de criadores cujas vozes foram enviadas por terceiros sem consentimento, segundo o TechCrunch. Marcas d'água como a do Chatterbox ajudam a rastrear o áudio, mas não impedem o mau uso.

E serviço grátis pode sumir: a Hume vai encerrar sua API de voz em 13 de novembro de 2026. Não dependa de uma só ferramenta.

Perguntas frequentes

Posso usar o plano grátis do ElevenLabs em vídeo monetizado?

Não. A licença comercial só aparece a partir do plano Starter, de US$ 6 por mês. Para monetizar sem pagar, use um modelo aberto com licença Apache ou MIT, como Kokoro, Chatterbox ou Qwen3-TTS.

Qual IA de voz soa mais natural em português?

Não há ranking oficial em português; decide o seu ouvido. O Azure tem a maior variedade de vozes brasileiras, e o Chatterbox, um pacote ajustado para o português do Brasil. Teste o mesmo texto em duas ou três.

Posso clonar a minha voz de graça?

Pode. Na nuvem, o plano grátis da Fish Audio clona, só para uso pessoal. No seu PC, Chatterbox e Qwen3-TTS clonam sem limite e permitem uso comercial.

Preciso saber programar para usar os modelos open source?

Um pouco. Os seis pedem instalar Python e rodar comandos no terminal. Alguns trazem uma página de demonstração no navegador: depois de instalado, basta digitar o texto.

Para começar hoje

Teste uma da nuvem hoje e, se gostar, instale o Kokoro: roda no computador que você já tem e não custa nada. Para acompanhar o setor, siga a seção de inteligência artificial.