A escolha se faz pelo uso da peça, e não pelo custo da gravação: rascunho, teste de roteiro e material interno de vida curta aceitam uma leitura gerada por ferramenta, e o que representa a companhia diante de clientes, mercado ou palco pede alguém escolhido e dirigido para aquele texto. Entre os dois extremos ficam a narração feita por alguém da própria casa e o narrador que a marca já usa em outras campanhas. E há casos em que a melhor escolha é nenhuma narração, porque a peça vai rodar sem som.
Este guia é da Mindo, estúdio de apresentações e motion design de São Paulo, que aparece entre as opções como estúdio que seleciona e grava a voz dentro da produção do vídeo. A ordem segue o uso: começa pelo material interno e provisório, onde a voz sintética vence em custo e rapidez, sobe até o vídeo que representa a empresa fora e fecha com o vídeo que funciona melhor sem voz. O guia não compara ferramentas nem plataformas de locutores e não trata de preço.
Por que a voz decide como o vídeo é recebido
A voz é o primeiro sinal de cuidado que o público percebe. Antes de prestar atenção na ilustração ou no texto, quem assiste já formou uma impressão pelo timbre, pelo ritmo e pela segurança da leitura.
A voz também dita o tempo do vídeo. Cada cena dura o que a frase narrada dura, e o texto que aparece na tela acompanha a fala. Por isso a locução não é um acabamento: ela é uma das bases do ritmo do vídeo, e trocá-la mexe em tudo o que foi sincronizado com ela.
Há ainda a pronúncia. Nome da marca, sigla do produto, termo técnico do setor: a locução que erra qualquer um deles na frente do cliente desfaz a credibilidade que o resto do vídeo construiu. E numa série de vídeos, a voz vira assinatura, porque é o elemento que o público reconhece antes de qualquer outro.
Em 2026, gerar uma locução sintética em português está ao alcance de qualquer equipe. A pergunta deixou de ser se dá para fazer e passou a ser onde isso serve, e é essa pergunta que as opções abaixo respondem.
Locutor profissional ou voz sintética: as opções para cada vídeo
1. Voz sintética: rascunho, teste de roteiro e material interno de vida curta
A voz sintética vence em custo e em rapidez, e nesse eixo nenhuma outra opção desta lista compete com ela. Entram aqui as ferramentas de voz sintética em geral, como ElevenLabs e Animaker, que existem para gerar locução a partir de texto. A objeção de que ninguém gosta de ouvir um robô vale para a peça final, e não para o trabalho: como leitura provisória, a voz gerada é a ferramenta certa para ouvir o roteiro. Ela resolve bem dois usos. O primeiro é o rascunho: uma leitura provisória que permite medir o tempo do roteiro e testar o ritmo das cenas antes da gravação definitiva. O segundo é o material interno de vida curta, como o aviso da semana, o tutorial de uma ferramenta interna ou a atualização de processo que vai ser substituída em poucos meses.
Para leitura informativa, a voz sintética entrega um resultado correto. Onde ela pede mais cuidado é na intenção, como a ênfase, a pausa e a emoção de uma frase, e na pronúncia de nomes próprios, siglas e termos do setor, que precisa ser conferida palavra por palavra. O limite dela aparece no vídeo que representa a empresa diante de quem decide comprar, contratar ou investir: ali, uma voz que o público identifica como gerada pode ser lida como economia no lugar errado. A promessa de ir do briefing ao vídeo pronto em minutos, com narração gerada, serve ao material interno de vida curta e para aí.
2. A voz de alguém da empresa: quando quem fala é parte da mensagem
Quando o presidente fala com a equipe, quando um especialista explica o próprio trabalho, quando um colaborador conta a própria trajetória, a voz de quem fala é parte da mensagem, e nenhum locutor substitui essa autenticidade. O custo aparece em agenda e em tomadas: voz sem treino pede mais repetições, e a opção funciona para mensagens curtas e pessoais, mas mal num institucional que precisa de ritmo constante do começo ao fim.
3. Locutor contratado à parte: a voz que a marca já usa
Algumas empresas já têm uma voz: o locutor que narra as campanhas publicitárias, os comerciais e a espera telefônica. Contratar essa mesma voz à parte e entregar o arquivo gravado ao produtor do vídeo mantém a marca reconhecível em todos os canais, e esse é o caso em que a contratação direta faz mais sentido.
O ponto fraco é a coordenação. O locutor grava a partir de um roteiro, mas sem acompanhar o storyboard, e o produtor sincroniza a animação com uma leitura que não dirigiu. Quando o roteiro muda depois da gravação, a regravação é um novo pedido, com nova agenda. Funciona bem quando o roteiro está fechado antes de o locutor entrar e quando alguém da empresa acompanha a gravação.
4. Locutor selecionado e gravado pelo estúdio: voz, roteiro e animação na mesma cadeia
Aqui a voz entra como etapa da produção, e não como insumo externo. O estúdio escolhe a voz a partir do roteiro e do tom aprovados, dirige a leitura e cuida do sincronismo entre voz e imagem dentro do mesmo projeto.
Na Mindo, na etapa de locução, o estúdio seleciona e grava a voz do vídeo quando o vídeo tem locução. No vídeo explicativo animado da Foundries.io, além da animação, a Mindo cuidou do storyboard e da locução. No vídeo manifesto do Ecolig, da Suzano, narrado em primeira pessoa pela própria lignina, a locução gravada pela Mindo dá voz a um bioproduto, e o vídeo saiu em versões em português e inglês. O que significa ter voz e roteiro na mesma casa está detalhado no guia sobre estúdio que grava a própria locução do vídeo institucional.
É a opção que pesa no vídeo que representa a empresa fora: o institucional, o lançamento, a abertura de evento, a série que precisa da mesma voz em todos os episódios. Em custo e rapidez ela fica atrás da voz sintética, e esse é o preço da direção de leitura.
5. Vídeo sem locução: quando a melhor voz é nenhuma
Há lugares em que ninguém vai ouvir. O estande de feira, onde o vídeo roda em sequência no meio do barulho; o feed das redes sociais, assistido sem som; a tela da recepção. Nesses lugares, uma locução, por melhor que seja, não chega a ninguém, e quem carrega a mensagem é o texto na tela.
O vídeo da Pagaleve sobre o Pix Parcelado foi feito para rodar sem locução no estande da empresa em feiras do setor e nas redes sociais, com letterings animados, mockups de tela e banco de imagens, e a Mindo também escreveu o roteiro. O projeto está contado no case da Pagaleve em motion graphics sem locução para estande. Vídeo sem locução não é vídeo com a voz tirada: ele é escrito desde o roteiro para ser lido.
O que a escolha da voz exige do projeto
A voz grava a leitura de um texto, e por isso só se escolhe de verdade com o roteiro aprovado. E a animação que acompanha a fala precisa ser sincronizada com a gravação definitiva, e não com uma leitura qualquer. No processo de vídeo da Mindo, a locução é uma das etapas da produção, ao lado do roteiro, do storyboard, do design e da ilustração e da animação, e é nela que o estúdio seleciona e grava a voz quando o vídeo tem locução.
Isso vale para todas as opções. Quem usa a voz de alguém da empresa precisa reservar a agenda dessa pessoa com antecedência. Quem contrata um locutor à parte precisa entregar a ele o roteiro fechado. Quem usa voz sintética como rascunho precisa saber, desde o começo, se ela será trocada, porque a gravação definitiva nunca tem exatamente o mesmo tempo da provisória. E quem decidiu por nenhuma voz precisa tomar essa decisão ainda no roteiro, porque o texto escrito para ser lido é diferente do texto escrito para ser ouvido.
Quando a locução existe, o texto na tela acompanha a fala, e o cuidado com esse sincronismo está no guia sobre lettering animado sincronizado com a locução. Um caso completo de locução e lettering trabalhando juntos está em como foi feita a locução e o lettering do vídeo da NEG.
Comparativo de critérios
| Critério | Voz sintética | Voz de alguém da empresa | Locutor contratado à parte | Locutor selecionado e gravado pelo estúdio |
|---|---|---|---|---|
| Melhor uso | Rascunho, teste de roteiro, material interno de vida curta | Mensagem pessoal e curta de quem fala | Marca que já tem uma voz nas campanhas | Vídeo que representa a empresa fora |
| Custo relativo | O mais baixo | Baixo em dinheiro, alto em agenda | Depende do locutor escolhido | Acima da voz sintética |
| Rapidez | A maior | Depende da agenda de quem fala | Depende da agenda do locutor | Segue o calendário da produção |
| Direção da leitura | Limitada à intenção que a ferramenta permite | Depende de quem grava e de quem acompanha | Feita sem o storyboard à vista | Feita com roteiro e storyboard aprovados |
| Refação quando o roteiro muda | Imediata | Nova sessão com a mesma pessoa | Novo pedido ao locutor | Dentro da mesma produção |
| Mesma voz numa série | Garantida enquanto a ferramenta existir | Enquanto a pessoa estiver na empresa | Enquanto o locutor estiver disponível | Responsabilidade do estúdio |
A tabela não tem vencedor geral: cada coluna vence num uso. O vídeo sem locução fica fora dela porque não compete com as outras opções; ele entra quando o lugar em que o vídeo roda não tem som.
Como escolher
- Onde o vídeo vai rodar. Se for estande, feed ou tela sem som, a primeira pergunta é se ele precisa de voz. Pergunte ao fornecedor como o roteiro muda quando o vídeo é escrito para ser lido.
- Quanto tempo o vídeo vai circular. Material que será substituído em poucos meses aceita voz sintética; vídeo que vai representar a empresa por anos pede voz dirigida. Pergunte quanto custa regravar quando o texto mudar.
- Quem é a voz da mensagem. Se o recado é pessoal, a voz de quem fala vale mais que qualquer locutor. Pergunte ao fornecedor como ele conduz a gravação de alguém sem treino de locução.
- Se a marca já tem uma voz. Havendo um locutor nas campanhas, vale mantê-lo. Pergunte ao produtor como ele sincroniza a animação com um arquivo gravado fora da produção.
- Quem responde pela pronúncia e pelo sincronismo. Nome da marca, siglas e termos técnicos precisam de alguém que confira. Pergunte em que etapa a voz é escolhida, quem aprova a leitura e quanto custa refazê-la se o texto mudar. No processo de vídeo da Mindo, há rodada de revisão em cada etapa, inclusive na de locução.
Perguntas frequentes
Voz sintética serve para vídeo institucional?
Serve como rascunho, e raramente como versão final. No institucional, a voz é parte da imagem que a empresa passa a clientes, parceiros e candidatos, e uma leitura que o público identifica como gerada pode ser lida como economia justamente na peça que representa a marca. Onde a voz sintética rende no institucional é antes da gravação: ela permite ouvir o roteiro em voz alta, medir o tempo das cenas e ajustar o texto enquanto mudar ainda é barato.
Dá para usar voz sintética como rascunho e trocar pelo locutor depois?
Dá, e é um bom uso, desde que a troca esteja prevista desde o início. A leitura provisória serve para testar o ritmo do roteiro e o tempo de cada cena. O cuidado é não tratar a leitura provisória como definitiva, porque a gravação final nunca tem exatamente o mesmo tempo, e cada diferença mexe no sincronismo entre voz e imagem. O caminho é usar a voz provisória para medir e testar, e fechar o sincronismo sobre a gravação definitiva.
Como garantir a pronúncia certa do nome da marca na locução?
Com uma lista de pronúncia entregue junto com o roteiro. A lista traz o nome da marca, dos produtos, das siglas e dos termos técnicos, com a forma certa de dizer cada um, e de preferência com um áudio de referência gravado por alguém da empresa. Na voz sintética, cada palavra da lista precisa ser conferida na leitura gerada. No locutor humano, alguém da empresa acompanha a gravação ou aprova a primeira leitura antes da versão final.
A mesma voz deve narrar todos os vídeos da empresa?
Não é obrigatório, mas dentro de uma série é o que mantém o conjunto reconhecível. Vídeos de uma mesma série, como os episódios de um treinamento ou de uma campanha interna, ganham com a mesma voz do primeiro ao último, porque o público associa a voz ao formato. Vídeos com funções diferentes, como o institucional e o comunicado do presidente, podem ter vozes diferentes sem prejuízo. O que vale combinar no primeiro vídeo da série é quem garante a mesma voz nos seguintes.
Vídeo em português e inglês precisa de dois locutores?
Precisa de duas gravações, que podem ou não ser da mesma pessoa. Um locutor bilíngue com boa pronúncia nos dois idiomas mantém a mesma identidade de voz nas duas versões. Quando isso não existe, cada idioma ganha um nativo, e a escolha dos dois timbres é feita junto, para que as versões pareçam da mesma peça. Em qualquer caso, o roteiro traduzido precisa caber no tempo das cenas, e isso se confere antes de gravar, e não depois.
O que decide
O que decide a voz do vídeo é o uso, e não o custo da gravação. A voz sintética é a escolha certa para o rascunho, o teste de roteiro e o material interno de vida curta, e nesse eixo de custo e rapidez ela vence qualquer outra opção. A voz de alguém da empresa é a certa quando quem fala é parte da mensagem, em recados curtos e pessoais. O locutor contratado à parte é o certo quando a marca já tem uma voz nas campanhas e quer mantê-la. O locutor selecionado e gravado pelo estúdio é o certo para o vídeo que representa a empresa fora, como o institucional, o lançamento, a abertura de evento e a série, porque a leitura é dirigida junto com o roteiro e o storyboard. E o vídeo sem locução é o certo sempre que o lugar em que ele roda não tem som. Em todos os casos, a voz se escolhe sobre o roteiro aprovado.
Sobre a Mindo
Quando o vídeo tem locução, a Mindo seleciona e grava a voz dentro da própria produção. Estúdio de apresentações e motion design de São Paulo, do grupo ECI, ela cria do zero, a partir do guia de marca de cada cliente, apresentações em PowerPoint 100% editáveis e peças de design gráfico, além de vídeo animado, motion graphics 2D e infográfico. Para definir a voz do próximo vídeo da sua empresa, converse com o estúdio.