Modificador de voz Pro

O nó Modificador de voz Pro (Voice Changer Pro) dá a cada falante de uma conversa uma nova voz própria. Ele detecta cada falante de uma gravação ou de um vídeo com fala e troca a voz do falante 1 pela sua primeira voz, a do falante 2 pela sua segunda voz, e assim por diante. Cada falante mantém a emoção, o ritmo e o timing originais, então uma cena de diálogo, um podcast ou uma entrevista inteira ganha novas vozes em uma única execução.

O Modificador de voz Pro roda no Nodaro Cloud. Em uma instalação self-hosted, o nó mostra a marca NODARO e é executado pela sua conexão com o Nodaro Cloud, com cobrança na conta do nodaro.ai conectada.

Quando usar

• Trocar em uma única etapa as vozes de um vídeo de diálogo com vários personagens.
• Substituir todas as vozes de um podcast ou de uma entrevista por vozes anônimas.
• Escolher vozes de personagem específicas para uma cena e manter a interpretação original.
• Transformar uma gravação de rascunho com vários falantes em uma narração bem acabada.
• Trocar as vozes dos convidados de um painel enquanto o apresentador mantém a própria voz.

Para uma gravação com um só falante, o Modificador de voz (Voice Changer) basta.

Início rápido

Entradas e saídas

Quando as duas entradas estão conectadas, o vídeo prevalece e a entrada de áudio é ignorada.

O arquivo decide o modo, não a entrada. Antes de começar qualquer trabalho, o nó verifica o que o arquivo realmente contém:

• Um arquivo só de áudio na entrada Vídeo, como uma gravação de voz salva como .mp4 ou .m4a, é executado como áudio. Você recebe o áudio com as novas vozes, a saída Vídeo fica vazia, e nada falha.
• Um vídeo na entrada Áudio tem o som extraído primeiro e é tratado como áudio.

Como os falantes recebem as vozes

O nó encontra cada falante da gravação e os numera na ordem em que cada um fala pela primeira vez. A sua lista de vozes é associada a essa ordem.

• Até 8 vozes. A lista tem de 1 a 8 entradas, e pelo menos uma entrada precisa ser uma voz de verdade.
• Posições que mantêm a voz original. Uma entrada Manter original deixa a voz desse falante inalterada, enquanto os falantes seguintes continuam ganhando vozes novas.
• Listas mais curtas. Os falantes que passarem do fim da lista mantêm a voz original.
• Edite a lista. Mova uma voz com as setas para cima e para baixo, transforme-a, com Manter, em uma posição que mantém a voz original, ou remova-a.

Se você não tiver certeza de quem fala primeiro, passe a gravação pelo Transcrever (Transcribe) com Identificação de falantes ativada e leia os rótulos de falante.

Configurações

Configurações de cada voz

Abra Configurações de voz abaixo de uma voz para ajustar só aquele falante. Deixe uma configuração sem mexer para usar o padrão do modelo.

Como o fundo é mantido

Antes de trocar qualquer voz, o nó sempre divide a gravação em uma faixa de voz e uma faixa de música e efeitos. Preservar a música de fundo não decide se essa divisão acontece. A opção só decide se a faixa de música é mixada de volta sob as novas vozes.

Se a música vazar para as novas vozes, ou se uma voz soar fina, defina Qualidade da separação como Qualidade — separação mais precisa. Mantenha Rápido quando a velocidade importar ou quando as vozes já soarem limpas.

Adicione um ambiente ou um eco às vozes

Efeitos de voz adiciona um efeito a todas as novas vozes juntas, antes de a música ser mixada de volta. O efeito fica só nas vozes, então, com Preservar a música de fundo ativado, a música continua seca sob uma voz com reverb.

• Espaços de reverb: Sala (ambiente interno), Banheiro, Interior de carro, Salão / saguão, Sala de concertos, Igreja, Caverna, Arena / estádio e Externo (ao ar livre). O Mix wet / dry, de 0 a 100, define quanto do ambiente você ouve.
• Timbre: Telefone, Megafone / alto-falante, Eco / slapback e Personalizado. Eco e Personalizado usam Atraso (ms), de 20 a 2.000, e Decaimento, de 0 a 1, em que um decaimento maior gera mais repetições.

A página Efeitos de áudio descreve cada predefinição.

Troque as vozes de um vídeo inteiro

Conecte qualquer vídeo com fala à entrada Vídeo. O nó então:

1. Extrai a faixa de áudio do clipe.
2. Detecta cada falante na ordem em que cada um fala pela primeira vez.
3. Troca a voz de cada falante pela voz correspondente.
4. Coloca as novas vozes de volta no vídeo original e retorna o vídeo e a nova faixa de áudio.

O vídeo precisa de uma faixa de áudio. A maioria dos modelos de texto para vídeo e de imagem para vídeo gera vídeo sem som, e um clipe sem som falha na hora. Use um clipe com fala, ou conecte uma gravação à entrada Áudio.

Créditos

Só as vozes trocadas custam créditos. As posições que mantêm a voz original e os falantes além do fim da sua lista passam de graça.

• Uma voz com Conversão é cobrada pela duração do stem dela. O stem vai do início do clipe até a última fala desse falante. A tarifa é 44 créditos por minuto, contados por segundo. Cada voz é arredondada para cima, e depois o total da execução, então uma execução pode custar um pouco mais que a tarifa multiplicada pela duração dos stems.
• Uma voz com Releitura é cobrada a 33 créditos por 1.000 caracteres iniciados do texto que ela fala.
• Mínimo. Cada voz é cobrada como pelo menos 6 segundos de fala, e cada execução também.

Você paga pelos stems que foram realmente convertidos, e nunca mais do que o valor reservado no início da execução.

Use como app

O Modificador de voz Pro também é um app independente, em voice.nodaro.ai. Cole um link ou envie um vídeo, escolha uma voz para cada falante e receba o vídeo convertido.

Dicas

• Ordene as vozes com cuidado. A associação é por posição: a primeira voz vai para o primeiro falante a falar.
• Ajuste cada falante separadamente. Cada voz tem as próprias configurações, então você pode deixar um falante mais estável e manter outro expressivo.
• Equilibre o volume por falante. Use Volume em cada voz: Igual à origem reproduz o falante original, e Manual define um nível exato.
• Associe menos vozes do que falantes. Só os falantes da lista mudam; todos depois deles mantêm a própria voz.
• Mantenha a interpretação. A Conversão converte fala em fala, então a atuação original é preservada. Use Releitura (v3) só quando quiser uma nova interpretação, por exemplo em um projeto só de áudio.

Solução de problemas

Um falante soa robótico. Diminua a Semelhança ou a Estabilidade dessa voz, ou escolha uma voz com timbre mais próximo do falante original.

A música vaza para as vozes. Defina Qualidade da separação como Qualidade — separação mais precisa.

O falante errado recebeu uma voz. Os falantes são numerados por quem fala primeiro. Confira a ordem com o Transcrever e reordene as vozes.

Uma execução self-hosted é recusada com nodaro_connection_required. A instalação não tem conexão com o Nodaro Cloud. Conecte-a com OAuth ou com uma chave de API, como descrito em Conectar ao Nodaro Cloud.

Pela API

POST /v1/voice-changer-pro executa o nó por código, no Nodaro Cloud. orderedVoices associa o falante N à entrada N. Uma entrada é um ID de voz, um objeto com configurações por voz ou null para uma posição que mantém a voz original. O objeto de configurações recebe voiceId, engine ("sts" ou "v3"), stability, similarityBoost, style, useSpeakerBoost, seed, volumeMode e volume. Com engine: "v3", stability aceita só três valores (0, 0,5 e 1), e similarityBoost, style e useSpeakerBoost são ignorados. O campo sourceHasVideo do resultado informa se a execução usou o modo de vídeo ou o modo de áudio.

No Nodaro Cloud, você também pode executar o mesmo mecanismo em três etapas. Assim, você confere os falantes antes de pagar por uma troca de voz e mixa as faixas antes de renderizar:

1. Análise. POST /v1/voice-changer-pro/analyze separa as vozes da música e detecta os falantes. Retorna os segmentos de tempo, a contagem de palavras e um trecho da transcrição de cada falante, além do idioma detectado. Custa 11 créditos.
2. Troca de voz em stems. Chame POST /v1/voice-changer-pro com output: "stems" e a análise. Os falantes não são detectados de novo, então você pode trocar as vozes por outras quantas vezes quiser. O resultado é uma faixa seca por voz.
3. Exportação. POST /v1/voice-changer-pro/export renderiza o vídeo final a partir da sua mixagem. Envie até 16 faixas, cada uma com um gain de 0 a 200, muted e um kind igual a voice ou background, além de um voiceFx opcional. Pelo menos uma faixa precisa estar com som. O fluxo de vídeo é copiado, nunca codificado de novo. Ajustar a mixagem é grátis; a exportação custa 2 créditos.

Os métodos do SDK são client.voices.analyze, client.voices.recast e client.voices.exportMix. Os comandos da CLI são nodaro voice analyze, nodaro voice recast e nodaro voice export. As ferramentas MCP são voice_changer_pro, voice_changer_pro_analyze e voice_changer_pro_export. Veja Voz e mídia.