O método
Os 4 truques
A voz sai de robô porque você só entrega as palavras. Falta dizer o jeito de falar, igual diretor dirigindo ator. E é tudo no texto: não precisa saber nada de áudio.
- 1
Diga quem fala e onde
Bem no começo do texto, entre colchetes, conte pra IA quem está falando e onde. No site isso se chama tag, que é tipo uma etiqueta com uma instrução. A etiqueta vai em inglês (é assim que o próprio ElevenLabs ensina), mas a fala continua em português.
- 2
Uma emoção pra cada pedaço
Ninguém conta uma história inteira no mesmo tom. Ponha uma etiqueta de emoção no começo de cada pedaço em que o clima muda: ela vale até a próxima. Não gostou do jeito? Troque a etiqueta e gere de novo.
- 3
Escreva do jeito que se fala
Texto todo certinho sai com cara de atendimento automático de banco. Escreva como um áudio pros amigos. A pontuação vira o ritmo: nos ... ela dá uma pensada, no ! ela anima. Número e sigla, por extenso ("dois mil e vinte e seis"). Palavra em inglês, do jeito que a gente fala.
- 4
A voz certa pra história
Em Voz, filtre o Idioma por Portuguese (vêm as do Brasil e as de Portugal juntas: cada voz mostra de onde é) e ouça antes de escolher. A Estabilidade mais baixa deixa a fala mais solta. Texto grande? Gere um bloco de cada vez (um parágrafo, não uma frase solta, que o contexto ajuda) e junte depois.
Na tela
Onde fica cada coisa
Prints da gravação do vídeo, no Text to Speech do ElevenLabs.


Passo a passo
Como usar as tags
A tag é uma instrução entre colchetes, em inglês, que diz pra voz como falar o que vem depois. Ela não é lida em voz alta: no site, a tag certa fica cor-de-rosa.
- 1
Escolha o modelo Eleven v4
Em Configurações → Modelo. As tags são dos modelos novos (o v3 e o v4); use o v4, que é o mais novo e o que a própria ElevenLabs recomenda.
- 2
Escreva o texto primeiro, sem tag nenhuma
Do jeito que se fala, como um áudio pros amigos. Leia em voz alta: se travar na sua boca, trava na dela. Número, sigla e símbolo por extenso ("dez reais", e não "R$ 10").
- 3
Abra com a cena
Na primeira linha, uma tag dizendo quem fala, onde e o jeito geral, em inglês. Quanto mais descrita, melhor: a ElevenLabs diz que ser específico ajuda muito. [low, gravelly voice] funciona melhor que [gravelly], que ela pode achar que é um barulho.
- 4
Uma emoção pra cada pedaço
Ponha a tag logo antes do trecho. Ela vale até a próxima. Uma emoção por vez: misturar emoções opostas na mesma tag confunde. Se o clima muda no meio da frase, ponha outra tag bem ali.
- 5
Os sons da voz onde eles acontecem
Risada, suspiro, respirar fundo: logo antes ou logo depois da frase. Tipo Isso é difícil. [sighs] ou [laughs] Nada!
- 6
Pausa e força no texto
No v4 não existe o <break> dos modelos antigos. Pausa é [pause], [short pause], [long pause] ou reticências (...). Palavra em MAIÚSCULA ganha força, o ! anima e o travessão (—) corta a fala no meio.
- 7
A Estabilidade no lugar certo
Pra ela obedecer as tags, deixe a Estabilidade entre o Criativo e o meio. No Criativo sai mais emoção, mas às vezes ela inventa; no Robusto sai estável e quase ignora as tags. Gere duas ou três vezes e fique com a melhor.
- 8
Não saiu? Troque a tag, não o texto
É a dica da própria ElevenLabs. E combine a tag com a voz: uma voz calma não grita bem, e uma voz animada não cochicha bem.
- 9
O atalho: o botão Aprimorar
Embaixo do texto, do lado do Gerar fala, o Aprimorar põe tags sozinho. É bom pra começar; depois ajuste do seu jeito. Ou use o pedido mais embaixo, que segue tudo isso.
O modelo
O formato pra copiar
Troque o que está entre os colchetes por etiquetas em inglês (a lista completa está logo abaixo) e o texto pelo seu. Cole na parte Text to Speech do ElevenLabs, com o modelo Eleven v4.
[quem fala e onde, em inglês] [a emoção do primeiro pedaço] O primeiro pedaço do seu texto, escrito do jeito que se fala... [long pause] [a emoção do pedaço seguinte] O pedaço seguinte. [pause] Uma pergunta? [long pause] [amused] A resposta! [laughs] O final.
O exemplo do vídeo
A lenda do sertão
O texto exato do áudio que abre o vídeo. Cole como está pra ouvir o resultado, e depois troque pelo seu.
[an old storyteller telling a legend by a campfire at night] [mysterious] Dizem que no meio do sertão tem uma terra vermelha que ninguém consegue cavar até o fim... [long pause] [dramatic] Meu avô tentou. Cavou três dias e três noites, sem parar. [pause] E sabe o que ele achou lá embaixo? [long pause] [amused] Nada! Só um bilhete escrito: [laughs] volta amanhã.

A lista
Todas as tags
Clique numa tag pra copiar. As marcadas com ✓ eu testei em português no vídeo; as outras vêm do guia oficial da ElevenLabs. A lista não é fechada: dá pra escrever a sua, em inglês, descrevendo o jeito que você quer.
Fonte: o guia oficial da ElevenLabs, Best practices → Prompting Eleven v4 (em inglês).
O atalho
O pedido pra sua IA
Cole no ChatGPT, no Claude ou no Gemini e troque a última linha pelo seu texto. O pedido já ensina tudo desta página: as regras, a lista de tags e um exemplo. Ela devolve o texto pronto pra colar no ElevenLabs, sem mudar as suas palavras.
Você é um diretor de voz. Vou te passar um texto em português pra virar áudio no ElevenLabs, com o modelo Eleven v4. Sua tarefa é colocar tags de áudio (instruções entre colchetes, em inglês) pra voz soar como uma pessoa de verdade falando, e não como robô. REGRAS 1. Não mude, não tire e não acrescente nenhuma palavra do texto. A única exceção: número, sigla e símbolo você escreve por extenso, do jeito que se fala (ex.: "2026" vira "dois mil e vinte e seis", "R$ 10" vira "dez reais"). 2. As tags são sempre em inglês e entre colchetes. A fala continua em português. 3. Comece com uma tag de cena que descreva quem fala, onde e o jeito geral, bem específica (ex.: [an old storyteller telling a legend by a campfire at night] ou [warm, conversational tone, like a voice message to a friend]). 4. Coloque uma tag de emoção logo antes de cada pedaço em que o clima muda. Ela vale até a próxima. Uma emoção por pedaço, sem misturar emoções opostas na mesma tag. 5. Sons da voz (risada, suspiro, respiração) vão logo antes ou logo depois da frase em que acontecem. 6. Pausas: use [pause], [short pause] ou [long pause], e reticências (...) pra hesitação. Não use <break>. 7. Ênfase: pode deixar em MAIÚSCULA uma palavra importante e trocar o ponto por ! ou ? onde fizer sentido. 8. Só tags de voz. Nada de tag de ação que não faz som ([standing], [smiling], [pacing]) nem de música. Efeito sonoro, só se eu pedir. 9. Não exagere: no máximo uma tag a cada uma ou duas frases, só onde muda alguma coisa. 10. Combine com a voz: voz calma não grita, voz animada não cochicha. TAGS QUE VOCÊ PODE USAR (e parecidas, se fizer sentido) - Cena e narração: [warm, conversational tone], [quiet, reflective narration], [building tension, measured pace], [gradually building energy], [quick, light, playful pace], [low, steady voice], [low, gravelly voice] - Emoção: [mysterious], [dramatic], [amused], [happy], [excited], [sad], [angry], [annoyed], [furious], [sarcastic], [curious], [surprised], [thoughtful], [nervous], [worried], [hesitant], [scared], [terrified], [appalled], [mischievously], [reassuring], [sympathetic], [professional], [casual], [dismissive] - Jeito de falar: [whispers], [shouting], [muttering], [low, threatening], [measured], [sings] - Sons da voz: [laughs], [laughs harder], [starts laughing], [giggles], [chuckles], [wheezing], [sighs], [exhales], [exhales sharply], [inhales deeply], [clears throat], [gulps], [snorts], [crying], [happy gasp] - Pausas: [pause], [short pause], [long pause] EXEMPLO Texto: Dizem que no meio do sertão tem uma terra vermelha que ninguém consegue cavar até o fim... Meu avô tentou. Cavou três dias e três noites, sem parar. E sabe o que ele achou lá embaixo? Nada! Só um bilhete escrito: volta amanhã. Resultado: [an old storyteller telling a legend by a campfire at night] [mysterious] Dizem que no meio do sertão tem uma terra vermelha que ninguém consegue cavar até o fim... [long pause] [dramatic] Meu avô tentou. Cavou três dias e três noites, sem parar. [pause] E sabe o que ele achou lá embaixo? [long pause] [amused] Nada! Só um bilhete escrito: [laughs] volta amanhã. Responda só com o texto pronto, sem explicação. MEU TEXTO: (cole aqui o seu texto)
Confira sempre
- Ela leu alguma tag em voz alta? Quase sempre é um colchete sem fechar: no site, a tag certa fica fechada e cor-de-rosa.
- Tem tag demais? Isso deixa a voz esquisita. Use só onde muda alguma coisa.
- A tag virou barulho em vez de jeito de falar? Escreva mais descrito, falando da voz: [low, gravelly voice] em vez de [gravelly].
- Uma palavra saiu estranha? Gere de novo só aquele pedaço e troque na edição, sem gastar crédito com o texto inteiro.
No plano grátis dá pra testar tudo isso, mas usar em vídeo monetizado ou em trabalho pra cliente pede o plano pago mais barato.
A ferramenta
O ElevenLabs
É o site que eu usei no vídeo. O link abaixo é de indicação: se você assinar por ele, o canal ganha uma parte, e isso ajuda a fazer mais vídeos como esse.
O vídeo
Tudo isso na prática
O vídeo completo, comigo fazendo cada truque na tela do ElevenLabs.