Por que a voz erra o nome: ela lê a grafia, não o sentido
O modelo nunca vê um nome. Ele vê uma sequência de caracteres e escolhe a pronúncia pela grafia mais as regras do idioma que mandaram ele falar. Ele não sabe que CNPJ é soletrado, que Nguyen é vietnamita ou que R$ 1,2 mi é dinheiro. Tudo chega como texto e é lido por um único conjunto de regras.
É por isso que os erros parecem aleatórios. A mesma voz carrega um roteiro de 12 minutos com elegância e destrói exatamente a palavra sobre a qual o vídeo se apoia. O espectador perdoa uma voz que ele sabe ser sintética. Ele não perdoa um canal que erra o nome da empresa que passou nove minutos analisando, porque isso soa como criador que não estudou o assunto.
Coloque número nisso. Um canal de finanças ou história que publica três vezes por semana entrega cerca de 36 vídeos por trimestre. Quatro nomes ou valores destroçados por vídeo são 144 momentos em que um espectador informado rebaixa você em silêncio. Um deslize audível a cada 90 segundos transforma os comentários de perguntas sobre o tema em piadas sobre o narrador.
E num fluxo manual o conserto é brutalmente desproporcional ao erro. Uma palavra errada significa nova tomada, encaixe no tempo antigo, re-sincronizar os cortes montados em cima do áudio velho e renderizar tudo de novo: de uma a três horas pra consertar dois segundos. A maioria faz essa conta, publica o erro e torce pra ninguém notar.
As 6 famílias de erro, com o exemplo escrito de cada uma
Quase toda pronúncia errada pertence a uma de seis famílias. Nomear as seis importa porque cada uma tem uma correção diferente, e porque, depois que você reconhece o padrão, passa a pegar o erro enquanto escreve em vez de enquanto assiste ao vídeo pronto.
Leia a lista com o seu roteiro aberto. Num vídeo de 12 minutos costumam aparecer de oito a vinte candidatos, e mais ou menos um quarto deles sai realmente errado. Marcar todos leva uns quatro minutos.
Repare que nenhuma dessas correções é sobre a voz. Todas são sobre como a palavra foi digitada.
- Siglas. PIB é palavra, CNPJ é soletrada, SaaS não é nem uma coisa nem outra até você decidir. Escreva C N P J com espaços ou C.N.P.J. com pontos pra forçar as letras, e escreva sás pra forçar a palavra.
- Nomes próprios estrangeiros no meio da frase: Nguyen, Huawei, Bouygues, Xiaomi, Nietzsche. A voz aplica regra do português a um nome que não obedece a ela e produz algo que o seu público nunca ouviu.
- Números grandes, dinheiro e porcentagem. R$ 1.250,00 vira uma fileira de dígitos e 18% pode sair como dezoito porcento colado. Escreva mil duzentos e cinquenta reais, um milhão e duzentos mil reais, dezoito por cento.
- Datas e horas. 03/04/2026 é ambíguo até pra leitor humano, anos 80 pode virar anos oito zero e 9h30 pode sair como nove agá trinta. Escreva três de abril de dois mil e vinte e seis, anos oitenta, nove e meia.
- Unidades e abreviações. kg, km/h, m2, Av. e Dr. dependem do contexto, e Av. Paulista e Dr. Silva usam as mesmas duas letras de jeitos diferentes. Escreva quilos, quilômetros por hora, metros quadrados, avenida Paulista, doutor Silva.
- Homógrafas que mudam com o contexto. A sede da empresa e a sede de vitória. O acento que você esqueceu transforma sabia, sábia e sabiá em três palavras. A frase decide, e o modelo nem sempre lê a frase do jeito que você leu na cabeça.
A regra de ouro: o conserto é no roteiro, não na voz
Quando um nome sai errado, o instinto é trocar de voz. Quase nunca funciona. A voz nova lê a mesma sequência com as mesmas regras e devolve uma variação do mesmo erro, e agora o seu canal ainda perdeu a identidade sonora que estava construindo.
Escreva pro ouvido. Roteiro de narração não é documento, é instrução pra uma boca. Número escrito do jeito que você falaria, valor por extenso, sigla quebrada com espaços quando ela deve ser soletrada e escrita como soa quando ela deve ser falada. Se um estranho lendo aquilo em voz alta produziria o som certo, o modelo também produz.
Aí entra a grafia fonética caseira, o truque que salva os nomes difíceis. Pegue a palavra que falha e reescreva com letras comuns que produzam o som correto no idioma da narração: Huawei vira uau uêi, Nguyen vira nuiên, Bouygues vira buíg. Você não está escrevendo alfabeto fonético, está escrevendo o que um leitor nativo diria vendo aquilo pela primeira vez.
Uma ressalva honesta. A legenda nasce do texto narrado, então uma grafia esquisita na tela é um preço real. Prefira grafias que ainda se leiam como o nome, ou mantenha a escrita correta e ajuste aquele trecho depois.
É também aqui que uma ferramenta de roteiro somada a outra de voz perde. Você escreve num lugar pensando num leitor, cola em outro pensando num falante, e a emenda entre os dois é onde todo nome quebra. No FalconVid o roteirista e o narrador são dois especialistas de IA dentro do mesmo pipeline, trabalhando no mesmo vídeo ao mesmo tempo, então o texto já nasce moldado pra voz que vai falá-lo. Não existe passagem de bastão pra perder o nome no caminho.
Como o FalconVid mantém nomes, números e datas nos trilhos
A pronúncia continua quebrada na maioria dos canais não por ignorância, mas por custo de conserto. Quando corrigir custa de uma a três horas, você para de corrigir, e no vídeo quarenta o canal tem um problema permanente de sotaque que ninguém planejou.
No FalconVid o pipeline roda em paralelo: pesquisador, roteirista, narrador, editor e designer de som trabalham no mesmo vídeo ao mesmo tempo, então um vídeo longo volta como primeira versão em até 30 minutos. Você aprova o calendário de conteúdo e os vídeos chegam sozinhos. Quando uma palavra ainda cai errada, você abre o Studio, ajusta aquele trecho e remonta, ou encurta a intro, troca uma mídia e muda a música. O Studio está em todo plano, como toda feature de criação: um plano maior compra volume, canais, gerações simultâneas, o analista sênior de IA do Pro pra cima, com 7 dias de teste no Starter, e o suporte.
A voz não é onde se pede pra você abrir mão de nada. A narração roda em 63 idiomas com vozes premium ultra realistas, e você pode clonar a sua própria voz pra o canal manter uma identidade única. Consertar uma palavra nunca precisa significar abandonar uma voz que o seu público já reconhece.
A conta é em créditos e quem decide é o modo de qualidade. Um vídeo de 12 minutos custa 1.008 créditos no econômico, 8.676 no balanceado e 26.760 no premium. O Starter é $47 por mês com 15.000 créditos: 14 vídeos se o mês inteiro ficar no econômico, ou a versão que as pessoas realmente rodam, uns 10 a 12 por mês com um deles no balanceado. O Pro é $97 por 30.000 créditos e 5 canais, e o Scale é $997 com 50 canais e 50 gerações simultâneas.
- Roteirista e narrador no mesmo pipeline, então o texto já nasce escrito pra ser falado
- 63 idiomas de narração com vozes premium ultra realistas, mais clonagem de voz
- Studio em todos os planos: ajustar o trecho e remontar em vez de refazer o vídeo
- Produção em paralelo: primeira versão de um vídeo longo em até 30 minutos
- Vídeo de 12 minutos: 1.008 créditos no econômico, 8.676 no balanceado, 26.760 no premium
- Starter $47 com 15.000 créditos: uns 10 a 12 vídeos por mês mesclando modos, ou 14 no econômico puro
O teste dos 30 segundos que salva a renderização de 12 minutos
Antes de mandar 12 minutos de narração, gere só o parágrafo que carrega as palavras de risco e escute. Trinta segundos de áudio são uma fração pequena de um vídeo que custa 1.008 créditos no modo econômico, e pegam o erro enquanto errar ainda é barato.
Monte o parágrafo de teste direito. Coloque todos os termos de risco dentro dele, nas mesmas construções que você vai usar de verdade, porque é o contexto que decide uma homógrafa. Um teste que lê nomes em lista de compras não prova nada. Seis frases com a cara do seu roteiro real provam tudo.
Escute no alto-falante do celular, não no fone com que você edita. O seu público assiste no telefone, com metade do volume, num ambiente barulhento, e metade dos problemas que sobrevivem a um bom fone fica escancarada quando os médios são esmagados.
Num fluxo manual ninguém roda esse teste, por um motivo perfeitamente racional: se falhar significa regravar, re-sincronizar e re-renderizar, você prefere não saber. Quando a primeira versão volta em até 30 minutos e vários vídeos são produzidos ao mesmo tempo, 2 gerações simultâneas no Starter e 50 no Scale, testar deixa de ser sacrifício.
Cada idioma tropeça numa palavra diferente
Com um canal só, isso é detalhe. Com o mesmo formato rodando em três idiomas, é a diferença entre um segundo mercado e um segundo vexame, porque cada idioma falha num lugar diferente e a correção não viaja junto.
O português tropeça em sigla em inglês e em dinheiro: CEO, KPI e SaaS saem lidos com nome de letra em português, e R$ 1.250,00 vira uma fileira de dígitos. Ele ainda esconde homógrafas atrás de um acento que você pulou, então sabia, sábia e sabiá são três palavras dentro do mesmo erro de digitação.
O espanhol tropeça em nome em inglês e em anglicismo: Nike lido como está escrito, Huawei soletrado letra por letra, marketing com vogais espanholas inteiras. A armadilha mais cruel dele é o acento ausente, porque publico, publicó e público são três palavras diferentes. O inglês, por sua vez, achata nomes latinos e alemães: João, Beauchamp, Nietzsche, Porsche.
Então, ao levar um vídeo já provado pra um idioma novo, nome próprio pede tratamento novo, não tradução: uma grafia que funciona em português produz outro som em inglês. No FalconVid você duplica o projeto para outro idioma pagando só a diferença, e ele volta narrado por uma voz daquele idioma, em canal próprio, com calendário e identidade próprios. O único trabalho que sobra é uma lista curta de nomes.
O checklist de 8 itens pra rodar antes de publicar
Tudo isso cabe numa passada de uns cinco minutos num roteiro de 12 minutos. Rode uma vez e você vai perceber o seu próprio padrão: a maioria dos criadores quebra duas ou três famílias sem parar e nunca encosta nas outras três.
Feito na mão, essa lista é disciplina pura, e disciplina é a primeira coisa que some numa semana ruim. Num pipeline automatizado a maior parte acontece antes de o vídeo chegar até você, e é por isso que canal automatizado continua consistente no vídeo 200 enquanto o manual aguenta até mais ou menos o vídeo 20.
- Varra todas as siglas e decida, uma a uma, se ela soletra ou se ela fala
- Reescreva todo número, valor em dinheiro e porcentagem do jeito que você falaria
- Reescreva toda data e hora por extenso, nunca em dígitos e barras
- Expanda unidades e abreviações: kg, km/h, m2, Av., Dr.
- Reescreva foneticamente todo nome próprio estrangeiro para o idioma da narração
- Confira as homógrafas lendo a frase inteira, nunca a palavra isolada
- Gere o parágrafo de teste de 30 segundos e escute no alto-falante do celular
- Ao duplicar para outro idioma, refaça a lista de nomes em vez de traduzi-la