ElevenLabs para canal dark: a voz é 1 de 9 peças do vídeo (o custo real em 2026)

O ElevenLabs é um dos melhores geradores de voz com IA do mercado, e quem procura uma voz de IA para o YouTube costuma parar lá por um bom motivo. As vozes têm emoção, o ritmo soa humano, o modelo multilíngue lida bem com sotaque, e a clonagem permite narrar com uma cópia da própria voz. Nada neste guia diz o contrário. A pergunta é mais estreita: o que exatamente você está comprando quando o objetivo é um canal no YouTube que publica toda semana, e não uma locução avulsa.

Segundo a página de preços deles em setembro de 2026, o ElevenLabs vende créditos, e em texto para fala um crédito é um caractere. O plano Free dá 10.000 créditos por mês, cerca de 10 minutos de áudio, sem licença comercial. O Starter custa US$ 6 por mês por 30.000 créditos, cerca de 30 minutos, com licença comercial e clonagem instantânea de voz. O Creator custa US$ 22 por mês, com o primeiro mês pela metade do preço, por 121.000 créditos, cerca de 121 minutos, e acrescenta a clonagem profissional de voz. O Pro custa US$ 99 por mês por 600.000 créditos, cerca de 600 minutos. O Scale custa US$ 299 por mês por 1.800.000 créditos, e o Business US$ 990 por mês por 6.000.000 de créditos.

No modelo Multilingual v2, texto para fala custa 1 crédito por caractere. Os modelos mais rápidos, Flash e Turbo, custam entre 0,5 e 1 crédito por caractere. Preço e cota de ferramenta de IA mudam com frequência, então confira a página no dia em que for decidir. O padrão, porém, é estável: a unidade que você paga é texto transformado em áudio, caractere por caractere, e toda vez que você transforma o mesmo texto em áudio de novo, paga de novo.

Essa unidade é justa para o trabalho para o qual a ferramenta nasceu: um capítulo de audiolivro, a abertura de um podcast, a voz de um personagem de jogo, uma demonstração de produto, uma locução avulsa para um vídeo que você mesmo está editando. Em todos esses casos, o áudio é a entrega. Num canal no YouTube o áudio é uma trilha na linha do tempo, e a entrega é o vídeo pronto, publicado na data. A diferença aparece assim que você faz a conta de um mês.

Narração corre a cerca de 150 palavras por minuto. Um vídeo de doze minutos, duração normal em nichos de história, finanças, true crime, curiosidades ou explicação, onde tempo de exibição é a moeda, precisa de umas 1.800 palavras de roteiro. Em inglês uma palavra média com o espaço fica perto de seis caracteres, então 1.800 palavras dão algo entre 10.000 e 11.000 caracteres; em português, com palavras um pouco mais longas, a conta fica igual ou um pouco maior. No Multilingual v2, a 1 crédito por caractere, isso dá cerca de 11.000 créditos para uma passada limpa de um vídeo.

Passada limpa é raridade. Um parágrafo volta com a ênfase na palavra errada, um nome próprio sai mal pronunciado, um número é lido como data, a energia cai no fim de uma frase longa. Cada correção significa gerar aquele parágrafo de novo, e cada nova geração consome caracteres outra vez. Na prática, é prudente orçar de 1,3 a 1,5 vez o tamanho do roteiro, o que coloca um vídeo de doze minutos entre 14.000 e 16.500 créditos.

Agora o mês. Um canal dark modesto publica dois vídeos por semana, oito por mês. São cerca de 88.000 créditos de narração crua, e de 115.000 a 130.000 com as regravações. O Starter, com 30.000 créditos, cobre uns dois vídeos. O Creator, com 121.000, fica no limite: só fecha o mês se as regravações ficarem perto do mínimo. O Pro, com 600.000, cobre o calendário com folga, com espaço para uns 36 a 42 vídeos. Trocar para Flash ou Turbo corta os créditos por caractere em até metade, o que no melhor caso dobra a conta de vídeos.

Em dinheiro, a voz é barata. No Creator, 16.500 créditos equivalem a uns US$ 3 da mensalidade, e no Pro a cerca de US$ 2,70. Mesmo contra um locutor profissional ela ganha com folga, comparação feita linha por linha no custo de narração com IA ou locutor. O problema não é o preço da voz. É tudo o que a voz não inclui.

O ElevenLabs entrega um arquivo de áudio. Um vídeo de canal dark é esse arquivo mais outras oito camadas, e nenhuma delas está nos créditos que você pagou. É isso que as pessoas descobrem depois da primeira exportação: uma narração perfeita de doze minutos está na linha do tempo, a tela está preta e o trabalho de verdade ainda nem começou.

Cada peça é uma tarefa, e cada tarefa tem um custo em horas ou em freelancer quando feita à mão:

• Pesquisa: fatos, números e ângulo antes de escrever uma linha, de uma a três horas para um vídeo de doze minutos.
• Roteiro: 1.800 palavras com gancho, laços abertos e fechamento; um roteirista freelancer cobra de US$ 15 a 50 por vídeo.
• Cenas e ritmo de corte: imagens de banco, imagens geradas, movimento e um corte a cada poucos segundos, a parte mais lenta do trabalho; um editor freelancer cobra de US$ 30 a 150 por vídeo.
• Música e sound design: uma trilha que combina com o clima, efeitos nas transições e uma mixagem em que a voz fica acima do fundo.
• Legendas, de preferência estilo karaokê e sincronizadas palavra por palavra, porque muita gente assiste com som baixo ou mudo.
• Thumbnail: a imagem que decide o clique antes de alguém ouvir a voz, de US$ 5 a 20 por vídeo com um freelancer.
• SEO do vídeo: título, descrição, tags e capítulos escritos para a busca, não para o ouvido.
• Agendamento e publicação: o upload, os metadados, a data no calendário e o mesmo vídeo repetido nas outras redes.

Coloque os números lado a lado. Um vídeo de canal dark de doze minutos feito à mão leva cerca de 6 a 10 horas somando todas as etapas. A narração com o ElevenLabs ocupa talvez 20 a 40 minutos disso, regravações incluídas. O resto é pesquisa, escrita, edição, som, legenda, capa, SEO e upload. Em dinheiro, a voz custa uns US$ 3 por vídeo no Creator, enquanto os freelancers de roteiro, edição e thumbnail somam de US$ 50 a 220 por vídeo.

Num mês de oito vídeos, a versão manual dá cerca de 48 a 80 horas de trabalho, ou de US$ 400 a 1.760 em freelancer, além do plano de voz. A voz é a menor linha dessa conta. Trocar por uma voz melhor ou mais barata quase não mexe no total, e essa é a armadilha de escolher a ferramenta do canal comparando geradores de voz com IA.

Esse também é o teto manual. A 6 a 10 horas por vídeo, uma pessoa com emprego roda um canal a dois vídeos por semana e para aí. Um segundo canal ou um segundo idioma dobra as horas. O teto não é a voz. São as oito peças em volta dela, feitas uma depois da outra, à mão.

O teto cai quando as peças rodam em paralelo. No FalconVid a voz é um dos especialistas de IA de uma linha de produção: o pesquisador, o roteirista, o narrador, o editor e o sound designer trabalham no mesmo vídeo ao mesmo tempo, e ele fica pronto em até 30 minutos. As horas saem da edição e vão para a única decisão que é sua: aprovar o calendário. Dali em diante os vídeos se publicam sozinhos nas datas.

No FalconVid, a plataforma de canais no piloto automático, a narração não é uma assinatura separada. É o narrador da linha de produção. Para cada vídeo o pesquisador levanta os fatos antes de o roteiro existir, o roteirista escreve na duração que você define, o narrador lê numa voz premium ultra realista ou na sua voz clonada, o editor monta as cenas para casar com as palavras, o sound designer coloca música e efeitos da biblioteca, e as legendas saem estilo karaokê em mais de 15 estilos. A thumbnail, o SEO do vídeo e os Shorts 9:16 saem da mesma rodada.

A unidade também muda. A narração no FalconVid é cobrada por minuto de vídeo, não por caractere e não por tentativa. As vozes premium custam 24 créditos por minuto, então um vídeo de doze minutos dá 288 créditos de narração. As vozes econômicas, as Vozes IA FalconVid, custam 3 créditos por minuto, então os mesmos doze minutos dão 36 créditos. E esses créditos já estão dentro do custo do vídeo pronto, não numa conta à parte. A página de narração com IA mostra as vozes, a clonagem e os 63 idiomas de narração.

Como o preço é por minuto de vídeo e não por voz, uma segunda voz custa zero a mais. Um documentário com narrador e entrevistado, uma história com três personagens, um formato de debate com dois apresentadores: cada personagem ganha uma voz própria, e a conta da narração é a mesma de um narrador só. No modelo por caractere, cada voz a mais é mais caractere e mais regravação.

A clonagem vem junto. O clone rápido é grátis, e o clone pro existe para quem quer a própria voz com mais fidelidade. A voz, o estilo e a estrutura do canal ficam guardados no DNA do canal, a identidade persistente dele, então o vídeo 1 e o vídeo 200 soam como o mesmo apresentador. E o canal não nasce de uma página em branco: o Spy mapeia o que já monetiza no nicho, então você não começa do zero, começa do que já monetiza. Se uma primeira versão precisa de ajuste, o Studio deixa você assistir e encurtar a introdução, trocar uma cena, mudar a música ou abrir a linha do tempo.

Na régua de hoje, um vídeo de doze minutos custa 1.731 créditos no econômico, 4.597 no balanceado e 16.131 no premium, e isso inclui pesquisa, roteiro, narração, cenas, edição, música, legenda e thumbnail. O econômico monta as cenas com imagens de banco em movimento; o premium gera cenas cinematográficas com motores como Veo 3 com áudio e Seedance Pro. São créditos do FalconVid, uma unidade diferente dos créditos do ElevenLabs, mas o contraste mostra onde fica o peso de cada modelo: num, a voz é o produto inteiro; no outro, o produto é o vídeo inteiro.

Plano por plano: o Starter, com 15.000 créditos, 1 canal e 2 gerações simultâneas, roda 8 vídeos de doze minutos no econômico ou 3 no balanceado, então o calendário de oito vídeos do começo deste guia cabe no econômico. Uma mistura honesta é 2 balanceados e 3 econômicos, 14.387 de 15.000 créditos. O Pro, com 30.000 créditos, 5 canais e 5 gerações simultâneas, roda 17 vídeos no econômico, 6 no balanceado ou 1 no premium; uma mistura de 4 balanceados e 6 econômicos dá 28.774 créditos. Do Pro para cima vêm também o servidor dedicado e o Analista Sênior de IA, uma pessoa fixa com nome, rosto e voz que lê a sua conta e escreve para você a cada 2 dias.

O Business, com 95.000 créditos, 10 canais e 10 gerações simultâneas, roda 54 vídeos no econômico, 20 no balanceado ou 5 no premium. O Agency, com 190.000 créditos e 25 canais, roda 109, 41 ou 11. O Scale, com 320.000 créditos e 50 canais, roda 184, 69 ou 19. Ninguém roda um mês num modo só; você mescla, e a estimativa em créditos aparece antes de cada vídeo ser gerado, então o mês é planejado, não descoberto.

Idioma é onde o modelo por caractere mais cresce, porque cada idioma novo é outro roteiro, outros caracteres e outras regravações. No FalconVid um projeto é duplicado para outro idioma reaproveitando a mídia já gerada: só a narração e a legenda são refeitas, e você paga só a diferença. Quais mercados pagam melhor pelo mesmo vídeo está nos melhores idiomas para narração com IA.

Onde a produção manual para em dois vídeos por semana num canal só, o pipeline roda vários vídeos ao mesmo tempo, até o limite de gerações simultâneas do seu plano, e vários canais ao mesmo tempo, cada um com a sua voz, o seu idioma e o seu calendário.

O ElevenLabs é a compra certa quando o áudio é a entrega. Audiolivro, podcast, dublagem de um vídeo que você já editou, a voz de um jogo ou de um app, a narração de um curso em que você controla todas as outras camadas. Também é uma escolha sensata para o editor que já tem a linha de produção montada e só precisa da trilha de voz: a uns US$ 3 por narração de doze minutos, é difícil de bater.

O sinal de que você está na ferramenta errada é o calendário. No momento em que o objetivo vira um canal dark que publica toda semana, acumula horas de exibição e ganha com anúncio, a unidade muda de caracteres de áudio para vídeos publicados na data. Agora você precisa de pesquisa, roteiro, cenas, música, legenda, thumbnail, SEO e publicação toda santa semana, e a voz ocupa cerca de 5 por cento das horas.

A escolha da voz continua importando, e muito. O tom que segura uma audiência de true crime não é o que segura uma audiência de finanças, e a voz errada custa retenção em todo vídeo. Como casar a voz com o nicho, com exemplos, está em qual voz de IA escolher. O ponto é que essa escolha acontece uma vez, no DNA do canal, e não de novo em cada vídeo.

Um teste simples: conte quantos vídeos você quer publicar nos próximos 90 dias. Se forem três locuções para vídeos que você vai editar de qualquer jeito, o ElevenLabs ganha. Se forem vinte e quatro vídeos prontos de doze minutos, você está rodando um canal, e canal é um calendário que você aprova, não um saldo de créditos que você raciona.

O primeiro é monetizar áudio de um plano sem licença comercial. Segundo a página de preços do ElevenLabs, o plano Free não inclui essa licença, então áudio gerado nele não deveria entrar num canal monetizado. Confira a licença de qualquer ferramenta de voz antes do primeiro upload, não depois do primeiro pagamento.

O segundo é trocar a voz no meio do caminho. O público cria vínculo com uma voz tanto quanto com um rosto, e um canal que troca de narrador a cada poucas semanas zera esse vínculo toda vez. Se a troca for inevitável, existe o jeito certo de fazer, passo a passo, em trocar a voz do canal no meio.

O terceiro é orçar o roteiro e esquecer as regravações. Um mês planejado em 88.000 créditos que na prática consome 125.000 acaba na terceira semana, normalmente bem antes do vídeo que importa. No FalconVid a narração é cobrada por minuto de vídeo pronto, não por tentativa, e um nome mal pronunciado é corrigido sem regravar a narração inteira.

O quarto é tratar a voz como se fosse o canal. Uma voz ótima em cima de uma edição lenta, uma thumbnail genérica e um título escrito sem pensar na busca continua perdendo. A voz segura o segundo minuto; as outras oito peças ganham o clique, o primeiro minuto e o décimo. Por isso elas precisam ser produzidas juntas, toda semana, e não só quando sobra tempo.