Conversor de TXT para MP3 — voz de IA, 192 kbps

O texto vira um MP3 que você leva para qualquer lugar

O MP3 é o mais próximo que o áudio tem de uma moeda universal. Todo celular, carro, notebook, caixa de som inteligente e player de mídia de hobby nascido nas últimas duas décadas o reproduz sem reclamar, todo sistema de mensagens e de e-mail o aceita como anexo, e ele continua pequeno o bastante para circular sem cerimônia. Sem player proprietário, sem caça a codecs, sem e-mail de compatibilidade de um colega confuso. Quando as suas palavras precisam viajar como som, o MP3 é o formato que nunca faz perguntas.

É exatamente isso que esta página produz: texto em fala, sem nada para instalar e sem linha do tempo para montar. Envie um arquivo TXT simples — notas de reunião, um comunicado redigido, um rascunho de artigo, uma folha de estudos — e receba um MP3 que você pode soltar em uma playlist, um chat ou um aplicativo de podcast. Escritores ouvem os rascunhos no transporte; professores entregam aos alunos áudio de revisão; gente ocupada transforma tempo morto de leitura em tempo de escuta. Como a saída é um MP3 comum, nada na sua configuração atual precisa mudar — o arquivo se comporta como qualquer outro áudio que você já tem. O formato desaparece no fundo, que é exatamente o que você quer de um utilitário.

Do texto ao WAV ao MP3 de 192 kbps

O pipeline é honesto quanto às suas duas etapas. Primeiro, o motor de síntese Qwen3-TTS lê o seu texto e o renderiza como fala em um arquivo WAV — o formato de trabalho sem perdas da síntese. Então o FFmpeg transcodifica esse WAV no MP3 final de 192 kbps, que é o que você baixa.

A taxa de 192 kbps é uma escolha deliberada para fala. Ela mantém as vozes nítidas e livres dos artefatos aquosos que a compressão agressiva acrescenta, ao mesmo tempo em que encolhe o arquivo dramaticamente em comparação com a versão em WAV — o MP3 é a forma menor e amigável para compartilhar do mesmo áudio, aquela que você anexa a uma mensagem sem pensar duas vezes. A fala também tolera essa taxa com elegância: não há pratos estalando nem mixagens densas para emborrar, então a economia de tamanho quase não custa nada ao ouvinte.

O tempo é medido em minutos, não em segundos: a maioria das conversões termina em poucos minutos, e um texto longo, próximo do limite de entrada, pode levar até cerca de 25 minutos no pior caso, com a etapa extra de transcodificação incluída. O progresso é exibido o tempo todo; o MP3 fica disponível para download assim que fica pronto. O projeto em duas etapas é o motivo de o teto ser declarado como cerca de 25 minutos e não menos — síntese primeiro, transcodificação depois, um único relógio cobrindo os dois.

A voz, descrita com honestidade

A fala é gerada por IA pelo motor Qwen3-TTS — não é uma gravação de um narrador humano, e a página não finge o contrário. Para material que se beneficia de uma leitura neutra e constante, o resultado é genuinamente agradável; para projetos que precisam de uma performance, você vai querer talento humano de verdade.

A voz padrão é a Vivian, em um estilo fixo de locução de noticiário — comedida, clara, profissional. Não há seletor de vozes nem controles de velocidade no momento: toda conversão sai no mesmo registro equilibrado, o que mantém os resultados previsíveis de um arquivo para o outro. Se uma atualização futura trouxer mais vozes, a página dirá; até lá, a Vivian é a voz.

Limites e privacidade

A entrada é limitada a 2000 caracteres — cerca de nove minutos de áudio pronto. Textos acima do limite são recusados com uma mensagem clara em vez de encurtados em silêncio. O hábito prático é dividir material longo nos limites de capítulo ou de seção e converter as partes uma a uma, em ordem, numerando os arquivos conforme você avança. Três partes de 2000 caracteres convertem sem drama; um bloco único de 6000 caracteres não converte de forma alguma.

A privacidade segue o padrão da plataforma. O serviço é gratuito durante o beta e não exige conta, os envios viajam por HTTPS e tanto o seu TXT quanto os arquivos de áudio produzidos são excluídos automaticamente em 24 horas. As suas palavras ganham uma voz; não ganham um arquivo morto.