Voz e visuais
Voz e visuais: narração local, clipes de banco de imagens e IA só se você ativar
A voz e os visuais de cada vídeo de CLAQON saem, por padrão, do seu próprio computador e de stock licenciado: uma narração local com os tempos de cada palavra para as legendas e clipes verticais do Pexels. A voz da ElevenLabs, a imagem e o vídeo com IA vêm desligados; você os ativa por conta, com orçamento próprio e o custo à vista.
- Narração local sem custo por vídeo
- Clipes de stock licenciados, por padrão
- O que é pago fica desligado até você ativar
O que resolve
Como narrar e ilustrar todos os dias sem disparar o custo?
A voz e, sobretudo, o vídeo gerado com IA são a parte cara de um short. Se cada peça paga por tudo, o custo se multiplica pelo número de contas e de faixas de horário; se nada é pago, o resultado pode ficar aquém nas cenas que importam.
CLAQON começa com custo zero — voz local e stock — e deixa você pagar só onde faz diferença: uma voz paga, imagens geradas ou clipes de vídeo com IA nas cenas-chave. Cada opção paga é ativada por conta, com orçamento próprio e com o custo estimado antes de gastar.
Como funciona
Da narração à edição
Narração
Piper ou Kokoro no seu computador, ElevenLabs se você ativar, ou a sua própria voz alinhada. Sempre com os tempos de cada palavra.
Planejamento de cenas
Os tempos reais da narração definem a duração de cada cena.
Visuais conforme o perfil
Stock por padrão; com um perfil pago, imagem ou vídeo com IA nas cenas-chave.
Barreira antes de pagar vídeo
Nenhum clipe de vídeo com IA é solicitado até que 7 condições sejam cumpridas, do roteiro aprovado às referências de todas as cenas.
Edição com som
O FFmpeg renderiza no seu computador, com música de acordo com o tom e efeitos que se alternam.
Capacidades
Vozes, visuais, música e efeitos
Voz para os seus vídeos
- Voz local com Piper
- Narração no seu computador, sem custo por vídeo, com tempos por palavra. Algumas vozes vêm instaladas, e as demais são baixadas quando você as usa.
- Kokoro em inglês
- Voz local mais natural para inglês dos Estados Unidos e do Reino Unido, com 6 vozes.
- Licenças das vozes locais
- As vozes locais têm licenças diferentes, e nem todas permitem uso comercial. A versão comercial será preparada com uma lista branca de vozes com licença comercial: até lá, revise a licença de cada voz antes de usá-la em um canal monetizado.
- ElevenLabs Desligado por padrão
- Multilingual v2, Flash v2.5 e v3, com tempos por palavra. Usa as vozes da sua conta, pede que você confirme o direito de uso e valida voz e modelo antes de gastar.
- Sua própria narração
- Você envia seu áudio (no máximo 25 MB) e o Faster Whisper o alinha localmente com o roteiro. Se não coincidir, é rejeitado sem pagar outra síntese.
- Idioma da conta
- A narração usa o idioma da conta e avisa você se o roteiro estiver escrito em outro.
- Dicionário de pronúncia Beta
- Por conta. Hoje se aplica à narração local do Estúdio e da Sala de Comentário; na fábrica, ainda não.
Visuais: stock, imagem e vídeo com IA
- Stock contextual
- Clipes verticais licenciados do Pexels, pontuados por cena e sem repetir o que a conta usou em 45 dias. É o que cada conta usa por padrão.
- Perfis visuais
- Grátis, Poupança, Equilibrado, Qualidade e Estrito definem quanto de IA visual é pago, de só stock até clipes gerados em todas as cenas. O painel mostra o custo estimado de cada perfil antes de aplicá-lo.
- Planos-chave Desligado por padrão
- No modo híbrido, um seletor determinístico escolhe de 1 a 8 cenas-chave (gancho, clímax, encerramento…) para um clipe de vídeo com IA; o resto usa stock ou imagem.
- Imagem com IA Desligado por padrão
- FLUX.2 da BFL, nas variantes klein 4B, klein 9B e pro, até 1 megapixel.
- Vídeo com IA, de imagem para vídeo Desligado por padrão
- 18 modelos gerais: 12 pela Runway (como Gen-4 Turbo, Veo 3.1 ou Wan 3) e 6 pela fal.ai (H3 Max e PixVerse V6). Cada clipe parte de uma imagem de referência validada.
- Regenerar uma cena
- Até o máximo que você configurar. A voz e os demais ativos são mantidos.
- Conexões criptografadas
- As chaves de cada fornecedor são armazenadas criptografadas com AES-256-GCM e nunca voltam ao navegador. Você vê o plano, a cota ou o saldo sem custo, conforme o que cada fornecedor permitir.
Música e efeitos sonoros
- Música de acordo com o tom
- 9 trilhas de fundo com licença CC0 (curiosidade, tensão, energia e calma), niveladas a −20 LUFS e escolhidas pelo tom do roteiro. Você também pode enviar sua música.
- Efeitos sonoros
- 18 efeitos: whoosh, impacto, riser e pop, além de cômico, ding e glitch para o diretor IA. As variantes se alternam para não se repetir, e cada um traz sua procedência na ficha do vídeo.
- Loudness e ruído Desligado por padrão
- Normalização a −14 LUFS para redes e redução de ruído por edição, no Estúdio e na Sala de Legendas.
Limites
Limites da voz e dos visuais
- Nem todo o material tem a mesma licença: nem todas as vozes locais permitem uso comercial, não afirmamos que todos os efeitos permitam, e Freesound e GIPHY, usados pelo diretor IA (desligado), têm condições próprias. Revise a ficha de procedência antes de monetizar.
- Sem clonagem de voz, sem dublagem e sem regenerar uma única frase da narração.
- O stock é só do Pexels: não há grandes bibliotecas criativas integradas.
- A imagem e o vídeo com IA precisam das suas chaves da BFL, da Runway ou da fal.ai e de orçamento na conta. A ElevenLabs exige um plano pago para uso comercial.
- O catálogo de preços expira todo mês: se expirar, nada pago é cotado, nem mesmo a voz da ElevenLabs.
Perguntas frequentes
Perguntas sobre a voz e os visuais
Posso produzir sem pagar por voz nem por imagens?
Sim. É a configuração padrão: narração local no seu computador, clipes de stock do Pexels e renderização com FFmpeg. Além da chave gratuita do Pexels, você só precisa de um modelo de IA para o roteiro, que pode ser local.
Posso usar as vozes locais em um canal monetizado?
Nem todas: elas têm licenças diferentes, e algumas não permitem uso comercial. A versão comercial vai se limitar a uma lista branca de vozes com licença comercial, que está em preparação. O plano gratuito da ElevenLabs também não permite.
Posso narrar com a minha própria voz?
Sim. Você envia sua narração (até 25 MB) e o Faster Whisper a alinha localmente com o roteiro para que as legendas acompanhem cada palavra. No Estúdio de edição, você também pode se gravar com o microfone. CLAQON não clona vozes.
Quais modelos de vídeo com IA ele aceita?
Modelos de imagem para vídeo da Runway e da fal.ai: 18 no catálogo geral. Vêm desligados, precisam das suas chaves e, antes de pagar um clipe, a barreira de vídeo exige que tudo o que vem antes esteja aprovado.
Quanto custa a IA visual?
Depende do perfil e do modelo. O painel mostra o custo estimado de cada perfil antes de aplicá-lo, e cada produção é cotada e reservada antes de gastar, dentro dos seus tetos. Ver o controle de gastos.
Acesso antecipado
Você decide o que cada vídeo paga
Conte qual voz e qual estilo visual você procura para seus canais e quanto quer gastar por peça. Diremos como isso seria configurado em CLAQON.