Quando começamos a construir o Pipevoz, uma das primeiras decisões foi sobre as vozes. A maioria das plataformas de agente de voz usa vozes de terceiros, prontas para uso. Decidimos não fazer isso. Esse texto explica o raciocínio e o que ganhamos com isso, incluindo a funcionalidade de clonagem que acabou sendo uma das mais pedidas pelos usuários.
O problema com vozes de prateleira
Vozes de prateleira são genéricas por definição. Elas funcionam, mas não pertencem a ninguém. Você ouve a mesma voz no app de meditação, no robô de cobrança e no assistente de vendas. A familiaridade não é neutra: ela dilui a percepção de que existe uma empresa real do outro lado.
Para operações comerciais em português brasileiro, o problema é ainda mais concreto. A maioria das vozes disponíveis no mercado foi treinada com sotaque americano ou europeu. O resultado soa artificial para o ouvido brasileiro, especialmente em ligações onde a naturalidade da voz influencia diretamente se o lead vai ouvir mais de cinco segundos antes de desligar.
O que significa ter vozes próprias
Vozes próprias nos dão controle sobre qualidade, sotaque, cadência e atualização. Quando identificamos que uma voz soa estranha em um tipo específico de script, ajustamos sem depender de um fornecedor externo e sem mudança de preço.
Também significa que podemos criar vozes pensadas especificamente para contextos comerciais: abordagem de prospecção, confirmação de agenda, reativação de leads. Cada contexto tem um ritmo diferente, e uma voz genérica não foi treinada para isso.
- Sotaque brasileiro natural, sem artificialidade de voz sintetizada genérica
- Cadência ajustada para ligações comerciais, não para leitura de textos longos
- Atualizações de qualidade sem depender de terceiros ou mudança de custo
- Variedade de perfis de voz para diferentes tipos de abordagem
Clonagem de voz: sua empresa fala com a própria voz
A clonagem de voz vai além das vozes que oferecemos por padrão. Com ela, um cliente pode fazer o agente falar com uma voz criada a partir da sua própria gravação, ou de alguém do time. O resultado é um agente que soa como um colaborador real da empresa, não como um robô terceirizado.
O uso mais comum é de empresas que já têm um locutor para os seus materiais de marketing e querem consistência: o mesmo perfil de voz que aparece nos vídeos da empresa é o mesmo que liga para os leads. Isso cria uma coerência de marca que nenhuma voz genérica entrega.
O processo é simples: o usuário sobe uma gravação de referência com qualidade mínima adequada, e a plataforma cria a voz clonada disponível para uso nos agentes. Não exige conhecimento técnico.
Quando a voz faz diferença na conversão
Em prospecção outbound, os primeiros três segundos de uma ligação determinam se o lead vai ouvir o que o agente tem a dizer. Uma voz que soa robótica ou com sotaque estranho é descartada antes de qualquer conteúdo ser processado.
Clientes que migraram de plataformas com vozes genéricas para vozes ajustadas para o contexto brasileiro relatam diferença perceptível na taxa de engajamento inicial. O lead não desliga de imediato, o que abre espaço para a mensagem ser ouvida.
O que está por vir
Estamos expandindo o catálogo de vozes próprias com sotaques regionais. Um lead de Porto Alegre e um de Recife não têm a mesma expectativa de como uma ligação comercial soa. Vozes com referência regional criam uma camada extra de proximidade que sotaque neutro não alcança.
A clonagem de voz também vai ganhar controles mais finos de tom e ritmo, para que o usuário possa ajustar a voz clonada sem precisar regravar do zero.