Dublagem com IA para jogos: ferramentas, custos e regras (2026)
Última atualização: julho de 2026.
Sim, você pode usar vozes geradas por IA em um jogo comercial e, para a maioria dos desenvolvedores solo e estúdios pequenos, isso é barato. Um plano pago de uma ferramenta como o ElevenLabs começa em US$ 6 por mês e inclui uma licença comercial, então você pode lançar os diálogos gerados em um jogo vendido por você. A API de conversão de texto em fala da OpenAI custa cerca de US$ 0,015 por minuto de áudio e também está liberada para uso comercial. Modelos de código aberto com licenças permissivas, como Piper e Kokoro, não custam nada para executar e podem ser usados comercialmente, enquanto outros, como o XTTS v2, não permitem uso comercial. Portanto, a licença do modelo determina o que você pode vender. Para um jogo indie típico com algumas centenas de falas, o custo de geração ficará entre zero e cerca de US$ 20 a US$ 30.
O problema não é o dinheiro, mas as regras e a recepção do público. Os planos gratuitos quase nunca permitem uso comercial e geralmente exigem atribuição no conteúdo gerado. Portanto, a ferramenta “gratuita” que permite lançar um jogo é aquela cuja licença diz isso explicitamente. Clonar a voz de uma pessoa real sem permissão é o que pode resultar em processo ou remoção das lojas, não uma forma de economizar tempo. A Steam exige que você declare conteúdo de IA apresentado aos jogadores, incluindo falas com vozes de IA, na página do jogo. E os jogadores percebem. Vários jogos lançados em 2025 e 2026 enfrentaram fortes críticas pelo uso de vozes de IA, então é um erro tratar isso apenas como uma forma discreta de reduzir custos, em vez de uma escolha criativa. Este guia apresenta as ferramentas, os custos reais, as regras sindicais e das lojas e explica quando é melhor simplesmente contratar uma pessoa.
Referência rápida: comparação das ferramentas
| Ferramenta | Preço (2026) | Licença comercial | Política de clonagem de voz | Observações sobre a qualidade |
|---|---|---|---|---|
| ElevenLabs | Plano gratuito; depois, de US$ 6/mês (Starter) a US$ 99/mês (Pro) | Somente nos planos pagos, perpétua mesmo após o cancelamento | Clonagem instantânea no Starter, clonagem profissional no Creator+; exige consentimento para vozes reais | Referência do mercado em emoção e interpretação, a escolha padrão para diálogos de jogos |
| OpenAI TTS (gpt-4o-mini-tts) | Cerca de US$ 0,015/min de áudio, conforme o uso | Sim, de acordo com as políticas de uso da OpenAI | Somente vozes predefinidas, sem clonagem | Barato, natural e bom para grandes volumes, mas oferece menos controle de interpretação |
| Murf | Os planos pagos incluem direitos comerciais | Todos os planos pagos | Clonagem nos planos superiores | Rápido (modelo Falcon de baixa latência), narração com qualidade de estúdio |
| Resemble AI | Planos pagos, além do Chatterbox de código aberto | Sim nos planos pagos, além do Chatterbox com licença MIT | A clonagem é um recurso central; exige consentimento | O Chatterbox tem um controle de “exagero” útil para personagens de jogos |
| XTTS v2 (Coqui) | Gratuito, hospedado por você | CPML, pesos sem uso comercial, apenas para protótipos | Clona a partir de cerca de 6 segundos, em 17 idiomas | Melhor clonador multilíngue local e aberto, mas exige uma GPU |
| Piper | Gratuito, hospedado por você | Permissiva, pode ser incluído no lançamento | Vozes predefinidas, sem clonagem | Funciona em tempo real na CPU, excelente para sistemas embarcados ou hardware modesto |
Preços e termos mudam, então confirme a licença atual na página do próprio fornecedor antes de criar um pipeline baseado na ferramenta. O restante deste guia explica o que essas linhas realmente significam para um jogo que você pretende vender.
As ferramentas e os melhores usos de cada uma
ElevenLabs é a escolha da maioria dos desenvolvedores de jogos, e por bons motivos. Ele lida com variações emocionais e ritmo natural melhor do que as alternativas, algo importante quando uma fala precisa soar assustada, sarcástica ou exausta, em vez de apenas ser lida em voz alta. O plano gratuito oferece 10.000 créditos por mês, mas não concede direitos comerciais e exige atribuição, então serve apenas para testes. O plano Starter, de US$ 6 por mês, adiciona uma licença comercial e 30.000 créditos, o equivalente a aproximadamente 30 minutos de fala, já que cada caractere de texto custa um crédito no modelo padrão. O Creator, por US$ 22, oferece cerca de 121.000 créditos e clonagem profissional de voz, enquanto o Pro, por US$ 99, oferece 600.000. Para a maioria dos jogos pequenos, o plano de US$ 6 ou US$ 22 é suficiente.
A conversão de texto em fala da OpenAI é a opção com melhor custo-benefício. O modelo gpt-4o-mini-tts custa cerca de US$ 0,015 por minuto de áudio gerado, cobrado pela API, e o uso comercial é permitido pelas políticas de uso da OpenAI. Você recebe um conjunto de vozes predefinidas, sem clonagem, e tem menos controle sobre a interpretação do que no ElevenLabs. Porém, se precisar gerar centenas de falas contextuais e chamadas curtas, é difícil superar esse preço. É uma boa opção para grandes volumes de falas menos importantes.
O Murf é mais voltado para o público de narração em estúdio. Todos os planos pagos incluem direitos comerciais, e o modelo Falcon mais recente foi criado para oferecer baixa latência, chegando a cerca de 55 ms em testes independentes, algo mais importante para agentes em tempo real do que para diálogos de jogos gerados previamente. Vale a pena conhecer o Resemble AI por dois motivos: seu produto pago é centrado em clonagem e a empresa também publica o Chatterbox, um modelo de código aberto sob uma licença permissiva, com um parâmetro de “exagero” que leva as vozes para um estilo mais caricatural — algo realmente útil para personagens e criaturas de jogos.
Entre as opções de código aberto, o XTTS v2, da extinta Coqui, ainda é considerado o melhor mecanismo local de clonagem de voz multilíngue em 2026. Ele consegue clonar uma voz a partir de cerca de seis segundos de áudio em 17 idiomas e continua existindo por meio de uma bifurcação mantida pela comunidade, mesmo após a empresa encerrar as atividades em janeiro de 2024. No entanto, use-o apenas em protótipos: os pesos do modelo são distribuídos sob a licença CPML da Coqui, que não permite uso comercial. Portanto, você não pode usá-lo legalmente em um jogo vendido. O Piper fica no extremo oposto: ele funciona em tempo real em uma CPU, sem GPU, o que o torna uma boa escolha para sistemas embarcados, hardware modesto ou geração de vozes em tempo de execução dentro do próprio jogo. O Bark tem licença MIT e consegue produzir sons não verbais, como risadas e suspiros, enquanto o Kokoro é uma opção leve, voltada principalmente ao inglês, que pode ser usada em lançamentos comerciais. Para criação de mods no estilo Skyrim, ferramentas como o xVASynth são há muito tempo o padrão da comunidade para criar falas personalizadas de NPCs. Se você cria mods, porém, confira os termos do jogo original e da ferramenta antes de distribuir seu trabalho.
Uma observação sobre o mercado: o Play.ht foi adquirido pela Meta em meados de 2025 e teria encerrado as atividades no fim daquele ano. Portanto, se ele aparecer como recomendação em um artigo antigo, ignore-o.
Quanto custa na prática
Os valores por minuto e por caractere não contam a história toda, então vejamos as contas reais. Um jogo narrativo curto com, por exemplo, 300 falas de 12 palavras em média tem aproximadamente 21.600 caracteres. No ElevenLabs, isso fica abaixo da franquia mensal do plano Starter, então o orçamento de vozes para o jogo inteiro seria de US$ 6 — ou US$ 22, caso você queira vozes clonadas ou de maior qualidade. Na API da OpenAI, esse mesmo roteiro representa alguns minutos de áudio e custa bem menos de um dólar. Os modelos de código aberto não custam nada além dos seus próprios recursos computacionais e do seu tempo.
Os custos realmente aumentam com as iterações e a escala. É raro acertar uma fala na primeira geração, e refazer interpretações, ajustar ênfases e gerar tudo novamente após uma alteração no roteiro consome créditos. Um RPG com muitos diálogos, milhares de falas, várias tomadas de cada uma e diversos idiomas pode exigir um plano de US$ 99 ou gerar gastos consideráveis com API. Mesmo assim, você estará comparando dezenas ou poucas centenas de dólares com os milhares que um elenco humano completo custaria. A avaliação honesta é que a voz de IA é barata na geração bruta e só fica cara em comparação consigo mesma, nunca em comparação com a contratação de um elenco sindicalizado. Se seu orçamento for zero, os planos gratuitos permitem criar um protótipo, enquanto os modelos de código aberto permitem lançar um jogo, desde que você respeite suas licenças.
Licenciamento e regras sindicais
Esta é a parte que costuma causar problemas, então leia com atenção. Há duas questões distintas de licenciamento, e é fácil confundi-las.
A primeira é a licença da ferramenta, que determina se você pode vender o que gerar. Nos planos pagos do ElevenLabs, Murf, Resemble e OpenAI, a resposta é sim. Especificamente no caso do ElevenLabs, você mantém os direitos comerciais sobre o áudio gerado durante uma assinatura paga mesmo depois de cancelá-la. Há dois detalhes importantes nas letras miúdas: você ainda precisa deter os direitos sobre o roteiro e o conteúdo originais, e fornecedores como o ElevenLabs mantêm uma licença para usar o conteúdo gerado por você no treinamento e aprimoramento de seus modelos. Os planos gratuitos são a armadilha, pois normalmente proíbem o uso comercial e exigem atribuição. Portanto, um jogo lançado com conteúdo gerado em um plano gratuito não está em conformidade. No caso de modelos de código aberto, a licença pertence ao modelo específico, não à categoria da ferramenta. Verifique se ela é MIT, Apache ou se contém alguma cláusula que proíba uso comercial antes de criar seu projeto com base nela.
A segunda questão é a própria voz. Gerar uma voz predefinida ou sintética não costuma causar problemas. Clonar a voz de uma pessoa real sem consentimento, por outro lado, representa tanto um risco jurídico quanto uma questão ética. É aí que entram as regras sindicais. Após uma greve de quase um ano, os membros do SAG-AFTRA ratificaram um novo Acordo de Mídia Interativa em 9 de julho de 2025, com 95% dos votos, encerrando formalmente a greve dos atores de videogames iniciada em julho de 2024. As disposições do acordo sobre IA exigem consentimento, divulgação e remuneração antes do uso da réplica digital da voz de um artista, além de permitirem que os artistas suspendam o consentimento para a geração de novo material com IA durante uma greve.
Se você é um desenvolvedor indie que usa vozes sintéticas predefinidas, esse contrato não se aplica diretamente a você, pois rege estúdios signatários que trabalham com artistas sindicalizados. Mas ele estabelece o padrão pelo qual todos agora são avaliados: obtenha consentimento explícito e remunerado antes de clonar a voz de qualquer pessoa real. Não extraia dados da demo de um dublador ou dos clipes de um streamer para treinar um modelo. A disputa sindical tratou especificamente da substituição de artistas por IA treinada em seu próprio trabalho sem permissão. Fazer isso como um estúdio pequeno representa tanto um risco jurídico quanto uma ameaça à sua reputação.
Requisitos de divulgação
Se você pretende lançar na Steam, precisa declarar o conteúdo de voz gerado por IA. A política de divulgação de IA da Valve está em vigor desde o início de 2024 e foi atualizada em 17 de janeiro de 2026 para se concentrar especificamente no conteúdo gerado por IA que acompanha o jogo e é consumido pelos jogadores, não em ferramentas internas de produtividade. Falas com vozes de IA estão explicitamente incluídas. A política separa o conteúdo pré-gerado, incorporado ao download — como falas e artes feitas por IA — do conteúdo gerado ao vivo, em que o jogo cria diálogos dinamicamente e exige a implementação de proteções contra conteúdo ilegal ou ofensivo. Sua declaração aparece na página da loja, na seção “Sobre este jogo”, e fica visível aos jogadores antes da compra.
Na prática: se você usou IA para gerar falas incluídas no jogo, marque a opção de conteúdo pré-gerado e descreva o uso com honestidade. Se seus NPCs geram diálogos em tempo de execução, trata-se de conteúdo gerado ao vivo e há a obrigação adicional de implementar proteções. No momento, outras plataformas são menos formais quanto à divulgação específica de vozes em jogos, mas a tendência da indústria é exigir mais identificação, não menos. Ser transparente costuma ter uma recepção melhor entre os jogadores do que ser descoberto depois. Além das regras das lojas, algumas comunidades e premiações estabelecem seus próprios limites: o Indie Game Awards desclassificou um indicado em 2025 após vir à tona o uso de IA generativa. Portanto, se você pretende participar de um festival específico ou lançar em determinada loja, leia também a política correspondente.
Dicas de fluxo de trabalho
A diferença entre uma voz de IA que parece pertencer a um jogo e uma que soa como um atendimento telefônico automatizado está principalmente na direção. Escreva as falas da forma como você quer que sejam interpretadas, usando a pontuação de maneira intencional, pois vírgulas, reticências e quebras de linha alteram o ritmo mais do que qualquer configuração. Gere várias versões de cada fala importante e escolha a melhor, como um diretor faria com um ator humano. Mantenha uma voz consistente para cada personagem ao longo de todo o roteiro e anote o ID exato da voz e as configurações usadas, para que uma fala regenerada três meses depois ainda soe igual.
Quando o roteiro estiver pronto, gere as falas em lote em vez de regenerá-las constantemente durante a escrita, pois é aí que créditos e tempo acabam sendo desperdiçados. Para momentos emocionais, algumas ferramentas permitem orientar o tom com uma instrução curta ou um controle de emoção. Vale a pena concentrar seus esforços nessas partes e deixar as falas incidentais serem geradas no automático. Mantenha as vozes no mesmo volume e formato do restante do áudio, para que os diálogos, a música e os efeitos sonoros funcionem bem juntos na mixagem. E teste as vozes com jogadores reais desde cedo, porque aquela interpretação monótona que você deixa de perceber depois de ouvir pela quinquagésima vez é a primeira coisa que um jogador novo nota.
Quando contratar pessoas
A voz por IA é uma ferramenta, não uma substituta para uma interpretação, e os desenvolvedores que a utilizam bem são honestos quanto a isso. Até mesmo a Embark Studios, cujo ARC Raiders foi lançado com diálogos gerados por IA em outubro de 2025, substituiu muitas dessas falas por interpretações humanas após o lançamento, e o CEO do estúdio declarou de forma direta que existe uma diferença de qualidade entre a IA e um ator profissional de verdade. Esse é o sinal. Se a voz de um personagem for fundamental para a identidade do seu jogo, se você depender de uma interpretação emocional sutil ou se seu público for do tipo que examina e critica o uso de vozes por IA, contrate uma pessoa. Atores reais trazem interpretação, improvisação e especificidade que os modelos atuais ainda apenas tentam reproduzir.
Use vozes por IA onde elas realmente fizerem sentido: em protótipos e faixas temporárias, para você ouvir o ritmo dos diálogos antes de se comprometer; em grandes volumes de falas utilitárias, como comunicações por rádio e falas genéricas; em vozes provisórias que serão substituídas depois; em projetos solo sem orçamento, nos quais a alternativa seria o silêncio; e em recursos de acessibilidade, como a leitura em voz alta dos textos da interface. Uma abordagem intermediária comum é gerar tudo com IA para acertar o roteiro e o ritmo e, depois, contratar atores humanos para as falas que sustentam o jogo. Assim, você investe seu orçamento de dublagem onde ele faz mais diferença e deixa a IA cuidar do restante.
A Cinevva transforma um prompt em um jogo que pode ser jogado no seu navegador, com efeitos sonoros e música gerados para você. A dublagem pode ser adicionada com as ferramentas acima.
Perguntas frequentes
É permitido usar vozes por IA em um jogo comercial?
Sim, desde que você use uma ferramenta cuja licença permita uso comercial e não clone a voz de uma pessoa real sem o consentimento dela. Os planos pagos da ElevenLabs, OpenAI, Murf e Resemble incluem direitos de uso comercial, e modelos de código aberto com licenças permissivas, como Piper e Bark, podem ser incluídos gratuitamente em jogos publicados. As duas formas de ter problemas são lançar resultados de um plano gratuito que proíba o uso comercial e exija atribuição ou treinar uma voz com gravações de um ator real sem permissão. Ambas são evitáveis.
Quanto custa usar dublagem por IA em um jogo?
Menos do que a maioria das pessoas imagina. Um jogo curto com algumas centenas de falas cabe no plano Starter de US$ 6 por mês da ElevenLabs ou custa menos de um dólar pela API da OpenAI, enquanto modelos de código aberto podem ser executados gratuitamente no seu próprio hardware. Um RPG com muitos diálogos, milhares de falas e vários idiomas pode exigir um plano de US$ 99 ou gerar gastos de algumas centenas de dólares com APIs. Mesmo no cenário mais caro, isso representa uma fração do custo de um elenco completo de dubladores humanos.
Preciso declarar o uso de dublagem por IA na Steam?
Sim. A política de divulgação de IA da Steam exige que você declare qualquer conteúdo gerado por IA incluído no jogo e consumido pelos jogadores, e as falas com vozes por IA são explicitamente abrangidas. A declaração aparece na página da loja, na seção "Sobre este jogo". Desde a atualização de janeiro de 2026, ferramentas de bastidores que não produzem conteúdo voltado aos jogadores deixaram de ser o foco, mas as falas que os jogadores realmente ouvem continuam sendo. Se o jogo gerar diálogos ao vivo durante a execução, isso pertence a uma categoria separada que também exige mecanismos de segurança.
Posso clonar a voz de um ator ou de uma celebridade real para o meu jogo?
Não sem o consentimento explícito e remunerado dessa pessoa. Clonar a voz de uma pessoa real sem permissão pode expor você a ações judiciais relacionadas a direitos de imagem e publicidade, e essa é exatamente a prática que o acordo da SAG-AFTRA para jogos eletrônicos foi criado para impedir. O contrato de 2025 exige consentimento, divulgação e remuneração para réplicas digitais das vozes de artistas. Mesmo que você seja um desenvolvedor independente não abrangido por esse contrato, os riscos jurídicos e de reputação de um clone não autorizado são reais. Use vozes sintéticas predefinidas ou licencie uma voz adequadamente.
Os jogadores perceberão que usei vozes por IA? Eles se importarão?
Frequentemente, sim para ambas as perguntas. Os jogadores ficaram bons em identificar a interpretação monótona e um pouco estranha dos sistemas atuais de conversão de texto em fala, e vários jogos de 2025 e 2026 enfrentaram reações negativas do público por usarem vozes por IA, levando alguns desenvolvedores a reverter a decisão após o lançamento. Isso não acontece em todos os casos, e falas utilitárias ou vozes claramente estilizadas tendem a causar menos rejeição do que um protagonista recitando diálogos emocionais. Seja transparente em sua declaração, use IA onde ela fizer sentido em vez de usá-la onde claramente não funciona e considere atores humanos para as vozes que definem seu jogo.
Qual é a melhor ferramenta gratuita de voz por IA para jogos?
Para publicar um jogo comercial sem orçamento, use um modelo de código aberto com licença permissiva, pois os planos gratuitos das ferramentas pagas proíbem o uso comercial. O Piper funciona em uma CPU comum e é ótimo para hardware modesto ou geração durante a execução, enquanto Bark e Kokoro são fáceis de incluir em um jogo publicado. O XTTS v2 oferece a clonagem de voz multilíngue mais avançada se você tiver uma GPU, mas serve apenas para protótipos e não pode ser incluído em um produto comercial: os pesos do modelo estão sob a licença CPML da Coqui, que não permite uso comercial. Confirme a licença específica do modelo antes de desenvolver com base nele, pois "código aberto" nem sempre significa "uso comercial permitido".
Conteúdo relacionado
- Melhores geradores de música por IA para jogos — a mesma questão de escolha de ferramentas, mas para a trilha sonora
- Efeitos sonoros e músicas gratuitos para jogos — onde obter legalmente o restante do áudio
- NPCs e diálogos com IA — como gerar conversas, não apenas lê-las em voz alta
- Geradores de assets para jogos com IA — arte, modelos e áudio a partir de um prompt
- Licenças de assets para jogos explicadas — o que realmente significam uso comercial, CC0 e isenção de royalties
- Como criar um jogo com IA sem programar — crie o jogo que receberá as vozes