Por Álvaro Bufarah (*)
Durante muitos anos, nutrimos a ingênua certeza de que a voz humana era um território inexpugnável, uma fortaleza sentimental onde os algoritmos jamais conseguiriam fincar suas bandeiras com verdadeiro triunfo. As primeiras engenhocas sintéticas que se arriscavam a ler um texto até conseguiam juntar sílabas com relativa precisão, mas falhavam miseravelmente na tarefa de sustentar o peso dramático de uma história ao longo de vários capítulos, limitando-se a soletrar palavras sem jamais compreender o mistério que habita o silêncio, a hesitação vacilante, a ironia sutil ou o medo sufocado que respiram nas entrelinhas de um bom livro.
Acontece que essa distância, antes considerada um abismo intransponível, começou a encolher a passos largos, conforme atesta levantamento recente da Edison Research encomendado pela Spoken, empresa especializada em audiolivros gerados por inteligência artificial. Quando mais de mil ouvintes assíduos nos Estados Unidos foram colocados para escutar trechos de um thriller de ficção científica sem saberem exatamente quem estava do outro lado do fone, o resultado acabou por acender um alerta no mercado: longe de ser apenas tolerada como um recurso barato, a versão sintética que contava com um elenco completo de vozes digitais para cada personagem obteve notas de envolvimento e qualidade percebida superiores às da tradicional narração humana conduzida por uma única pessoa.
O dado mais provocador desse experimento não reside apenas no fato de que o público aprovou a sonoridade dramatizada, mas sim na constatação de que seis em cada dez participantes simplesmente não conseguiram distinguir se o que ouviam vinha de cordas vocais de carne e osso ou de um emaranhado de códigos computacionais. Essa incapacidade de diferenciar o criador da máquina sinaliza que a fronteira perceptiva da escuta está se tornando cada vez mais difusa, desfazendo aquela antiga caricatura do robô de fala travada e permitindo que sistemas avançados controlem com maestria a respiração, o timbre, a intensidade e até as variações emocionais exigidas por uma narrativa complexa.
É evidente que essa revolução invisível abre portas sedutoras para a economia do mercado editorial, permitindo que milhares de obras acadêmicas, livros independentes e catálogos esquecidos finalmente ganhem vida em áudio sem os custos proibitivos de estúdio, direção e contratação de elencos profissionais que inviabilizavam projetos menores. No entanto, por trás dessa bandeira reluzente de democratização do acesso esconde-se um conflito trabalhista e ético profundo, no qual atores de voz e narradores veem suas carreiras ameaçadas por sistemas que aprenderam a interpretar justamente ao devorar, sem autorização clara ou remuneração justa, décadas de gravações humanas que alimentaram seus bancos de dados.
A voz humana nunca foi apenas uma ferramenta técnica de transmissão de mensagens, pois carrega em suas vibrações a identidade física, a bagagem cultural e a memória afetiva de quem fala, o que torna a sua clonagem e reprodução desenfreada uma questão de respeito existencial que vai muito além das planilhas de corte de custos. Quando nos aproximamos de um futuro onde um mesmo livro poderá ter sua interpretação ajustada ao bel-prazer do ouvinte – alterando sotaques, ritmos e até a intensidade do drama conforme a conveniência do freguês –, precisamos nos perguntar até que ponto a arte deve se curvar à lógica da conveniência e do consumo otimizado, sob o risco de transformarmos a interpretação literária em um mero algoritmo de retenção de atenção incapaz de nos surpreender ou desafiar.
Fontes consultadas
EDISON RESEARCH; SPOKEN. In Largest Study of Its Kind, U.S. Fiction Audiobook Consumers Rate Spoken Multi-Cast Higher Than Human Narration. Pesquisa com mais de mil consumidores adultos de audiolivros nos Estados Unidos, publicada em julho de 2026.
SPOKEN. Edison Survey: Six Numbers That Change the Conversation. Página de apresentação dos resultados sobre favorabilidade, envolvimento, qualidade e reconhecimento das vozes.
SPOKEN. Spoken Multi-Cast Preferred by Listeners of Fiction. Análise empresarial dos resultados e das implicações para autores, editoras e consumidores.
PUBLISHERS WEEKLY. Some Listeners Prefer AI Narration for Multi-Voice Audiobooks, Even as Interest in AI Voices Wanes. Comparação entre o estudo da Spoken e os dados mais amplos da Audio Publishers Association sobre resistência à narração artificial.
AUDIO PUBLISHERS ASSOCIATION. 2026 Consumer Survey. Pesquisa sobre consumo de audiolivros, frequência de escuta e disposição dos consumidores para experimentar títulos narrados por IA.
MAGADÁN-DÍAZ, Marta; RIVAS-GARCÍA, José Ignacio. Audiobooks and Artificial Intelligence: Tools for Synthetic Narration. Estudo acadêmico sobre custos, personalização, produção multilíngue, autenticidade e clonagem de voz.
ELISHA, Shahar; BEGUERISSE-DÍAZ, Mariano; BENETOS, Emmanouil. Audio-Based Understanding of Audiobook Narration Appeal. Pesquisa computacional sobre a relação entre características acústicas, gêneros e desempenho de audiolivros.
SELVAMANI, Shaja Arul; GANAPATHY, Nia D’Souza. A Multi-Agent AI Framework for Immersive Audiobook Production through Spatial Audio and Neural Narration. Estudo sobre produção automatizada, vozes neurais e experiências sonoras imersivas.
PARK, Kyeongman; JOO, Seongho; JUNG, Kyomin. MultiActor-Audiobook: Zero-Shot Audiobook Generation with Faces and Voices of Multiple Speakers. Pesquisa sobre geração expressiva de personagens e consistência vocal sem treinamento adicional.
LIU, Min et al. Audiobook-CC: Controllable Long-context Speech Generation for Multicast Audiobook. Estudo sobre coerência contextual, emoção e geração de capítulos longos com várias vozes.
THE GUARDIAN. Audible Unveils Plans to Use AI Voices to Narrate Audiobooks. Reportagem sobre a entrada da Audible na produção sintética, suas ferramentas multilíngues e a reação de autores e narradores.
REUTERS. Journalists Sue Google for Allegedly Using Their Voices in AI Training. Reportagem sobre ação judicial envolvendo suposto uso não autorizado de gravações profissionais para treinamento de sistemas de voz.
AUDIO PUBLISHERS ASSOCIATION. Hall of Fame and Audie Awards 2026. Materiais sobre o reconhecimento artístico e profissional dos narradores humanos na indústria contemporânea de audiolivros.
Você pode ler e ouvir este e outros conteúdos na íntegra no RadioFrequencia, um blog que teve início como uma coluna semanal na newsletter Jornalistas&Cia para tratar sobre temas da rádio e mídia sonora. As entrevistas também podem ser ouvidas em formato de podcast neste link.
(*) Jornalista e professor da Fundação Armando Álvares Penteado (Faap) e do Mackenzie, pesquisador do tema, integra um grupo criado pela Intercom com outros cem professores de várias universidades e regiões do País. Ao longo da carreira, dedicou quase duas décadas ao rádio, em emissoras como CBN, EBC e Globo.
Portuguese