Texto para fala no After Effects: uma voz de IA que move a animação
O After Effects anima muito bem a partir de áudio, mas não transforma texto em fala. Para um vídeo explicativo, tipografia cinética ou um personagem falante, o caminho prático é gerar o roteiro com uma ferramenta de texto para fala, importar o áudio e deixar o After Effects ler o volume dele.
O motor gratuito da SuperClonica gera o roteiro no mesmo computador, offline, com vozes naturais e vozes de personagens do catálogo. Este guia mostra o caminho todo, do roteiro a uma composição que se move com a voz.
Gere o roteiro
Instale o motor uma vez com python -m pip install superclonica-cpu; o modelo baixa na primeira execução e depois tudo funciona offline. Salve o roteiro num arquivo de texto e gere: superclonica --text-file script.txt --voice F3 --lang pt --normalize --output voice.wav. Numa peça com várias cenas ou personagens, gere cada fala num arquivo próprio, assim uma correção afeta só um. Para escolher a voz, teste antes uma frase na página dela no catálogo, grátis e sem conta.
Importe e posicione
No After Effects escolha File, Import, File (Arquivo, Importar, Arquivo) ou arraste o WAV para o painel Projeto e depois para a composição. Pressione L duas vezes na camada para ver a forma de onda e alinhar textos e planos às palavras. Visualize com som pelo painel Visualização e abaixe a música sob a voz com Audio Levels.
Faça tudo se mover com a voz
Selecione a camada de voz e escolha Animation, Keyframe Assistant, Convert Audio to Keyframes. O After Effects adiciona uma camada Audio Amplitude cujo controle Both Channels segue o volume da voz. Ligue qualquer propriedade a ele com uma expressão, por exemplo a escala de uma boca ou de um ícone de alto-falante: thisComp.layer("Audio Amplitude").effect("Both Channels")("Slider"). Para formas de boca reais que combinem com os sons, nosso guia de lip sync mostra como transformar o mesmo WAV em visemas com tempo. Os nomes dos menus podem variar na versão em português.
Corrija e finalize
Se uma fala soar errada, mude o texto e gere esse arquivo de novo em vez de editar a forma de onda: leva segundos, e a composição pega o arquivo novo quando você substitui o footage. Vírgulas e pontos criam pausas, e números são lidos melhor escritos por extenso. Cada voz fala 31 idiomas, então a mesma voz narra versões em inglês, espanhol ou japonês; chinês ainda não é suportado.