A síntese de voz por IA tornou os audiobooks fundamentalmente acessíveis para qualquer autor independente — a pergunta real não é mais "isso é possível?", e sim "quanto isso realmente custa, e o que costuma passar despercebido?"
O custo bruto de geração
Para um romance médio (cerca de 80.000 palavras, ~480.000 caracteres, o que equivale a cerca de 8 horas de audiobook) com um modelo de voz de qualidade, os custos brutos de API ficam em torno de $48. Se em vez disso você assinar um plano mensal com um provedor de voz IA comum para conseguir "crédito de caracteres" suficiente para um livro inteiro, um plano adequado sai mais perto de $99 por mês — bem mais, porque você paga por capacidade não utilizada em vez de apenas pelo que o livro realmente gera.
O que esse número não inclui
É exatamente aqui que está o ponto que muitos subestimam: a geração de voz pura é só uma parte do trabalho.
Fragmentação. A maioria dos serviços limita a quantidade de texto por requisição a alguns milhares de caracteres. Um capítulo precisa então ser dividido em partes — e as configurações (estabilidade da voz, expressividade) precisam permanecer idênticas em todas as partes, senão surgem cortes sonoros audíveis dentro de um mesmo capítulo.
Números e datas. Sem preparação, praticamente qualquer modelo de voz mais barato lê anos e números grandes de forma pouco natural — "2025" vira "dois-zero-dois-cinco" em vez de "dois mil e vinte e cinco". Dá para resolver, mas não automaticamente — exige uma etapa extra de preparação do texto.
Vozes de personagens. Por padrão, uma única voz lê todas as falas de diálogo no mesmo tom — herói, vilão, criança, todos iguais. Vozes distintas para personagens exigem sua própria atribuição de quem fala qual fala.
Masterização. Volume consistente ao longo de várias horas, sem ruído de fundo incômodo — a geração de voz bruta não entrega isso automaticamente, é uma etapa de pós-produção separada.
Distribuição. Um audiobook pronto ainda precisa ser vendido em algum lugar. A maioria dos canais de distribuição (Spotify, Apple, Google Play) são gratuitos de usar (participação nos ganhos em vez de taxa) e agora aceitam explicitamente vozes IA — com uma exceção importante: a Audible/ACX ainda proíbe narração por IA no processo padrão.
Em resumo
A geração de voz pura ficou barata e acessível — o trabalho real está nas etapas ao redor, raramente contabilizadas quando se fala em "audiobooks IA baratos". Quem passa por esse processo sozinho uma vez percebe rapidamente quantas pequenas decisões (escolha do modelo, configurações de voz, tratamento de números, montagem dos capítulos) separam "enviar um texto" de "audiobook pronto, com bom som".