Vídeos de blog narrados com texto para fala gratuito e Python
Por Nesim Razon, desenvolvedor mobile independente · 2026-11-20
Transformo cada artigo do blog em um vídeo narrado do YouTube com um único script: uma voz gratuita de texto para fala lê o artigo, o Python desenha um diagrama para cada seção e o ffmpeg junta tudo. Sem câmera, sem microfone, sem programa de edição. Este post explica o processo, a armadilha da pronúncia que mais tempo levou e as escolhas que mantêm os vídeos honestos.
O processo em um parágrafo
O script carrega o artigo do mesmo arquivo que gera a página do blog. Para cada frase cria um arquivo de voz com o serviço gratuito de voz neural da Microsoft acessado por um pacote do Python, depois desenha um quadro com o diagrama da seção e a legenda atual usando o Pillow, e por fim o ffmpeg junta quadros e áudio em um vídeo de 1920 por 1080 a 30 quadros por segundo. Uma segunda função faz a miniatura de 1280 por 720.
Uma voz, um idioma
Também testei vozes em turco, espanhol e português e as descartei. Uma única voz turca lê as palavras técnicas em inglês em turco, uma voz mista soa errada e alternar entre duas vozes criava pausas e uma mudança de tom a cada troca. O canal agora tem uma voz em inglês com um ritmo um pouco mais lento, e o site continua multilíngue só em texto.
A armadilha da pronúncia
Os artigos para desenvolvedores estão cheios de palavras que uma voz não sabe ler: nomes de produtos, identificadores em camel case, abreviações. A solução é um pequeno dicionário aplicado apenas ao texto que vai para a voz, enquanto as legendas mantêm a grafia original. Um identificador como uma chave de versão de pacote vira palavras separadas, e a palavra iOS vira letras. Eu não consigo ouvir o resultado, então cada palavra nova que soa errada é informada ao ouvir e acrescentada ao dicionário, que cresce com o tempo.
Diagramas que combinam com o artigo
Um cartão de título mais texto em tópicos não basta para um vídeo longo. Cada artigo recebe sua própria lista de cenas construída com algumas primitivas de desenho: fluxos, painéis de comparação, linhas de código, cartões de números e listas de verificação. A cena aparece passo a passo conforme cada frase é lida, de modo que a imagem acompanha a narração.
Publicar sem ficar vigiando
O script de envio manda cada vídeo como privado com um horário de publicação agendado, adiciona a miniatura, define uma lista de reprodução e escreve uma descrição que liga ao artigo. Toda descrição informa que a narração é gerada por IA, o que acho o honesto a fazer.
O que eu diria a um iniciante
- Comece com um artigo e uma voz. Consiga um resultado limpo antes de construir uma biblioteca de cenas.
- Mantenha separados desde o primeiro dia o texto falado e o das legendas.
- Ouça cada vídeo uma vez antes de publicar. Pronúncias erradas são o defeito mais comum.
- Não publique vídeos quase idênticos demais em pouco tempo. Varie as imagens para que cada vídeo mereça seu lugar.
- Diga na descrição que a voz é sintética.
Perguntas frequentes
Preciso de microfone ou câmera?
Não. Uma voz neural gratuita de texto para fala lê o artigo e o Python desenha as imagens.
Como corrijo palavras técnicas pronunciadas errado?
Adicione-as a um dicionário de substituições que mude apenas o texto enviado à voz, para que as legendas continuem corretas.
O mesmo script pode produzir outros idiomas?
Pode, mas nos meus testes a qualidade do inglês técnico misturado foi pior, então mantenho os vídeos em inglês.
Devo dizer aos espectadores que a voz é sintética?
Sim. Uma nota curta em cada descrição é simples e honesta.
Mais do blog
- Clarity AI Visibility: Topic Insights para um site pequeno, primeiros resultados
- Agendar 36 posts da comunidade do YouTube quando não há API
- API Play Age Signals e AB 1043 da Califórnia: o que um desenvolvedor pequeno deve fazer
- Um UTM por link: um esquema de nomes para um desenvolvedor independente
- A API do Bing Webmaster devolve listas vazias enquanto o painel mostra dados
- Verifique quais páginas o Google indexou com a API de inspeção de URL