Avatar falando

Gerar imagem com IA

Usa o serviço gratuito Pollinations (conexão externa). Limites: fila lenta, uso não comercial e sujeito a mudanças. Se faltar rede ou o serviço cair, a geração falha: não existe imagem simulada. O texto do pedido é enviado a esse terceiro; não escreva dados pessoais nem nomes de pessoas reais.

1 · Fonte

2 · Áudio

Nenhum áudio carregado.

2 · Vídeo falante pronto

3 · Prévia e exportação 9:16

Foto realista falando (precisa de GPU)

Mover a boca de uma foto exige um modelo neural. Ele não roda no celular nem neste site; roda em GPU externa e o app importa o vídeo pronto (Estúdio, fonte “Vídeo falante pronto”).

• 1. Gere a imagem na aba IA e salve na galeria.
• 2. Prepare o áudio (Estúdio: gravar ou importar; depois Baixar WAV).
• 3. Rode um modelo abaixo com a imagem e o áudio.
• 4. Volte ao Estúdio, escolha “Vídeo falante pronto” e exporte em 9:16.

Modelos (licenças conforme fontes públicas; confira o LICENSE)

• MuseTalk (Tencent Lyra Lab): repositório declara MIT para código e modelos, mas usa componentes de terceiros com licenças próprias. Edita a boca de um rosto. Space oficial: huggingface.co/spaces/TMElyralab/MuseTalk (não verifiquei se está ativo hoje).
• SadTalker: foto + áudio gera vídeo com movimento de cabeça. O README diz Apache 2.0, mas há cópias que dizem apenas uso pessoal/pesquisa. Confira antes de usar comercialmente. GitHub: OpenTalker/SadTalker.
• LatentSync (ByteDance): Apache 2.0 segundo fontes; refaz a boca em um vídeo existente, não parte de uma foto única, e é pesado.
• Wav2Lip: somente pesquisa/uso não comercial.

GPU gratuita, sem cartão

• Hugging Face Spaces (ZeroGPU): cota diária pequena (a documentação cita alguns minutos por dia; há relatos de poucas execuções por dia).
• Google Colab: GPU grátis, mas sem garantia de disponibilidade ou duração.
• Kaggle Notebooks: cota semanal de GPU publicada, com conta gratuita.

Uso de rosto de pessoa real exige autorização (aba Autorizações).

Texto → voz em português (Colab)

No navegador, o Kokoro pronuncia português com regras de inglês, então não o usei no app. A versão Python tem português do Brasil. Cole em uma célula do Colab. Não testei este código; o nome da voz pode mudar.

!apt-get -qq -y install espeak-ng
!pip install -q "kokoro>=0.9.4" soundfile
from kokoro import KPipeline
import numpy as np, soundfile as sf
texto = "Olá! Este é o meu avatar falando em português."
pipe = KPipeline(lang_code="p")
partes = [a for _, _, a in pipe(texto, voice="pf_dora")]
sf.write("fala.wav", np.concatenate(partes), 24000)
from google.colab import files
files.download("fala.wav")

Autorização de uso de rosto

Cadastro local para o futuro recurso de troca de rosto. A troca em vídeo ainda NÃO existe. Aqui só se guarda a foto e a declaração, neste aparelho; nada é enviado. Apenas pessoas maiores de 18 anos.

Câmera (somente pré-visualização)

Esta etapa só testa a permissão da câmera do aparelho. Nenhum processamento facial, gravação ou envio acontece.

Estado do projeto

• ProntoCriador de avatar 2D (rosto, cabelo, roupa, expressão, óculos).
• ProntoAnimação simples: piscar, respirar e boca falando.
• ProntoVoz via sintetizador do navegador (pt-BR, depende do aparelho).
• ProntoGaleria salva neste aparelho e exportação em PNG.
• ProntoTeste de permissão da câmera.
• ProntoGeração de imagens por IA via Pollinations (grátis, anônimo, limitado). Só funciona com internet e fora da pré-visualização do Claude. A qualidade e o realismo dependem do serviço, não do app.
• ProntoAvatares feminino e masculino, barba, brinco e boné no modo 2D.
• ProntoCadastro local de autorizações (foto + declaração).
• ProntoLábios do avatar 2D seguindo o áudio importado ou gravado (análise de energia e brilho do som; aproximada, não reconhece fonemas).
• ProntoExportar vídeo 9:16 do avatar 2D ou de um vídeo falante importado. O formato (MP4 ou WebM) depende do navegador.
• Não feitoSincronização labial em foto realista dentro do app. Exige modelo neural em GPU externa (aba GPU); o app só importa o resultado.
• Não feitoTexto → voz capturável em português dentro do navegador (alternativa na aba GPU).
• Não feitoTroca de rosto em vídeo. Exige back-end com GPU e verificação de autorização; o cadastro da aba Autorizações é só a base.
• Não feitoTroca facial em tempo real (depende da etapa anterior).
• Não feitoConta de usuário e galeria na nuvem.