Como traduzir vídeo do inglês para português com voz: legenda, dublagem ou sua própria voz

As listas por aí prometem "dublagem perfeita em um clique" e comparam qualidade de voz. Na prática, quem decide é o sincronismo: a fala em português cabe ou não na mesma janela em que a pessoa aparece falando na tela. O português em média é mais longo que o inglês — a mesma ideia ocupa mais sílabas. Resultado: ou a voz atropela, ou termina antes de a boca fechar no quadro.

Pra não se perder no timbre bonito, guarde cinco critérios. Eles valem pra olhar qualquer serviço de tradução, não só a Kutto:

• Preço — você paga por minutos de narração ou só pela legenda.
• Velocidade — legenda fica pronta mais rápido que a síntese e a mixagem da dublagem.
• Sincronismo — a fala em português cabe na janela da frase original?
• Preservação do áudio original — o fundo é abaixado ou cortado inteiro?
• Risco com a voz — qual voz soa e existe consentimento pra clonar?

Uma linha à parte sobre consentimento. Clonar a voz de uma pessoa do vídeo sem a permissão dela é falsificação, não "recurso do serviço". Na Kutto a voz da dublagem vem de uma biblioteca, não é tirada do locutor original. Isso não é formalidade — é a fronteira entre traduzir e colocar a voz de outra pessoa no seu vídeo.

A tabela abaixo é uma comparação de como cada abordagem funciona por dentro, não o resultado de uma única rodada de teste. Sobre preço: a legenda não desconta minutos do plano; a dublagem é cobrada em minutos de narração do plano, e acima disso vai pelo saldo com o seu consentimento. Os valores atuais ficam na página de preços.

Se o vídeo se apoia na imagem — unboxing, receita, gameplay, tutorial com as mãos —, a legenda costuma dar conta. O espectador ouve a fala viva do original e lê a tradução com os olhos. No preço, não desconta minutos do plano. No tempo, sai mais rápido que a dublagem, porque não precisa de síntese nem de mixagem de faixas.

Por dentro funciona assim: o vídeo é reconhecido, a fala é cortada em frases com o tempo do original, as frases são traduzidas e distribuídas em palavras proporcional ao tamanho. Na saída, o mesmo vídeo com legenda embutida no estilo de cortes, mais os arquivos SRT/VTT caso você queira subir a legenda à parte.

• A favor: não gasta minutos, mantém o áudio original inteiro e sai rápido.
• O que considerar: o espectador lê em vez de olhar a cena — a atenção vai pro texto.
• O que considerar: a legenda ocupa a parte de baixo, onde o Reels e o Shorts costumam colocar a legenda da plataforma e os botões.

A dublagem serve quando a voz importa mais que a imagem: podcast, entrevista, vídeo de conversa, onde o espectador ouve e não lê. O problema técnico é caber a tradução — mais longa — na mesma janela de tempo em que a pessoa fala na tela. Só "narrar o texto" não basta: ele não entra.

Na Kutto a dublagem trabalha por janela de frase. Pra cada fala calcula-se uma janela: do começo ao fim dela mais 0,35 s, sem passar do início da frase seguinte nem do fim do vídeo. É dentro dessa janela que a narração em português tem que entrar.

O encaixe vai por etapas. Se cabe como está, fica. Se não cabe mas uma aceleração até ×1,15 resolve, acelera — nesse ponto ainda soa fala viva, não robô. Se não basta, o modelo reduz a tradução e regrava, até duas voltas. No limite, a frase é marcada como estouro. E se o português ficar bem mais curto que o original, o caminho é o inverso: desacelera um pouco.

1. 1

   Suba o vídeo

   Arquivo, vídeo da sua mídia ou link do YouTube, Reels ou TikTok. Escolha o idioma de tradução — português.

2. 2

   Ajuste a tradução por frase

   O vídeo é reconhecido e cortado em frases com o tempo do original. Na etapa de edição, leia a tradução com os olhos: tire pedaços soltos, corrija sentido e nomes.

3. 3

   Escolha a saída

   Legenda — embutida no vídeo mais SRT/VTT, sem descontar minutos do plano. Dublagem — vídeo com voz da biblioteca, original abaixado.

4. 4

   Pegue a faixa de voz

   Depois da dublagem, a faixa de voz (m4a) cai separada na sua mídia. Útil se você quiser remixar a tradução com a sua própria música.

Depois de ajustar a tradução por frase, vale subir uma versão de teste e conferir o encaixe antes de render o vídeo final.

Aqui tem um detalhe que muda a sensação do vídeo. O original não é cortado — é abaixado, até −22 dB nas janelas de frase em que entra a tradução. Fora das falas, o original fica como era: risada, música, vinheta, o que deixa o vídeo vivo. Como a fonte não tem uma faixa separada de música, na janela de frase todo o fundo é abaixado junto — é um custo da abordagem, não um bug.

O critério de sincronismo na Kutto é direto: o fim da fala em português não passa de +0,5 s depois do fim da frase original. Mais que isso é a voz passando dos lábios; menos é terminar antes. A equipe da Kutto mediu a dessincronização em clipes reais no dia 02/10/2026. Os números abaixo são esses, como saíram — quatro rodadas em clipes específicos, não garantia pra qualquer vídeo.

Nenhuma rodada violou o critério: no máximo a voz passou +0,12 s dos lábios. Os fins adiantados, porém, chegaram a −1,71 s. São frases em que a tradução ficou mais curta que o original (o inglês às vezes é mais longo, e palavrão costuma cair na tradução). A voz não "foge" depois dos lábios, mas em frase longa o silêncio no fim é perceptível. Isso é limite da abordagem, não defeito.

Por que ×1,15 e não ×1,5

A narração de cortes na Kutto aceita aceleração até ×1,5. A dublagem tem um teto mais baixo — ×1,15 — por um motivo simples: em ×1,25 a voz já soa locutor apressado, e em ×1,5 soa robô. O resto é o modelo que compensa, reduzindo a tradução, em vez de acelerar o ritmo.

Tirar a voz de uma pessoa do vídeo e colar na tradução sem a permissão dela é falsificação — a Kutto não faz isso. Por isso a voz da dublagem vem da biblioteca da ElevenLabs. Se você quiser uma voz "parecida com a original", o caminho é descrever a voz desejada (Voice Design), não clonar a pessoa específica.

Clone da sua própria voz é outra história: é a sua voz e o seu consentimento. Faz sentido pra quem toca um canal e mantém uma pegada reconhecível — aí os vídeos traduzidos soam com a sua voz, não com uma de biblioteca. Pra isso é preciso o consentimento do dono da voz; sem ele, não se clona.

• Voz da biblioteca — disponível pra qualquer tradução.
• Voz parecida com a original — por descrição (Voice Design), sem clonar a pessoa.
• Clone da sua própria voz — só com o seu consentimento como dono da voz.

O fluxo é o mesmo pra legenda e pra dublagem — a bifurcação está só no fim, na hora de escolher a saída. E a tradução sempre pode ser ajustada na mão antes de o vídeo ir pro render ou pra narração.

Pra conferir o sincronismo não precisa de medição. Ache as duas ou três falas mais longas em que a pessoa aparece em close. Pause no momento em que a boca fecha e ouça se a voz em português ainda está falando. Se ela ainda fala bem depois, a frase está pesada — vale encurtar a tradução na mão. Se a voz cala bem antes dos lábios, a tradução saiu mais curta que o original: não é erro, mas numa frase longa a pausa no fim vai aparecer.

• Não ajustar a tradução na mão — sobram pedaços soltos e nomes tortos.
• Mandar um texto denso demais, sem pausas — a síntese não tem onde encaixar o português.
• Esquecer que o português é mais longo que o inglês e esperar encaixe perfeito nos lábios em toda frase.

Tem caso em que a dublagem tropeça, e é melhor saber antes. Frases longas onde o português fica bem mais curto que o original: a voz termina e cala antes dos lábios. Sem faixa separada de música na origem, na janela de frase todo o fundo é abaixado, não só a fala. E clone exato da voz de outra pessoa sem consentimento — isso a gente não faz, a voz vem da biblioteca.

• Confira o sincronismo nas duas ou três falas mais longas.
• Leia a tradução com os olhos — sem pedaços soltos nem sentido quebrado.
• Decida se quer legenda por cima da dublagem (pra quem assiste sem som no feed).
• Confira os direitos do vídeo original, se ele for de terceiros.
• Se dublou, guarde a faixa de voz m4a pra caso de remixar com sua música.

• Tradução e dublagem — legenda ou dublagem com voz da biblioteca, encaixada na janela de frase.
• Legendas — legenda por palavra, pra deixar por cima da dublagem no feed sem som.
• Transcrição — texto, SRT e VTT do vídeo, útil pra revisar a tradução frase a frase.

Se o seu vídeo é fala sobre fala — entrevista, podcast, conversa — a dublagem com conferência de sincronismo costuma ser o caminho mais direto do inglês pro português.