24 de setembro de 2026
Criar uma série de áudio com IA: da ideia ao episódio mixado (guia 2026)
Bíblia, escrita com memória, vozes, efeitos sonoros, ambientações e mixagem: o método completo para produzir um audiodrama com IA, com custos calculados sobre um episódio piloto real.
Frank HoubreFundador do Imaginode
Por que todo mundo está entrando nas séries de áudio
As séries de áudio em episódios curtos, com um final de suspense, se tornaram um formato de massa, e a IA acabou de tornar sua produção acessível para uma única pessoa.
As pessoas ouvem no transporte, cozinhando, correndo: ficções divididas em episódios de poucos minutos, interpretadas por várias vozes, com efeitos sonoros e uma música que criam a atmosfera. Aplicativos como o Pocket FM afirmam ter mais de 250 milhões de ouvintes só nesse formato, e o público vai muito além dos fãs de podcast.
Até agora, produzir uma série exigia uma equipe: um roteirista para escrever a temporada, atores para cada personagem, um estúdio para gravar, um técnico de som para os efeitos, a música e a mixagem. Semanas de trabalho e um orçamento que desanimava a maioria dos roteiristas.
Em 2026, cada elo dessa cadeia tem seu equivalente em IA: modelos de linguagem que escrevem e se lembram de uma temporada inteira, vozes sintéticas capazes de interpretar um diálogo, geradores de efeitos sonoros e de música. Este guia mostra como reuni-los, passo a passo, com os números reais de um episódio piloto produzido no Drama Studio da Imaginode.
Os cinco pilares de uma série de áudio
Uma série de áudio se apoia em cinco pilares: uma bíblia, roteiros, vozes, som e uma mixagem. Pular qualquer um deles se percebe na hora ao ouvir.
A bíblia é o documento de referência da série: quem são os personagens, o que eles querem, como falam, onde a história se passa, quais tramas ela abre e como as fecha. Sem uma bíblia, o episódio 4 contradiz o episódio 2.
Os roteiros são os próprios episódios, escritos para o ouvido: falas, algumas intervenções de um narrador, indicações de efeitos sonoros e de música. As vozes interpretam essas falas, uma voz por personagem, reconhecível de um episódio para o outro.
O som reúne três camadas: os efeitos pontuais (uma porta, um telefone), as ambientações contínuas de cada lugar (uma estação, uma floresta à noite) e a música. A mixagem, por fim, coloca tudo isso em uma linha do tempo, baixa a música sob as vozes e ajusta o nível para que um episódio soe no mesmo volume que qualquer podcast.
Etapa 1: transformar uma ideia em bíblia de série
Duas frases de ideia bastam para obter uma bíblia completa, desde que você defina o gênero, a duração dos episódios e o tamanho da temporada.
Vejamos a ideia que serviu de piloto: "Uma condutora do último trem noturno Paris Nice descobre que um passageiro viaja toda semana com uma passagem datada de 1987. Ela decide segui-lo." Gênero thriller, episódios de 3 minutos, temporada de 6 episódios.
A partir daí, o agente Bíblia do Drama Studio produziu em 45 segundos um título ("Le Train de Minuit"), uma logline, seis personagens incluindo um narrador, cinco locais com sua ambientação sonora descrita para um motor de sons, seis tramas a acompanhar, um tema musical e o plano dos seis episódios, cada um terminando com uma reviravolta. Custo medido: 6 créditos.
O ponto mais importante desta etapa é a escalação. Cada personagem recebe uma voz própria, escolhida conforme seu gênero, idade e timbre, e essa voz o acompanha por toda a temporada. Releia as descrições dos personagens: elas também dizem como cada um fala, e é isso que dará vida aos diálogos.
Etapa 2: escrever cada episódio com a memória da temporada
O verdadeiro desafio de uma série não é escrever um bom episódio, é escrever o sétimo sem esquecer o que aconteceu nos seis primeiros.
Um modelo de linguagem a quem simplesmente se pede "escreva o episódio 5" inventa coisas. Para manter uma temporada coesa, o roteirista de IA precisa receber a bíblia, o plano da temporada e uma memória: o resumo de cada episódio já escrito, o que cada personagem aprendeu e o estado de cada trama. É exatamente isso que o Drama Studio faz: a cada episódio escrito, ele registra sua memória, e o episódio seguinte parte dali.
No piloto, o episódio 1, de 3 minutos, foi escrito em 40 segundos: 60 falas, 3 mudanças de cena, 4 efeitos sonoros, 2 marcações musicais, cerca de 3.000 caracteres falados. Custo medido: 7 créditos. A memória registrava, por exemplo, que a condutora havia escaneado a passagem de 1987 e que o sistema a havia aceitado, um fato que o episódio 2 já não podia ignorar.
Em seguida vem a revisão. Um segundo agente, o crítico, avalia o gancho, o ritmo, a coerência, os diálogos e o desfecho em uma escala de 10, e aponta as falas problemáticas. No piloto, ele identificou duas incoerências reais, incluindo dois condutores conversando entre si de dois vagões diferentes sem telefone. Custo: 2 a 3 créditos. As observações dele podem ser aplicadas em uma reescrita com um clique, e a versão anterior continua recuperável. Para as regras de escrita em si, veja nosso artigo escrever um audiodrama que prende o ouvinte.
Etapa 3: fazer as vozes interpretarem
Uma cena é interpretada de uma só vez: todas as falas vão juntas para o motor de vozes, que encadeia os personagens como em uma conversa real.
A diferença entre uma leitura e um drama está aí. Se cada fala é gerada separadamente e depois colada, ouvem-se pausas regulares e entonações que não dialogam entre si. O motor de diálogo da ElevenLabs usado pelo estúdio recebe até dez falas de uma cena com a voz de cada personagem, e devolve uma única passagem em que as reações se encadeiam naturalmente.
Cada fala pode carregar uma forma de interpretação: sussurrar, rir, suspirar, estar intrigado, triste ou animado. Essas marcações realmente mudam a interpretação, e o crítico aponta as que soam fora de contexto, como uma risada no momento de uma revelação trágica.
As vozes interpretam em catorze idiomas, e uma mesma série pode ser escrita e produzida no idioma do seu público. Para uma locução única ou um podcast a duas vozes, as ferramentas locução com IA e podcast a duas vozes do canvas já bastam; para uma ficção com vários personagens, é o estúdio que mantém o elenco de um episódio para o outro.
Etapa 4: efeitos sonoros, ambientações e música
O som conta tanto quanto as vozes, desde que se use pouco: uma ambientação por lugar, um efeito sonoro só quando ele carrega a história, um tema musical para toda a série.
A ambientação é a camada mais vantajosa: um loop de vinte segundos por lugar (uma plataforma de estação à noite, o interior de um trem em movimento) já basta para situar o ouvinte, e ela toca sob cada cena que se passa ali. No piloto, duas ambientações cobrem todo o episódio.
Os efeitos sonoros precisam ser dosados. Sem instrução numérica, a IA colocava onze deles em dois minutos, e cada um cortava um diálogo. O estúdio agora limita a cerca de um efeito a cada quarenta segundos, reservado para os sons que fazem a história avançar: uma porta batendo, uma passagem sendo entregue, um apito de partida. Para sons isolados, o gerador de efeitos sonoros do canvas também funciona sozinho.
O tema musical é composto uma única vez, em versão instrumental, e reutilizado em todos os episódios: ele abre o episódio, recua sob as vozes, e um golpe dramático curto sublinha o desfecho. É o gasto mais pesado do primeiro episódio (84 créditos no piloto), e o único que não se repete.
Etapa 5: mixar e publicar
A mixagem posiciona cada som na linha do tempo, baixa a música sob as vozes e normaliza o nível em torno de -16 LUFS, a referência dos podcasts.
No Drama Studio, a mixagem é feita no seu navegador, sem custo: os blocos de diálogo se encadeiam na duração real, os efeitos sonoros se sobrepõem sem atrasar a fala seguinte por mais de um segundo e meio, cada ambientação toca em loop sob sua cena, e a música desce automaticamente sempre que um personagem fala.
O piloto mixado dura 4 minutos, mede -16,2 LUFS com pico verdadeiro de -1,7 dBFS, e pesa menos de 4 MB em .m4a. Durante a audição no estúdio, a fala em andamento acende no roteiro, o que permite localizar em um segundo a frase a ser refeita.
O arquivo é seu: você o baixa e publica em uma plataforma de podcast, no YouTube com uma imagem fixa, ou no seu site. Ele também fica guardado nas suas mídias da Imaginode, onde pode servir como trilha sonora de um vídeo montado no canvas.
Quanto custa realmente um episódio
No piloto de 3 minutos, a escrita custou 15 créditos e a produção 151, dos quais 84 foram para um tema musical que só é pago uma vez.
O detalhamento medido em 23 de setembro de 2026: bíblia da temporada 6 créditos, escrita do episódio 7 créditos, revisão de 2 a 3 créditos. Na produção, 13 passagens dialogadas, 4 efeitos sonoros, 2 ambientações, um golpe dramático e o tema musical, totalizando 21 sons e 151 créditos. A mixagem não custou nada.
A partir do segundo episódio, o tema e as ambientações dos lugares já visitados são reutilizados: um episódio de 3 minutos passa então a custar cerca de 60 a 70 créditos de som, aos quais se somam cerca de 10 créditos de escrita. Só para as vozes, conte com cerca de 12 créditos por minuto de diálogo.
E um som já produzido nunca é pago de novo: se você corrige uma fala, apenas o trecho que a contém é regenerado. É isso que torna as reescritas acessíveis, mesmo tarde na produção.
Os erros que fazem o ouvinte desistir
Narrador demais, personagens parecidos entre si, efeitos sonoros por toda parte e um episódio sem desfecho de suspense: quatro erros que se corrigem antes da produção.
O narrador que conta tudo transforma a ficção em audiolivro: reserve-o para as transições de tempo e lugar, e deixe os personagens conduzirem a ação. Dois personagens com vozes parecidas demais se confundem: na bíblia, dê a eles idades, timbres ou sotaques diferentes.
Efeitos sonoros em excesso cansam o ouvido e cortam o ritmo: uma ambientação bem escolhida substitui dez deles. Por fim, um episódio que termina sem uma questão em aberto não dá nenhum motivo para ouvir o seguinte: a nota de "desfecho" do crítico é a primeira que você deve observar.
O jeito mais simples de começar é ouvir um episódio produzido do início ao fim. O episódio de Le Train de Minuit está disponível na página do Drama Studio, e se você está em dúvida entre várias ferramentas, nossa comparação com o Sherpa do Pocket FM detalha o que cada um realmente faz.