Fiz um vídeo de torcida pro Boi com IA porque não tive coragem de gravar minha própria cara gritando "Garantido!"

Bumbódromo visto de cima durante o Festival de Parintins O Bumbódromo de Parintins visto de cima — é aqui que tudo acontece nos dias 26, 27 e 28 de junho.

Essa semana é a semana do Festival de Parintins. Caprichoso abre as três noites, Garantido encerra, e se você mora longe do Amazonas (como eu, em São Paulo) mas é apaixonado pela festa, sabe a sensação: você quer postar alguma coisa de torcida, mas filmar a si mesmo gritando bumbá no quarto de apartamento é meio constrangedor. Eu tentei duas vezes e cortei as duas. Foi aí que lembrei que existe um jeito de fazer um vídeo de torcida sem aparecer — uma foto, um boneco, até um desenho do boi falando ou cantando o toada, com a minha voz ou uma clonada. Resolvi testar isso a sério essa semana e vou contar exatamente como foi.

Veredito rápido

Pra fazer um vídeo curto de torcida — foto do boi, bandeira, camisa do time do coração falando ou cantando uma toada — o FreeLipSync resolve em menos de um minuto, sem marca de água, sem cadastro. Pra quem quer ir além (vídeo mais longo pra postar um resumo da noite, ou clonar a própria voz pra narrar) dá pra evoluir pro plano pago, que ainda é bem mais barato que qualquer concorrente que eu testei.

Por que eu fui atrás disso

Quem acompanha o Festival de Parintins sabe que a torcida não é coisa pra brincadeira. Tem gente que vira garoto-propaganda espontâneo do festival pelo ano inteiro nas redes — postando toada, comentando ensaio, fazendo montagem com a cor do boi. Eu sigo um povo de Manaus no Instagram que faz isso profissionalmente, e reparei que ultimamente apareceram uns vídeos onde a logomarca do boi, ou um boneco, "fala" direto pra câmera cantando um trecho da toada. Não é deepfake de político nem nada estranho — é literalmente pegar uma imagem estática e fazer ela mexer a boca no ritmo do áudio. Resolvi descobrir como isso é feito e se dava pra fazer sem complicação técnica.

Como eu testei (e o que rolou)

Comecei pegando uma imagem do boi (na real, baixei a arte oficial do festival com os dois bois, azul e vermelho, encarados) e um trecho de toada que já tinha salvo do ano passado. Subi a imagem, subi o áudio, esperei. Trinta segundos depois — sem exagero, foi rápido mesmo — tinha um vídeo onde a "boca" do boi sincronizava com a toada. Ficou divertido, meio surreal, mas funcionou pra um story.

Apresentação de boi-bumbá durante o Festival de Parintins Esse nível de produção é o que rola no Bumbódromo — meu vídeo de torcida feito em casa obviamente não chega nem perto, mas a ideia é só fazer minha parte e mostrar apoio.

Depois testei outra coisa: digitei um texto de torcida ("Garantido é Parintins, é o povo, é a alma da ilha...") e deixei a ferramenta gerar a voz e sincronizar com uma foto minha mesmo, sem precisar gravar áudio nenhum. Esse processo de texto-pra-vídeo-falando é o que mais me surpreendeu, porque resolve exatamente o problema que eu tinha: eu não precisei aparecer gravando, só escrevi o que queria "dizer".

A ferramenta que usei: FreeLipSync

Tela inicial do gerador FreeLipSync, com upload de imagem e opções de texto, áudio e clonagem de voz A interface é direta: você sobe a imagem ou vídeo, escolhe texto, áudio gravado ou voz clonada, e gera.

Essa é a parte mais longa do texto de propósito, porque foi nela que passei mais tempo brincando e testando os limites.

O plano gratuito é realmente usável

No plano Free do FreeLipSync você consegue gerar vídeos de até 20 segundos, com até 133 caracteres de roteiro se for usar texto-para-fala, e o detalhe que mais importa pra quem vai postar nos stories: sem marca de água. Isso é raro — a maioria das ferramentas "gratuitas" que testei coloca uma logo gigante no canto, ou um selo no meio do vídeo que mata o clima. Aqui não tem. Dá pra gerar um vídeo por vez, o que é suficiente pra quem só quer postar uma peça pontual pra cada noite do festival.

Vinte segundos parece pouco, mas pra um vídeo de torcida — tipo "Garantido, é hoje a noite é nossa!" — é mais do que suficiente. A maioria dos vídeos de hype que vejo no Instagram tem entre 8 e 15 segundos mesmo.

Velocidade de geração

Esse foi o ponto que mais me agradou. Da hora que subi a imagem e cliquei em gerar até o vídeo ficar pronto pra download, levou pouco menos de 30 segundos no teste com texto curto. Pra quem está postando em tempo real durante uma transmissão ao vivo do festival — tipo reagindo à entrada do boi no Bumbódromo — isso é a diferença entre postar enquanto o assunto ainda tá quente ou postar quando já esfriou.

Clonagem de voz e foto falante

Tem duas funções que valem destacar separadamente:

Clonar voz: você grava (ou sobe) uma amostra da sua própria voz, e o sistema usa ela pra narrar o texto que você escrever. Testei gravando 15 segundos falando normal, e o resultado saiu bem próximo do meu jeito de falar — não é perfeito, mas é convincente o suficiente pra um vídeo casual.
Foto falante: é a função que usei pra fazer a arte do boi "falar". Não precisa ser rosto humano — funciona com qualquer imagem que tenha algo parecido com uma boca, incluindo desenhos e bonecos. Pra quem quer fazer a mascote ou a bandeira do boi "comentar" a apresentação, é direto ao ponto.

Planos pagos, pra quem quer ir além

Se 20 segundos não bastarem — por exemplo, se você quer narrar um resumo da noite inteira ou fazer um vídeo de recap mais robusto — o plano Starter custa hoje 4,99 dólares por mês (com desconto, o normal é 9,90) e libera vídeos de até 3 minutos, 800 caracteres de roteiro, resolução em HD e até 3 vídeos simultâneos. O plano Pro, por 29,99 dólares por mês (de 69), tira praticamente todos os limites: vídeos de até 60 minutos, roteiro de 16 mil caracteres, fila de renderização prioritária. Pra um cobertura amadora do festival isso é overkill, mas pra quem cria conteúdo de torcida como trabalho — tipo o pessoal de Manaus que citei antes — faz sentido.

Um exemplo de vídeo de marca gerado pela ferramenta — a mesma peça em seis idiomas diferentes, mostrando a versatilidade multilíngue.

E os concorrentes?

Dei uma volta rápida em duas outras ferramentas que aparecem quando você procura "fazer foto falar com IA" só pra comparar.

HeyGen é robusto e tem um nível de qualidade de avatar realmente bom, mas é pensado pra empresa — o fluxo de cadastro é mais longo, o plano gratuito é bem mais restrito em minutos totais por mês (não por vídeo), e pra um post pontual de torcida ele é over-engineered. Você sente que está usando uma ferramenta de treinamento corporativo pra fazer o boi falar, e isso trava o processo.

D-ID tem uma proposta parecida (foto + áudio = vídeo falando), mas na minha experiência o plano gratuito é mais um trial por tempo limitado do que um "tier" permanente — depois de alguns créditos, ele pede assinatura. Pra um teste pontual durante a semana do festival, isso significa que você meio que "queima" a cota rápido se for postar peça por noite.

Nenhum dos dois me pareceu pior tecnicamente — só mais lento de configurar e menos generoso no que dão de graça pra sempre.

Para quem é cada ferramenta

FreeLipSync: quem quer postar uma ou duas peças de torcida curtas e rápidas durante os dias de festival, sem complicação, sem marca de água, sem se cadastrar antes de testar.
HeyGen: quem já produz conteúdo institucional ou de marca regularmente e precisa de um avatar consistente em vários vídeos por mês.
D-ID: quem quer testar a tecnologia rapidamente pra um projeto único, mas já sabe que vai pagar se gostar.

Fechando

No fim das contas, o vídeo que mais rendeu visualização nos meus stories essa semana foi o mais simples: a arte do Boi Garantido "cantando" um trecho de toada de 12 segundos. Não precisei aparecer, não precisei editar nada em outro programa, e ainda ficou com uma cara mais profissional do que eu esperava pra uma ferramenta gratuita. Se você também é torcedor de longe e quer fazer sua parte de hype pro Festival de Parintins sem se filmar, vale testar — é rápido o suficiente pra fazer durante a transmissão ao vivo mesmo.

Quem quiser testar, é só entrar em https://freelipsync.com, subir uma imagem e ver quanto tempo leva. Garantido ou Caprichoso, a torcida que continue.