Curiosidades

Como o celular lê textos em voz alta: a síntese de voz explicada

Como o Android transforma texto em fala, das regras de pronúncia às vozes neurais, por que números, siglas e nomes estrangeiros ainda confundem, e como usar Selecionar para ouvir, Modo de leitura e o @Voice.

Atualizado em 26/09/2026

Você seleciona um texto no celular, toca em ouvir, e uma voz começa a ler em português, com pausas nas vírgulas e entonação de pergunta no fim das frases interrogativas. Parece simples, mas por trás existe uma das áreas mais antigas da computação com voz: a síntese de fala, também chamada de conversão de texto em voz, ou TTS, da sigla em inglês.

Este artigo explica como o celular faz isso, por que as vozes ficaram tão mais naturais nos últimos anos, onde elas ainda tropeçam e como usar os recursos de leitura em voz alta do Android.

O motor por trás da voz

No Android, a leitura em voz alta depende de um mecanismo de conversão de texto em voz instalado no aparelho. Na maioria dos celulares, é o do Google, que na loja aparece como Speech Recognition & Synthesis. O mesmo pacote também faz o caminho contrário, transformando fala em texto para o ditado do teclado e para outros apps.

Leitores de tela, apps de leitura, GPS e assistentes de voz não criam a própria voz: eles pedem ao mecanismo do sistema que fale um texto. Por isso, trocar a voz nas configurações do Android muda a voz de vários apps ao mesmo tempo.

Alguns fabricantes, como a Samsung, incluem um mecanismo próprio. O caminho para escolher qual usar costuma ser Configurações, Acessibilidade, e a opção de conversão de texto em voz. O nome pode variar.

Etapa 1: entender o texto

Antes de falar, o sistema precisa decidir como cada coisa deve ser lida. Essa etapa, chamada de normalização, resolve casos como:

• Números. “10” pode ser “dez”, “décimo” ou parte de “10h30”, que vira “dez e trinta” ou “dez horas e trinta minutos”.
• Datas. “26/09” vira “vinte e seis de setembro”.
• Moedas e unidades. “R$ 5” vira “cinco reais”. “3 km” vira “três quilômetros”.
• Abreviações. “Dr.” vira “doutor”, “Sr.” vira “senhor”, “etc.” vira “et cetera”.
• Siglas. “ONU” costuma ser lida como palavra, “CPF” letra por letra. O sistema precisa saber qual é qual.

Muitos erros de leitura que você percebe no dia a dia vêm daqui. Uma sigla desconhecida lida como palavra, ou um número de telefone lido como “novecentos e noventa e nove milhões…”, são falhas de normalização.

Etapa 2: da escrita para os sons

Depois, o sistema converte as palavras em fonemas, os sons da língua. Em português, a escrita é relativamente próxima da fala, mas há muitas armadilhas:

• “Sexo”, “próximo” e “exame” têm o “x” com sons diferentes.
• “Colher” pode ser o verbo ou o talher, com o “e” aberto ou fechado.
• “Sede” pode ser a vontade de beber água ou o endereço de uma empresa.

Para resolver esses casos, o sistema usa dicionários de pronúncia e, nos modelos mais modernos, o contexto da frase. Ainda assim, homógrafos, palavras escritas igual mas pronunciadas diferente, continuam sendo uma fonte comum de erro.

Etapa 3: a melodia da frase

A mesma frase pode soar como afirmação ou pergunta, dependendo da entonação. O ritmo, as pausas e a subida e descida da voz formam a prosódia. O sistema analisa pontuação e estrutura da frase para decidir onde pausar e onde enfatizar.

Nas vozes antigas, a prosódia era o ponto mais fraco. Frases longas soavam planas, sem respiração. É a principal diferença que se percebe entre uma voz robótica e uma voz natural.

Etapa 4: produzir o som

Por fim, o sistema gera o áudio. Essa etapa mudou muito ao longo das décadas.

Síntese por regras. As primeiras vozes eram geradas a partir de modelos do aparelho vocal humano. Eram inteligíveis, mas soavam claramente artificiais.

Síntese por concatenação. Depois, os sistemas passaram a gravar uma pessoa lendo milhares de frases e recortar os sons em pequenos pedaços, que eram emendados para formar palavras novas. A voz soava humana, mas as emendas às vezes apareciam como pequenos saltos.

Síntese neural. Nos últimos anos, redes neurais treinadas com muitas horas de fala aprenderam a gerar o som diretamente, com prosódia mais natural. As vozes atuais do Google e de outras empresas usam essa abordagem, o que explica por que ficaram tão mais agradáveis.

Parte dessas vozes funciona no próprio aparelho, sem internet, depois de baixada. Outras, de qualidade maior, podem depender de conexão.

Por que ainda tropeçam

Mesmo com vozes neurais, alguns casos continuam difíceis:

• nomes próprios, principalmente estrangeiros;
• palavras em inglês no meio do português, como “download” e “feedback”;
• tabelas e listas, que viram uma sequência confusa de itens;
• textos com formatação estranha, como títulos colados em parágrafos;
• emojis, que alguns leitores anunciam pelo nome, como “rosto sorrindo”.

Como usar a leitura em voz alta no Android

Selecionar para ouvir

O recurso Selecionar para ouvir faz parte do pacote Acessibilidade do Android. Depois de ativado, aparece um botão na tela. Você toca nele e depois no texto que quer ouvir, ou arrasta para selecionar uma área. Diferente do TalkBack, ele não muda os gestos do celular, então serve para qualquer pessoa que queira ouvir um trecho.

O caminho comum é Configurações, Acessibilidade, Selecionar para ouvir. O nome pode variar conforme a marca.

Modo de leitura

O Modo de leitura, do Google, mostra uma versão simplificada da tela, sem menus e anúncios, com letra e contraste ajustáveis, e pode ler o texto em voz alta. Foi criado, segundo a descrição, para e por pessoas com baixa visão, dislexia e cegueira. Depois de instalado, fica disponível nas configurações rápidas.

@Voice Aloud Reader

Para textos longos, como livros em EPUB, PDFs, documentos do Word e páginas da web, o @Voice é um dos apps mais conhecidos. Você compartilha um link ou arquivo com ele, e o app lê usando o mecanismo de voz do sistema, com controles de velocidade e a possibilidade de continuar com a tela desligada. Segundo o cartão, é gratuito com anúncios.

É útil para ouvir artigos no transporte ou revisar um texto que você mesmo escreveu, já que ouvir costuma revelar erros que passam na leitura silenciosa.

Comparação rápida

Dicas para uma leitura mais agradável

1. Baixe a voz em português. Nas configurações do mecanismo de voz, instale os dados de voz do português do Brasil, para funcionar offline e com melhor qualidade.
2. Teste vozes diferentes. O mecanismo do Google costuma oferecer mais de uma voz para o mesmo idioma.
3. Ajuste a velocidade. Comece um pouco abaixo do normal e aumente aos poucos. Muitas pessoas acostumadas passam a ouvir em velocidades bem altas.
4. Use fone de ouvido em lugares públicos. Além da privacidade, o som fica mais claro.

Perguntas frequentes

A leitura em voz alta funciona sem internet?

Sim, desde que a voz esteja baixada no aparelho. Algumas vozes de maior qualidade podem exigir conexão.

Posso usar outra voz que não a do Google?

Sim. O Android aceita outros mecanismos de voz instalados, e alguns fabricantes incluem o próprio. A escolha fica nas configurações de conversão de texto em voz.

Por que a voz lê siglas de forma estranha?

O sistema tenta adivinhar se a sigla é lida como palavra ou letra por letra. Quando erra, é uma limitação da etapa de normalização.

Isso é a mesma coisa que o ditado do teclado?

Não, é o caminho contrário. O ditado transforma fala em texto, e a síntese transforma texto em fala. No Android, os dois costumam estar no mesmo pacote de serviços de voz do Google.