Voice Changer + Runway Act-One: Fluxo Completo para Curtas de IA
O Act-One do Runway ML mudou o que criadores independentes conseguem produzir. Você grava uma cena atuando com a câmera do celular e luz natural — Act-One mapeia sua performance facial para qualquer personagem em um vídeo gerado. A peça que falta pra maioria dos cineastas indie é o áudio: Act-One cuida do rosto, mas a voz que sai ainda soa como você.
Um modificador de voz em tempo real fecha essa lacuna. Grave o vídeo de referência com a voz já transformada e o clip de saída vai ter a voz do personagem embutida — sem pós-produção extra, sem sessão de dublagem.
Esse guia percorre o fluxo completo: escolher presets por arquétipo de personagem, configurar a cadeia de áudio pra o Runway capturar limpo, e montar tudo no editor de vídeo pra distribuição.
TL;DR
- Runway Act-One lê o movimento facial de um vídeo de referência e aplica em um personagem gerado.
- Um modificador de voz em tempo real com microfone virtual permite gravar o vídeo de referência com áudio de personagem já aplicado.
- A trilha de áudio da sua gravação de referência vira o diálogo final — Act-One não mexe no áudio.
- Ajuste o preset de voz pro arquétipo do personagem antes de gravar.
- O microfone virtual low-latency audio capture do VoxBooster é reconhecido pelo OBS, softwares de webcam e gravadores de tela sem instalar drivers.
- A montagem final é direta: importe o vídeo de saída do Act-One, sincronize a trilha de áudio processado, aplique color grading e exporte.
O Que É o Runway Act-One?
O Runway ML é uma plataforma de IA generativa usada por cineastas, estúdios de VFX e criadores de conteúdo para geração e edição de vídeo. Act-One é uma função específica que realiza transferência de movimento facial: analisa um vídeo de referência de um ator humano e dirige a animação facial de um personagem em um clip de saída gerado.
O fluxo difere do texto-para-vídeo puro. Em vez de descrever o movimento num prompt, você o encarna. Levantamento de sobrancelha, lip sync e inclinações de cabeça viram as expressões do personagem. Isso produz animação significativamente mais natural e emocionalmente coerente que geração só por prompts, porque a fonte da verdade são dados reais de performance humana.
Act-One se integra com outras ferramentas do Runway — incluindo Gen-4, ferramentas de chroma key e inpainting — que juntas funcionam como um pipeline de produção completo pra cinema assistido por IA.
Por Que o Áudio É a Camada Esquecida
Quando criadores experimentam Act-One pela primeira vez, o resultado costuma ser visualmente impressionante mas discordante em áudio. O rosto do personagem se move com a expressividade do ator, mas a voz é gravada em bruto — timbre humano natural, sem transformação — e colada sob o vídeo gerado. O descompasso é imediato.
A correção convencional é processamento de voz em pós-produção: gravar limpo e depois processar com efeitos. Funciona, mas cria um problema de sincronização. O lip sync no Act-One depende do vídeo de referência. Se você grava uma performance sutil e depois adiciona processamento vocal intenso — estendendo vogais, adicionando formant shift — o movimento da boca do personagem não vai mais combinar com o áudio processado.
Gravar com o modificador de voz aplicado em tempo real resolve isso. Você ouve a voz transformada nos fones enquanto atua, o que molda naturalmente os movimentos da sua boca e o ritmo pra combinar com o áudio processado. Act-One captura esses movimentos ajustados. O resultado é um lip sync mais preciso no output gerado.
Como o Runway Act-One Lê o Vídeo de Referência
Entender o formato de entrada ajuda a gravar metragem de referência melhor.
Act-One faz rastreamento facial no clip de referência. O sistema espera:
- Ângulo frontal ou quase frontal — perfis reduzem significativamente a precisão. Rosto centralizado no quadro, câmera na altura dos olhos.
- Iluminação consistente — sombras fortes sobre o nariz ou olhos interferem na detecção de pontos de referência. Luz frontal suave (ring light, luz de janela) é ideal.
- Fundo sem movimento — pessoas andando atrás ou objetos em movimento podem confundir o rastreador.
- Lábios claramente visíveis — barbas e microfones na frente da boca reduzem a fidelidade do lip sync.
- 720p ou superior, 24 ou 30fps — resolução menor reduz a precisão do rastreamento.
- Container MP4 — o mais confiável pro pipeline de upload. MOV também funciona.
- Menos de 30 segundos por tomada — Act-One processa eficientemente nessa duração.
A trilha de áudio no vídeo de referência não é analisada pelo Act-One. A geração é impulsionada apenas por dados visuais. Isso significa que a saída do modificador de voz na sua trilha de áudio tem zero efeito sobre a qualidade da animação facial — as duas camadas são completamente independentes.
Arquétipos de Personagem e Emparelhamento de Presets de Voz
Os melhores filmes de Act-One têm coerência sonora: a voz encaixa no personagem antes de escrever uma única linha de diálogo. Aqui está um guia prático de emparelhamento.
| Arquétipo de personagem | Tratamento de voz recomendado | Notas |
|---|---|---|
| Guerreiro / cavaleiro com armadura | Pitch -3 a -5 semitons + reverb leve de sala | Adiciona peso; reverb simula ressonância de capacete |
| Ser sobrenatural / etéreo | Modulação lenta de pitch + formante acima | Cria textura inquietante e sobrenatural |
| Robô / construção IA | Vocoder pesado ou preset bit-crush | Funciona melhor com entrega nítida e deliberada |
| Vilão ancestral / maligno | Pitch muito grave + coro sutil | O coro adiciona sensação de múltiplas vozes |
| Herói jovem / escolhido | Pitch +1 a +2 semitons + processamento mínimo | Preserva alcance emocional; não sobre-processar |
| Diplomata alienígena | Formant shift + largura estéreo leve | Mantém o discurso inteligível mas soando não-humano |
| Narrador / oráculo | Pitch -2 semitons + cauda de reverb longa | Energia de narração épica |
A tabela é ponto de partida, não regra. Misture presets e confie no ouvido durante a performance. Se a voz parece certa nos fones enquanto você atua, vai parecer certa no filme final.
Configurando a Cadeia de Áudio
O objetivo é rotear o áudio processado tanto pro software de gravação (para a trilha de áudio do vídeo de referência) quanto pros fones de ouvido de monitoramento (pra você se ouvir em personagem enquanto atua).
Passo 1 — Instalar e configurar o modificador de voz
Instale o VoxBooster no Windows 10 ou 11. Nenhum driver de kernel é necessário — o microfone virtual low-latency audio capture aparece nas configurações de som do Windows como dispositivo de entrada padrão em segundos desde o primeiro uso.
Abra o VoxBooster, selecione seu microfone físico como fonte de entrada e escolha um preset da tabela de arquétipos. Verifique se a saída está roteando para VoxBooster Virtual Mic no seletor de saída.
Passo 2 — Configurar o monitoramento
Nas configurações do VoxBooster, ative o monitoramento por fones. Você deve ouvir sua voz transformada em tempo real pelos fones agora. A latência para presets DSP é abaixo de 20ms — imperceptível durante a performance. O modo de clonagem de voz IA adiciona uma breve janela de processamento (menos de 300ms de ponta a ponta), que alguns performers acham ligeiramente desorientante no começo; pratique algumas linhas antes da tomada.
Passo 3 — Configurar o software de gravação
Abra seu gravador de tela ou app de captura de webcam (OBS, Windows Camera, Loom ou similar). Nas configurações de entrada de áudio, selecione VoxBooster Virtual Mic em vez do seu microfone físico. Isso garante que a gravação capture a voz processada, não a entrada bruta.
Se você usa OBS:
- Em Fontes, adicione uma fonte de Captura de Entrada de Áudio.
- Nas propriedades da fonte, selecione VoxBooster Virtual Mic no menu suspenso de dispositivos.
- Adicione uma fonte de Dispositivo de Captura de Vídeo apontando pra sua webcam.
- Inicie a gravação. Ambos os streams são gravados no mesmo arquivo de saída.
Passo 4 — Gravar a tomada de referência
Mantenha a tomada curta — de 10 a 25 segundos é o sweet spot pra Act-One. Atue naturalmente, mantendo contato visual com a lente da câmera. Fale o diálogo em voz alta com total comprometimento com o personagem; Act-One lê a intensidade emocional pelo movimento dos seus músculos faciais.
Depois de gravar, verifique o arquivo de saída: a trilha de áudio deve conter a voz processada, não o feed bruto do microfone. Reproduza o arquivo num player de mídia antes de fazer upload pro Runway.
Upload no Runway Act-One e Geração do Output
Faça login na sua conta do Runway e navegue até a função Act-One. A interface pede duas entradas:
- Vídeo de referência — seu clip de performance gravado com áudio processado.
- Fonte do personagem — seja uma imagem gerada com Gen-4, um render de personagem enviado ou um output de geração anterior.
Faça upload do vídeo de referência. Act-One extrai os dados de movimento facial durante o passo de análise. Depois selecione ou gere seu personagem. Configure as configurações de geração (proporção de aspecto, guia de estilo, qualquer orientação de prompt pro ambiente da cena).
Envie a geração. Os tempos de fila variam por plano e carga da plataforma. Enquanto aguarda, você pode preparar assets de pós-produção: elementos de fundo de cena, cartões de título ou trilhas musicais.
Quando o clip de saída baixar, ele contém o vídeo do personagem guiado pela sua performance. A trilha de áudio no arquivo baixado pode estar silenciosa ou pode transferir seu áudio de referência dependendo da versão do pipeline do Runway. Em qualquer caso, o próximo passo é o editor de vídeo, onde você vai montar o composto final.
Montagem em Pós-Produção
Abra seu editor de vídeo (DaVinci Resolve, Premiere Pro, CapCut ou qualquer NLE). Crie um novo projeto combinando suas especificações de saída alvo (tipicamente 1920×1080 ou 1080×1920 para vertical, 24fps).
Layout de trilhas:
| Trilha | Conteúdo |
|---|---|
| V1 | Vídeo do personagem gerado pelo Act-One |
| V2 | Placas de fundo ou metragem de ambiente |
| A1 | Áudio processado da gravação de referência |
| A2 | Música / som ambiente |
| A3 | Camadas opcionais de efeitos sonoros |
Sincronize o áudio processado da sua gravação de referência com o vídeo do personagem na V1. Como você gravou áudio e vídeo simultaneamente na tomada de referência, a sincronia já está embutida — você não deve precisar ajustar manualmente a menos que o pipeline de upload tenha cortado alguns frames.
Adicione placas de fundo, aplique color grading no clip do personagem pra combinar, misture o áudio e exporte em H.264 ou H.265 pra upload no YouTube, TikTok ou Instagram.
Problemas Comuns e Soluções
Output do Act-One tem movimento facial rígido ou inquietante Geralmente causado por problemas de rastreamento no vídeo de referência. Verifique a uniformidade da iluminação e garanta que não há sombras fortes sobre o rosto. Regrave com uma fonte de luz mais suave.
Lip sync deriva no vídeo gerado Confirme que o áudio e o vídeo de referência foram gravados simultaneamente e em sincronia antes do upload. Uma deriva no arquivo fonte vai se amplificar no output. Se você gravou áudio separadamente e mesclou, garanta que a mesclagem foi precisa ao frame.
Modificador de voz adiciona latência perceptível durante a performance Presets DSP rodam a menos de 20ms e são essencialmente imperceptíveis. Se você notar atraso, verifique se o tamanho do buffer da sua interface de áudio está configurado muito alto — reduza o buffer low-latency audio capture no seu software de gravação pra 128 ou 256 amostras.
A voz processada soa super-comprimida ou distorcida no clip final O staging de ganho do seu modificador de voz pode estar muito alto. Reduza o nível de saída no VoxBooster até a signal ter picos em torno de -6 dBFS. Isso deixa headroom pro processamento de áudio do editor de vídeo.
Checklist Completo de Produção
Use esse checklist por cena antes de fazer upload pro Runway.
- Preset escolhido e ensaiado em personagem
- Monitoramento por fones confirmado (ouvindo voz transformada)
- Software de gravação configurado com entrada VoxBooster Virtual Mic
- Iluminação verificada — uniforme, frontal, sem sombras fortes no rosto
- Fundo livre — sem objetos em movimento
- Tomada de teste gravada e reproduzida — áudio é processado, não bruto
- Duração da tomada menor que 30 segundos
- Arquivo exportado como MP4 H.264, mínimo 720p
- Arquivo reproduz corretamente no player de mídia antes do upload pro Runway
Por Que a Qualidade do Modificador de Voz Importa pro Trabalho com Act-One
Act-One eleva a produção de cinema indie a um nível onde a qualidade do áudio se torna o gargalo. Vídeo de personagem gerado com essa fidelidade merece uma trilha de áudio que esteja à altura. Plugins básicos de pitch-shift produzem artefatos metálicos que contrastam com output visual de alta qualidade. A gravação de referência também é a trilha de áudio final — não tem sessão de re-gravação — então a qualidade da captura é permanente.
O VoxBooster processa áudio com menos de 300ms de ponta a ponta pra clonagem de voz IA e menos de 20ms pra presets DSP, rápido o suficiente pra performance natural. O microfone virtual low-latency audio capture é reconhecido pelo Windows sem instalação de drivers e aparece limpo no OBS, softwares de webcam e gravadores de tela. O resultado é uma trilha de voz que complementa o output visual em vez de prejudicá-lo.
O preço começa em R$29,90/mês. O trial gratuito cobre um teste de produção completo antes de assinar.
O Runway como empresa está documentado na Wikipedia, incluindo o contexto de pesquisa por trás das técnicas de transferência de movimento usadas no Act-One. Documentação oficial e galeria da comunidade estão disponíveis em runwayml.com.
FAQ
O que é o Runway Act-One e como ele usa o vídeo de referência? Act-One é uma função dentro do Runway ML que transfere as expressões faciais e movimentos de cabeça de um ator humano para um personagem gerado. Você fornece um vídeo curto de referência com sua atuação — Act-One lê o movimento facial e mapeia para o personagem. Quanto melhor a performance, mais expressivo o resultado.
Posso usar um modificador de voz ao gravar o vídeo de referência para o Act-One? Sim. Como Act-One analisa apenas geometria facial e movimento, não o pitch do áudio, você pode rodar um modificador de voz em tempo real por um microfone virtual e gravar o vídeo e o áudio processado simultaneamente. O áudio capturado vira a trilha de diálogo final; Act-One cuida do lado visual de forma independente.
Quais presets de voz funcionam melhor para personagens de fantasia ou ficção científica no Act-One? Para guerreiros ou heróis com armadura, um preset com pitch mais grave e reverb leve posiciona o personagem no espaço. Para seres sobrenaturais ou etéreos, modulação lenta de pitch ou formant shift cria uma textura sobrenatural. Presets robóticos funcionam para mechas ou personagens IA.
O Runway Act-One exige um formato específico de vídeo de referência? Act-One funciona melhor com enquadramento frontal bem iluminado, rosto claramente visível e fundo sem movimento. Resolução 720p ou superior é recomendada. MP4 é o container mais confiável. Mantenha os clips de tomada de referência com menos de 30 segundos.
O que é low-latency audio capture e por que importa para gravar a saída do modificador de voz? low-latency audio capture (Windows Audio Session API) é uma interface de áudio de baixa latência nativa do Windows 10/11. Um modificador de voz que expõe um microfone virtual low-latency audio capture permite que qualquer app de gravação capture a voz processada com latência quase nula, sem precisar instalar drivers.
Preciso de um PC potente para gravar vídeos de referência com modificador de voz em tempo real? Uma CPU mid-range lida com efeitos DSP em tempo real com latência abaixo de 20ms sem carga perceptível. Inferência de clonagem de voz IA adiciona carga de GPU; GPU dedicada ajuda mas não é obrigatória. A tomada de referência costuma ser curta, então o custo de performance é breve.
Esse fluxo serve para longas-metragens ou só para clips curtos? Act-One é otimizado para clips curtos a médios. Para filmes mais longos, a abordagem padrão é produção cena a cena: gravar uma tomada de referência por cena, gerar cada clip de saída e montar no editor de vídeo. O modificador de voz roda uma vez por tomada.