A conversão de texto em voz comum lê tudo com uma única voz. Um podcast, entrevista ou esquete precisa de mais: duas ou três pessoas que respondem umas às outras, se interrompem e riem. Montar falas separadas à mão demora muito, e as pausas ainda soam estranhas. A ferramenta Dialogue narra o roteiro inteiro de uma vez, como uma única gravação.
Escreva cada fala em uma linha própria: "Ana: Oi! Sobre o que vamos falar hoje?". O nome antes dos dois-pontos indica quem fala, e você atribui uma voz a cada pessoa. Linhas que começam com travessão alternam entre duas vozes. Ainda não tem roteiro? Descreva um tema — "dois amigos discutem se devem se mudar para outra cidade" —, escolha uma duração entre 1 e 5 minutos, e a IA escreve de graça um diálogo entre duas pessoas que você pode editar.
O Gemini 3.1 Flash TTS do Google narra dois falantes com custo acessível e pausas naturais, e você pode definir o clima da conversa em palavras. Já o Eleven v3 Dialogue, da ElevenLabs, aceita até três vozes com a entonação mais expressiva: marcações como [risos], [sussurrando], [interrompendo] direto nas falas. Você paga apenas pelo texto falado — os nomes dos falantes não entram na contagem.