Seus vídeos em outros idiomas. Cada pessoa mantém a própria voz.
Envie um vídeo. O Dub escreve as legendas, traduz e dá a cada pessoa na tela a sua própria voz no novo idioma, começando exatamente quando ela começa a falar.
Status: O motor já roda em produção num serviço de dublagem para o consumidor. O Castix Dub, a API internacional construída sobre ele, está em desenvolvimento.
Legendas em minutos
Legendas precisas, no tamanho e na velocidade de leitura certos para cada idioma.
Uma voz por pessoa
O Dub identifica quem está falando e dá a cada pessoa uma voz compatível.
No tempo certo, fala por fala
Cada fala começa quando a original começou, então o minuto quarenta fica tão sincronizado quanto o minuto um.
As vozes originais, com consentimento
Se quiser, mantenha as vozes dos próprios locutores, só com a permissão gravada deles.
Para quem é: Emissoras, serviços de streaming, criadores de cursos e empresas com vídeos para vários países.
Ouça no seu idioma
Um clipe original e a dublagem dele no idioma desta página. Os resultados não foram editados.
As vozes da demonstração são vozes gratuitas de leitura em voz alta do Microsoft Edge (sem licença para revenda); em produção usamos vozes licenciadas. Tradução escrita por pessoas na etapa de revisão. Música gerada para esta demonstração.
Três formas de comprar
Alugue
Nós operamos para você, na região que você escolher. Você paga por mês e tem suporte.
Rode nos seus servidores
Uma licença anual para instalar na sua própria estrutura ou na sua nuvem. Seus vídeos nunca saem da sua rede.
Seja dono do código
Você compra o código-fonte completo, com documentação e uma transição feita pelos engenheiros que o escreveram.
Os detalhes técnicos
Para a sua equipe técnica: o que faz exatamente, como é construído, os números que medimos e como se compara.
O que faz
Transcreva, legende, traduza e duble com uma voz por locutor, posicionada no tempo original. Clonagem de voz somente com consentimento gravado.
Transcrição
Fala em texto com tempo de cada palavra, pronta para legendas, busca e conformidade.
Legendas
SRT, WebVTT e ASS, ou gravadas na imagem, com regras de 42 caracteres por linha, duas linhas e 17 caracteres por segundo.
Tradução
Traduza legendas e roteiros antes da dublagem, inclusive em idiomas escritos da direita para a esquerda, como o árabe.
Detecção de locutores
Descobre quantas pessoas falam e quem diz o quê, e escolhe uma voz para cada uma por gênero e tom.
Dublagem com tempo travado
Cada fala é colocada no seu tempo original absoluto. A fala pode ser acelerada até 1,35×, nunca desacelerada, e os excessos são informados.
Finalização limpa
O áudio original é abaixado sob a fala, a mixagem tem a loudness normalizada em duas passadas e o vídeo é copiado sem recodificação.
Clonagem de voz com consentimento
Clonagem opcional da voz do próprio locutor, com consentimento gravado; o clone é apagado depois do trabalho.
No roadmap: sincronia labial, glossários e mais vozes de dublagem. A precisão da transcrição é publicada por idioma à medida que cada rodada do Common Voice termina.
Como funciona
Transcrever
A fala vira texto com marcação de tempo.
Identificar locutores
As vozes são agrupadas e cada locutor recebe uma voz de elenco.
Traduzir
As falas são traduzidas e conferidas em relação ao tempo.
Dar voz
Cada fala é sintetizada e posicionada no seu tempo original.
Finalizar
Ducking, loudness e multiplexação; as legendas são exportadas.
Números, com o método
Cada número deste site vem de uma execução que podemos repetir. Quando um número é uma meta, isso está dito.
MétodoConjunto de teste Common Voice 17, 50 clipes, modelo base em CPU. Os outros idiomas estão sendo medidos.
Método12 frases, ida e volta com fala sintética. Um piso para áudio limpo, não uma promessa para gravações com ruído.
MétodoFala real com música sob o diálogo, após remoção do fundo.
MétodoNormalização de loudness em duas passadas, medida na saída.
Especificações
| Idiomas | Transcrição em 38 idiomas; vozes de dublagem em inglês, árabe, turco, persa, alemão, francês, espanhol, russo e chinês |
|---|---|
| Formatos de legenda | SRT, WebVTT, TTML (IMSC1), SCC, JSON, gravada na imagem |
| Regras de linha | Por idioma, segundo os Netflix Timed Text Style Guides (por exemplo, 42 caracteres e 20 por segundo em inglês) |
| Tempo | Posicionamento absoluto; só compressão, até 1,35×; excesso informado |
| Mixagem | Ducking de 0,3 entre falas, 0,05 sob a fala, rampas de 150 ms; loudness em duas passadas para −16 LUFS |
| Limites por trabalho | Dublagem de até 20 minutos, transcrição de até 2 horas por trabalho |
| Clonagem de voz | Opcional, consentimento gravado, pelo menos 10 s do locutor, apagada após o uso |
| Sincronia labial | Roadmap |
Como se compara
| Recurso | Castix Dub | ElevenLabs | Rask.ai | HeyGen | Deepdub | Dubverse | Speechify |
|---|---|---|---|---|---|---|---|
| Transcrição | Sim | Sim | Sim | Sim | Sim | Sim | Não verificado |
| Taxa de erro publicada por idioma | Sim | Não | Não verificado | Não verificado | Parcial | Não verificado | Não verificado |
| SRT, VTT, ASS e gravadas na imagem | Sim | Não verificado | Parcial | Parcial | Não verificado | Parcial | Não verificado |
| Dublagem com vários locutores | Sim | Sim | Sim | Sim | Sim | Não verificado | Não verificado |
| Posicionamento preso ao tempo | Sim | Parcial | Não verificado | Não verificado | Parcial | Não verificado | Não verificado |
| Clonagem de voz com consentimento | Sim | Parcial | Parcial | Parcial | Parcial | Parcial | Parcial |
| Sincronia labial | Roadmap | Não verificado | Parcial | Sim | Parcial | Não verificado | Não verificado |
| On-premises | Sim | Não | Não | Não | Não verificado | Não | Não |
Os dados dos concorrentes foram verificados nas páginas dos próprios fornecedores em 6 de novembro de 2026. Os links estão nas nossas notas de pesquisa. “Não verificado” significa que não conseguimos confirmar.
Modelos de licença e preço
Os preços dependem do volume e da implantação. Enviamos a proposta em até dois dias úteis.
Por minuto, por etapa
Transcrição · legenda · tradução · dublagemPague só pelas etapas de que precisa.
Pacotes de minutos
MensalPara equipes com volume constante.
Pacote por título
Episódio ou longa-metragemPreço fixo para entregas de emissora, com revisão incluída.
Implantação privada
Anual, por nó de GPUPara emissoras e instituições que não podem enviar áudio para uma nuvem pública.
Perguntas de compradores
Qual é a precisão da transcrição?
Taxa de erro por palavra de 12,9% em inglês, em 50 clipes do Common Voice, com nosso modelo base em CPU; os motores de produção se saem melhor. Publicamos cada idioma com o seu teste assim que ele termina.
A dublagem vai ficar fora de sincronia?
Cada fala é colocada no seu tempo original de início e nunca é esticada. Se uma fala não couber nem a 1,35×, o relatório do trabalho aponta qual é, para que um editor possa encurtá-la.
Quantos locutores ele consegue tratar?
Ele detecta o número de locutores e atribui uma voz a cada um. Com o número de locutores informado, a identificação acertou 91% em 72 gravações reais.
Vocês podem clonar a voz do nosso apresentador?
Só com o consentimento gravado do apresentador. O clone é usado no trabalho e apagado em seguida.
Quais formatos de legenda vocês exportam?
SRT, WebVTT, TTML, SCC e JSON, ou legendas gravadas na imagem.
Tem sincronia labial?
Ainda não. Está no roadmap, e não vamos anunciá-la antes de medi-la.
Podemos rodar de forma privada?
Sim, com uma licença de implantação privada para os seus próprios servidores com GPU.