Peça a um modelo de linguagem um diálogo no seu nível, sobre a situação que você realmente vai enfrentar, e peça a um modelo de texto para voz que o leia em duas vozes. Repita, desacelere, compare com uma transcrição e peça uma versão mais difícil quando esta ficar fácil.
A maior parte da prática de escuta vem como uma gravação que outra pessoa fez, numa velocidade e num nível que outra pessoa escolheu, sobre um assunto que você nunca escolheria. Com IA, é você quem escreve a cena. Um modelo de linguagem redige um diálogo no nível que você pedir, um modelo de texto para voz o lê em duas ou mais vozes e você aperta o play. Isso não substitui os falantes nativos, mas preenche o longo intervalo entre uma aula e outra.
O áudio dos cursos tem um teto. Os diálogos são fixos, os temas são genéricos e na terceira repetição você já decorou as respostas em vez de treinar o ouvido. O que a maioria dos estudantes precisa é de um fluxo constante de material de escuta curto e novo, que combine com o ponto em que estão hoje: uma conversa sobre alugar um apartamento se você vai visitar um, uma ligação com um farmacêutico se vai viajar no mês que vem, uma reunião de trabalho se é lá que você usa o seu segundo idioma.
A IA torna barato produzir esse material. Um modelo de linguagem escreve o roteiro no nível, no registro e no tema que você descrever, e você pode pedir de novo trocando o vocabulário ou o ritmo da conversa. Depois um modelo de texto para voz transforma o roteiro em áudio, e aqui está o que importa para a escuta: você ouve uma conversa entre vozes diferentes, e não um único narrador lendo frases. A Picasso IA reúne os dois tipos de modelo num só lugar, então o roteiro e o áudio saem do mesmo espaço de trabalho, e o catálogo completo mostra o que mais está disponível quando você quiser testar outra voz.
O fluxo tem três partes, e cada uma é um tipo diferente de modelo.
A primeira é o escritor. Qualquer modelo de chat forte consegue redigir um diálogo; claude-sonnet-5 e gpt-5 estão os dois no catálogo e os dois seguem bem as instruções sobre nível, tamanho e registro. Você descreve a situação, os dois falantes, o nível e o tamanho, e pede texto simples com os nomes dos falantes marcados, para o roteiro ficar pronto para colar na próxima etapa.
A segunda é a voz. O play-dialog foi feito para exatamente esse trabalho: lê um roteiro como uma conversa, aceita duas vozes numa única execução e tem uma configuração de idioma. O gemini-3.1-flash-tts aceita uma instrução de estilo em linguagem comum, como fale devagar e com clareza, e cobre mais de setenta códigos de idioma, então serve para idiomas além dos mais comuns. O elevenlabs v3 oferece muitos perfis de voz e um código de idioma, o que ajuda quando você quer ouvir a mesma frase dita por vários falantes diferentes.
A terceira é opcional, mas vale a pena: um modelo de transcrição como o gpt-4o-transcribe. Passe a ele o áudio pronto e compare o que ele ouviu com o roteiro. Se forem diferentes, ou a voz pronunciou algo errado, ou o seu ouvido e a máquina perderam uma palavra, e as duas respostas são úteis de saber.
O nível é a coisa mais importante para colocar no prompt de escrita, e palavras vagas como fácil ou difícil não funcionam bem. Descreva o nível em termos que o modelo consiga aplicar: tamanho das frases, tempos verbais, tipo de vocabulário e velocidade com que as pessoas falam. Esta tabela é um ponto de partida que você pode adaptar, usando os rótulos comuns de A1 a C1.
| Nível | Peça ao modelo de linguagem | Peça à voz |
|---|---|---|
| Iniciante (A1) | De 6 a 8 falas curtas, só presente, as palavras mais comuns, uma situação simples como pedir um café | Ritmo lento, pausas claras entre as falas, uma voz masculina e outra feminina para distinguir bem os falantes |
| Elementar (A2) | De 8 a 10 falas, passado e futuro em formas simples, temas do dia a dia como compras ou direções | Um pouco mais lento que o normal, sotaque neutro |
| Intermediário (B1) | Uma conversa de 12 a 16 falas com opiniões, motivos e um pequeno mal-entendido para resolver | Ritmo normal, um estilo informal, duas vozes bem diferentes |
| Intermediário superior (B2) | Uma troca mais longa com expressões idiomáticas, interrupções e um tema como uma discordância no trabalho ou um problema de viagem | Ritmo natural, entrega expressiva, um sotaque diferente para cada falante se o modelo permitir |
| Avançado (C1) | Um debate ou uma cena com três pessoas, com sentidos implícitos, humor e falas rápidas | Entrega rápida e informal, com pausas mínimas |
Dois ajustes valem a pena. Primeiro, se o diálogo parecer fácil demais, não peça palavras mais difíceis; peça falas mais rápidas, mais contrações e mais coisas não ditas, porque a dificuldade real da escuta vem da velocidade e do que fica implícito mais do que do vocabulário raro. Segundo, se parecer difícil demais, mantenha o tema e corte o tamanho. Um diálogo curto que você entende ensina mais do que um longo que você só sobrevive.
Este roteiro parte do princípio de que você tem um idioma-alvo e um nível aproximado. Não exige edição de áudio nem gravação.
Gerar o áudio é a parte fácil. O que você faz com ele decide se o seu ouvido melhora, e poucos hábitos fazem quase todo o trabalho.
Ouça em camadas. A primeira passada é só para a situação: quem, onde, o que está acontecendo. A segunda é para os detalhes que escaparam. Só a terceira passada deve ter o roteiro aberto. Quem lê junto desde o início está praticando leitura com trilha sonora, que é outra habilidade.
Mude uma variável por vez. Mantenha o mesmo roteiro e troque a voz, ou mantenha a voz e troque o tema. Quando as mesmas palavras voltam com outro sotaque ou em outra velocidade, o seu cérebro separa o vocabulário do som, que é o objetivo de toda prática de escuta.
O teste de um bom exercício de escuta não é você ter entendido na primeira vez. É a segunda audição te surpreender menos que a primeira. Se isso não acontece, o diálogo está acima demais do seu nível, e o melhor é pedir uma versão mais curta ou mais lenta em vez de insistir no esforço.
Isto é um apoio de treino, e os falantes nativos continuam sendo a referência de como um idioma realmente soa. Cinco limites para ter em mente:
Nada disso torna a prática inútil. Significa que o diálogo gerado é a sua academia e a conversa com uma pessoa é o jogo.
Não, e ela funciona melhor quando você não tenta usá-la assim. Um diálogo gerado dá material ilimitado e ajustado ao seu nível para treinar entre as aulas, mas não reproduz fala sobreposta, ruído de fundo, variedade regional nem a imprevisibilidade de uma pessoa real. Trate falantes nativos, podcasts reais e conversas reais como a referência, e use o áudio de IA para se preparar para eles e preencher as lacunas entre um e outro.
Para escrever, qualquer modelo de chat forte do toolkit serve; claude-sonnet-5 e gpt-5 são boas primeiras escolhas porque seguem de perto as instruções de nível e tamanho. Para o áudio, o play-dialog lê um roteiro como uma conversa a duas vozes, o gemini-3.1-flash-tts adiciona uma instrução de estilo e muitos códigos de idioma, e o elevenlabs v3 oferece uma grande variedade de vozes. Teste o mesmo roteiro em dois deles e fique com aquele que o seu ouvido acompanha com mais facilidade.
Sim. O play-dialog aceita duas vozes numa única execução, então você marca as falas como Voice 1 e Voice 2 e ele as lê como uma troca de ida e volta. Para um terceiro falante, ou para um modelo que trabalha com uma voz por execução, gere cada falante separadamente e toque os clipes em ordem. Escolher vozes que diferem em tom ou gênero facilita muito acompanhar quem está falando, principalmente no nível iniciante.
Depende do modelo de voz que você escolher, e as listas são diferentes. O gemini-3.1-flash-tts lista mais de setenta códigos de idioma, o play-dialog tem uma configuração de idioma que cobre dezenas de línguas e o elevenlabs v3 também aceita um código de idioma. Confira a página do modelo antes de se comprometer com um idioma menos comum, faça um teste curto e esteja pronto para trocar de modelo se a pronúncia soar estranha.
Descreva o nível em termos concretos em vez de usar a palavra fácil. Informe o rótulo do QECR se você souber, peça um número de falas, cite os tempos verbais que quer e diga se expressões idiomáticas são permitidas. Se a primeira versão ficar difícil demais, peça ao modelo que reescreva com frases mais curtas e palavras mais comuns; se ficar fácil demais, peça falas mais rápidas e mais contrações em vez de vocabulário raro. Ajuste o prompt uma ou duas vezes e fique com a versão que funcionar.
Sim. Passe o áudio pronto por um modelo de transcrição como o gpt-4o-transcribe e compare o resultado com o roteiro. Uma diferença pode significar que a voz pronunciou uma palavra errada ou que o áudio não está claro, e as duas coisas valem ser conhecidas. Também serve como autoteste: anote primeiro o que você ouviu e compare depois a sua versão com o roteiro e a transcrição para ver exatamente quais palavras escaparam.
Contas novas ganham créditos grátis, o suficiente para testar alguns diálogos e ver se o método combina com você. Depois disso, gerar custa créditos, e a quantidade depende do modelo e das configurações. Um roteiro de texto curto e um clipe de áudio breve são trabalhos pequenos perto de um vídeo, mas os números exatos mudam, então a página de preços é o lugar para conferir antes de montar um hábito diário.
Sim, e é uma das formas mais úteis de usar. Cole a sua lista no prompt de escrita e peça um diálogo que use cada palavra pelo menos uma vez num contexto natural, no seu nível. Se alguma palavra sair com som errado, peça outra frase que a use e ouça de novo.
Curto o bastante para ser repetido várias vezes sem perder a paciência. Para a maioria dos estudantes, isso significa um punhado de falas no nível iniciante e até uns dois minutos de áudio no nível avançado. Um diálogo de um minuto que você repete cinco vezes faz mais pelo seu ouvido do que um de dez minutos que você toca uma vez só.
Para o seu próprio aprendizado, uma turma que você dá ou um grupo de amigos, um diálogo gerado com falantes fictícios é uma forma prática de criar material compartilhado. Mantenha as vozes fictícias: não tente imitar um professor real, uma celebridade ou qualquer pessoa identificável sem a permissão dela. Se pretende publicar o áudio, confira os termos atuais dos modelos e das plataformas que usar. Para outros projetos de áudio, veja locução com IA para vídeos e narração de audiolivros.
Escolha uma situação que você realmente vai enfrentar esta semana e abra o toolkit da Picasso IA para ouvi-la lida no seu nível.
Escolha seu idioma
