Cole o roteiro que você já escreveu e receba um módulo narrado: um apresentador avatar lendo na tela, ou uma voz sobre slides que você ilustra com modelos de imagem. O ensino e os fatos continuam sendo seus. Os modelos cuidam só da entrega, então você revisa, corrige e republica uma aula em uma tarde.
Você já escreveu a aula. O que separa esse roteiro de um módulo de curso pronto costuma ser a parte que ninguém curte: achar um apresentador, gravar áudio limpo e montar slides que combinem com o que você diz. Com o Picasso IA você entrega o roteiro a um apresentador avatar, ou a uma voz narradora sobre slides ilustrados, e recebe um módulo que dá para revisar, corrigir e publicar.
A maioria dos projetos de curso trava na produção, não no ensino. O esboço existe, as anotações da aula são boas, e aí as sessões de gravação atrasam, o microfone pega o cachorro do vizinho e uma frase errada no minuto seis obriga a regravar a tomada inteira. Quando o roteiro é a fonte da verdade, corrigir é editar um texto e gerar de novo, não passar mais uma tarde na frente de uma câmera.
Isso muda o jeito de trabalhar. Você pode gerar primeiro uma versão rascunho de cada módulo, assistir ao curso inteiro em ordem e achar a aula que repete uma anterior antes de investir em acabamento. Também pode manter um roteiro mestre por aula e produzir outro idioma depois, a partir do mesmo texto. Quem não gosta de aparecer na câmera ganha um apresentador sem precisar ser o apresentador.
O Picasso IA junta as peças em um único espaço de trabalho, o toolkit: modelos de vídeo com avatar, modelos de texto para fala e modelos de imagem, todos recebendo o mesmo roteiro como matéria-prima. O catálogo tem 502 modelos no total, 24 de texto para fala e 121 de texto para vídeo, e você pode explorar tudo na página de todos os modelos. Contas novas ganham créditos grátis, então testar um único módulo não custa nada.
Há duas maneiras honestas de transformar um roteiro em vídeo, e elas servem a aulas diferentes. Um apresentador avatar dá ao aluno um rosto para acompanhar, o que ajuda em vídeos de boas-vindas, aberturas de módulo e resumos. Slides ilustrados com narração levam melhor os conceitos, porque a imagem mostra o que está sendo explicado enquanto a voz não atrapalha. Muitos cursos usam os dois: um avatar para abrir e fechar cada módulo e slides no meio.
| Formato | Modelos para começar | Serve para | Atenção |
|---|---|---|---|
| Apresentador avatar em tela cheia | heygen/avatar-v | Boas-vindas, aberturas de módulo, resumos | Busto falante por muito tempo cansa, então mantenha curto |
| Apresentador avatar em círculo | heygen/avatar-iv | Aulas em que os slides carregam o conteúdo | O círculo cobre um canto do slide, então deixe o texto longe dele |
| Slides ilustrados com narração | google/nano-banana-pro ou bytedance/seedream-5-pro mais elevenlabs/v3 | Conceitos, diagramas, aulas passo a passo | Você monta imagens e áudio em um editor que já usa |
| Só narração sobre uma gravação de tela | google/gemini-3.1-flash-tts | Tutoriais de software que você mesmo grava | A voz precisa acompanhar o ritmo dos seus cliques, então ajuste o roteiro à gravação |
| Outro idioma para a mesma aula | elevenlabs/v3 ou google/gemini-3.1-flash-tts com um código de idioma | Alcançar outro público a partir de um só roteiro | Uma pessoa fluente precisa ouvir antes de publicar |
Os modelos de avatar leem o seu texto com uma voz da HeyGen e pedem um ID de avatar e um ID de voz, que você escolhe nas listas da própria HeyGen. Eles não aceitam um arquivo de áudio pronto, então uma narração feita com outro modelo de voz pertence à rota dos slides, não à do avatar.
Este roteiro leva uma aula do texto até um arquivo pronto para subir. Faça uma vez com a sua aula mais curta antes de se comprometer com o curso todo.
Um roteiro escrito para ler e um escrito para ouvir são documentos diferentes. Frases que ficam boas na página, com três orações e um parêntese, saem de uma voz sintética como uma corrida sem fôlego. Escreva mais curto, diga um número ou termo uma vez e repita depois em vez de apontar de volta com "como dito acima", e leia o bloco em voz alta você mesmo antes de gerar qualquer coisa.
A pronúncia é a primeira coisa que o aluno nota. Se a sua aula tem um nome de produto, um sobrenome ou um termo técnico, escreva foneticamente no roteiro, faça um teste de dez segundos e só então gere o bloco completo.
Alguns hábitos poupam regenerações. Ponha o objetivo de aprendizagem na primeira frase de cada bloco, termine com a única ideia que deve ficar e escreva números e siglas do jeito que devem ser falados. No Gemini 3.1 Flash TTS, uma instrução de estilo em linguagem comum, como um tom calmo e sem pressa de professor, orienta o ritmo, e no elevenlabs/v3 os ajustes de velocidade, estabilidade e estilo fazem o mesmo trabalho.
Um bom módulo é fácil. Vinte módulos que pareçam o mesmo curso é o trabalho de verdade, e a IA facilita o desvio porque cada geração é um sorteio novo. Fixe as variáveis uma vez e anote: o ID de avatar e o ID de voz, a voz narradora e seus ajustes, a frase de estilo dos slides, a proporção e a resolução. Trate essa lista como parte do modelo do curso.
Para a arte dos slides vale o mesmo truque usado com personagens consistentes com IA: guarde uma imagem de referência do primeiro slide de que gostou e edite a partir dela, em vez de descrever o estilo do zero toda vez. Nomear os arquivos por módulo e número da aula poupa mais tempo do que qualquer ajuste de modelo.
Páginas vizinhas ajudam: vídeos de treinamento com IA para equipes cobre a integração interna, e Picasso IA vs HeyGen compara esse esquema com uma plataforma de avatares dedicada.
Um avatar entrega uma aula. Ele não entende a aula, e vai ler uma frase errada com a mesma confiança de uma certa. Estes são os pontos em que o formato para de funcionar:
Nada disso descarta o método. Mostra onde o seu tempo ainda é necessário: desenhar a aula, conferir os fatos e decidir o que o aluno deve conseguir fazer depois.
Sim, no sentido de entregar o roteiro. Um modelo de avatar como o heygen/avatar-v lê o seu texto na tela com um apresentador, e um modelo de voz como o elevenlabs/v3 pode narrar o mesmo texto sobre slides feitos com um modelo de imagem. O que ele não faz é escrever uma boa aula nem conferir se está correta. Traga um roteiro pronto e trate o vídeo gerado como um rascunho que você revisa, como revisaria a gravação de um apresentador humano.
heygen/avatar-v e heygen/avatar-iv são os dois modelos de avatar do catálogo para isso. O Avatar V oferece saída em 720p, 1080p e 4K em 16:9 ou 9:16, além de legendas embutidas. O Avatar IV oferece opções de emoção da voz e três estilos de exibição, incluindo um círculo sobreposto. Os dois precisam de um ID de avatar e um ID de voz da HeyGen, e os dois aceitam um roteiro de menos de 5.000 caracteres por execução.
Depende da voz, do idioma e da aula, então ouça antes de decidir. O elevenlabs/v3 tem uma gama de vozes e ajustes de velocidade, estabilidade e estilo, o que ajuda um curso longo a soar como um narrador só. O google/gemini-3.1-flash-tts tem 30 vozes, muitos códigos de idioma e um prompt de estilo em linguagem comum. Gere os mesmos dois parágrafos nos dois e fique com a voz que um aluno aguentaria ouvir por vinte minutos sem reparar nela.
Sua própria imagem pode ser usada se você tiver a configuração certa com o provedor do avatar, e um avatar fictício ou de catálogo é a opção mais simples. O que você não deve fazer é criar um apresentador a partir de outra pessoa sem a permissão clara dela, seja um colega, um professor famoso ou um ex-funcionário. O mesmo vale para vozes. Na dúvida, use um avatar e uma voz de catálogo.
Descreva cada slide para um modelo de imagem como o google/nano-banana-pro ou o bytedance/seedream-5-pro, com uma frase de estilo fixa para todos combinarem. Peça só a imagem, deixando espaço para o seu texto, e adicione títulos, legendas e fórmulas no seu editor de slides ou de vídeo. Assim as palavras ficam corretas e editáveis.
Cada modelo tem o seu próprio limite por execução. Os modelos de avatar aceitam um roteiro de menos de 5.000 caracteres, e o Gemini 3.1 Flash TTS aceita cerca de 4.000 bytes de texto. Na prática você vai gerar um módulo em vários blocos curtos de qualquer jeito, o que é mais fácil de revisar e mais barato de corrigir quando uma frase está errada. Junte os blocos prontos no seu editor de vídeo.
Dá para gerar uma segunda versão a partir do mesmo roteiro, usando um roteiro traduzido com um modelo de voz que suporte o idioma, ou uma voz de avatar para ele. O Gemini 3.1 Flash TTS aceita muitos códigos de idioma, e o elevenlabs/v3 também recebe um código de idioma. A tradução em si ainda precisa de uma pessoa fluente para conferir terminologia e tom.
Confira os requisitos atuais da plataforma em que você publica. Marketplaces de cursos, sites de vídeo e empresas têm cada um as suas regras sobre apresentadores e vozes sintéticos, e essas regras mudam. Além das regras, uma linha curta na introdução do curso dizendo que o apresentador é gerado é simples honestidade.
Só se você fixar as variáveis. Use um único ID de avatar e de voz, uma voz narradora com os mesmos ajustes, uma frase de estilo para os slides e uma só resolução e proporção no curso todo, e guarde tudo em um documento curto de modelo. Mesmo assim cada geração varia um pouco, então assista aos módulos em sequência antes de publicar e gere de novo qualquer bloco que destoe.
As gerações funcionam com créditos, e o custo depende do modelo e dos ajustes que você escolher, com o vídeo custando mais do que áudio ou imagens. Contas novas ganham créditos grátis, o suficiente para testar um módulo. Como os custos mudam, a página de preços é o único lugar confiável para números, então abra a página de preços antes de planejar um curso inteiro e teste primeiro a sua aula mais curta para ver o que um bloco consome.
Você já tem o roteiro. Abra o toolkit do Picasso IA, passe a sua aula mais curta por um apresentador ou uma voz e veja como fica de verdade um módulo pronto.
Escolha seu idioma
