Fazer uma foto antiga falar: 5 ferramentas de IA comparadas (2026)

As 5 ferramentas para fazer uma foto antiga falar

Para comparar por conta própria, use o mesmo material em todas: alguns retratos de família (em preto e branco e coloridos, de qualidade variável) e o mesmo arquivo de áudio de 15 segundos.

Ferramenta	Teste gratuito	Modelo de preço	Foco	Para fotos antigas
D-ID Creative Reality	Créditos de teste	Créditos / assinatura	Avatares que falam, uso profissional e API	Ponto de partida para a foto falante
HeyGen	Teste limitado	Assinatura	Avatares em vídeo, marketing	Pensado para fotos recentes
ElevenLabs + D-ID	Plano gratuito ElevenLabs	Assinaturas separadas	Voz IA + animação labial	A combinação mais completa
Edimakor HitPaw	Teste com marca d'água	Assinatura	Edição de vídeo generalista	Não foi criado para arquivos familiares
Filmora IA Falante	Teste com marca d'água	Assinatura	Edição de vídeo generalista	Não foi criado para arquivos familiares

D-ID Creative Reality Studio é a referência em "foto que fala": foi criada para apresentações corporativas com "avatares falantes" e é orientada para uso profissional e API. Para um retrato antigo, observe a área da boca: os lábios não devem se deformar, e as rugas e os fortes contrastes das fotos de 1935-1955 não devem atrapalhar a geração.

HeyGen é pensado para avatares em vídeo e conteúdo de marketing, a partir de fotos recentes com boa resolução. Em uma foto em preto e branco antiga, verifique a área da boca sílaba por sílaba antes de compartilhar.

Edimakor e Filmora são softwares de edição de vídeo que adicionaram uma função de "foto falante" em 2024-2025. São ferramentas generalistas, pensadas para fotos recentes em alta definição, não para arquivos familiares.

Que tipo de foto obtém os melhores resultados?

A sincronização labial funciona em um espectro muito restrito. O que funciona bem:

• Retrato frontal ou ligeiro três quartos (menos de 30° de lado)
• Resolução mínima de 600 × 800 pixels após digitalização ou restauração
• Rosto ocupando pelo menos 40% da superfície da imagem
• Iluminação homogênea sem sombras duras atravessando a boca

O que costuma falhar:

• Perfil puro (menos de 50% do rosto visível)
• Foto de grupo em que cada rosto mede menos de 2 cm no original
• Foto muito deteriorada com arranhões ou manchas na área da boca
• Desfoque no rosto, mesmo que leve (a geração acentua o desfoque)

Na prática, uma parte das fotos de família não passa nesse filtro: de perfil demais, pequena demais ou danificada demais. A animação simples (movimento natural sem áudio) tolera fotos de menor qualidade, porque não precisa reproduzir formas labiais precisas.

Uma regra prática: se o rosto não está nítido e frontal o suficiente para a foto falante, anime sem áudio, por exemplo com o Incarn, a ferramenta que desenvolvemos, a 1,99€ por foto.

Fazer uma foto falar gratuitamente: o que existe em 2026

A pergunta que todo mundo faz primeiro. A resposta honesta: gratuito com limites reais.

D-ID oferece créditos de teste no cadastro (confira na página de preços a quantidade e a duração máxima de cada vídeo). É suficiente para experimentar em algumas fotos diferentes.

HeyGen oferece um teste gratuito limitado. Basta para uma primeira tentativa, mas a cota se esgota rapidamente se você quiser comparar várias fotos.

ElevenLabs (para a voz) oferece um plano gratuito com uma cota mensal de síntese de voz, suficiente para gerar frases curtas. Combinado com os créditos de teste do D-ID, você pode criar algumas fotos falantes sem gastar nada.

O que o gratuito não faz: ferramentas como Edimakor ou Filmora na versão de teste adicionam uma marca d'água visível em todo o vídeo. Impossível compartilhar com a família ou nas redes sociais.

Para fotos em preto e branco dos anos 1930-1960, as versões gratuitas mostram rapidamente seus limites (cotas, resolução, marca d'água). Se for o seu caso, compare a versão paga do D-ID com uma animação sem áudio antes de decidir.

Tutorial: fazer uma foto de família antiga falar em 6 passos

Este é o método da combinação ElevenLabs + D-ID.

Passo 1, Preparar a foto. A foto deve ser digitalizada em alta resolução (mínimo 1200 DPI para um scanner de mesa, ou o equivalente com smartphone em luz natural). Restaure os arranhões e manchas com Remini ou Adobe Photoshop Express antes de continuar. Uma foto deteriorada vai produzir um vídeo deteriorado.

Passo 2, Criar a voz no ElevenLabs. Acesse elevenlabs.io. Selecione uma voz da biblioteca (escolha por idade, gênero, idioma). Digite o texto que você quer que a pessoa diga. Exporte em MP3 ou WAV.

Passo 3, Importar para o D-ID. Em studio.d-id.com, crie um "apresentador" e importe a sua foto como avatar. Importe o arquivo de áudio do ElevenLabs. Inicie a geração.

Passo 4, Verificar a sincronização labial. O vídeo gerado dura o tempo do áudio. Observe atentamente a área da boca. Nas boas fotos frontais, a sincronia costuma ficar natural já na primeira geração. Nas fotos de perfil parcial, pode ser necessário ajustar o ângulo de corte.

Passo 5, Baixar em MP4. O D-ID exporta diretamente em MP4. A qualidade é suficiente para WhatsApp, Instagram ou para incluir em uma apresentação de cerimônia fúnebre ou em um álbum de família digital.

Passo 6, Guardar o original. Nunca sobrescreva a foto original digitalizada. O vídeo gerado é uma criação derivada, não um substituto.

É legal fazer a foto de um familiar falecido falar?

A pergunta é inevitável, e merece uma resposta clara.

Na maioria dos países, os direitos de imagem das pessoas falecidas pertencem aos seus herdeiros por um determinado período após o falecimento. Para uso estritamente privado e familiar, compartilhar o vídeo com os próprios filhos, projetá-lo em uma reunião de família, usá-lo em uma homenagem memorial, o risco legal é praticamente nulo.

O que está claramente proibido: usar uma foto falante para fazer uma pessoa falecida dizer declarações comerciais, políticas, ou qualquer conteúdo que provavelmente ela teria recusado em vida.

Para fotos de pessoas vivas, é necessário consentimento explícito antes de qualquer uso. Uma foto falante não consentida de uma pessoa viva constitui uma violação do direito à imagem, independentemente da ferramenta utilizada.

Para uma homenagem familiar privada a um antepassado falecido há várias décadas: use essas ferramentas sem preocupações legais, com o único limite do bom gosto.

Quando a animação silenciosa é suficiente (e por que é diferente)

Fazer uma foto falar e animar uma foto são duas coisas distintas.

A animação padrão, a que se obtém com ferramentas como o Incarn ou o Runway, cria um movimento natural do rosto: piscar de olhos, leve rotação da cabeça, respiração simulada. Não é necessário áudio. A foto ganha vida sem pronunciar palavras.

A animação com sincronização labial adiciona uma camada de complexidade: força o movimento a coincidir com fonemas precisos, o que impõe requisitos rigorosos sobre a qualidade e o ângulo da foto.

Por isso, em retratos muito antigos ou de má qualidade, a animação simples frequentemente dá melhores resultados do que a foto falante, porque o modelo não é obrigado a reproduzir formas labiais precisas.

A regra prática: se a foto é frontal, nítida e com boa resolução, tente a foto falante. Se a foto é de perfil, pequena ou deteriorada, a animação simples é mais confiável. O Incarn, a ferramenta que desenvolvemos, é pensado para retratos de família, incluindo fotos em preto e branco dos anos 1930-1970. Primeira animação gratuita no cadastro (prévia com marca d'água), 1,99€ por foto depois.

As duas abordagens se complementam. A foto falante para o discurso e a emoção. A animação silenciosa para a presença e a memória.