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

A foto do meu bisavô mede 9 × 12 cm, formato postal, impressão em gelatina de prata dos anos 1930. Ele usa um colarinho rígido e olha para a câmera com aquela seriedade que os fotógrafos da época impunham aos seus clientes. Eu queria fazê-lo dizer algo.

Não um deepfake. Apenas ouvir — ou imaginar ouvir — o que essa voz poderia ter dito. Olá, talvez. Ou nada. Apenas ver esses lábios se moverem.

Foi assim que passei cinco semanas testando ferramentas de animação labial em fotos de família dos anos 1920 a 1975.

O que as ferramentas de IA podem (e não podem) fazer com suas fotos antigas

Uma "foto falante" (talking photo) é um vídeo curto em que uma foto estática é animada sincronizando os lábios com um arquivo de áudio. O resultado: a pessoa na foto parece pronunciar um texto, uma frase, um discurso.

A tecnologia baseia-se em dois componentes: um modelo de geração de vídeo que anima o rosto, e um sistema de lip sync (sincronização labial) que alinha o movimento dos lábios com a forma fonética do áudio. Em 2026, várias ferramentas combinam ambos em um único pipeline.

O que essas ferramentas não fazem: corrigir os defeitos de uma foto. Se a foto estiver desfocada, o vídeo ficará desfocado. Se o rosto estiver de perfil, a sincronização labial será ruim. Se a foto tiver arranhões cruzando o rosto, eles serão animados com os arranhões.

A restauração da foto é, portanto, uma etapa preliminar não negociável. Não opcional. Preliminar.

As 5 ferramentas testadas para fazer uma foto antiga falar

Testei cada ferramenta no mesmo corpus: 12 retratos de fotos de família (1920-1975), em preto e branco e coloridas, qualidade variável. O mesmo arquivo de áudio de 15 segundos para todas.

Ferramenta	Teste gratuito	Preço	Qualidade P&B	Naturalismo	Recomendado
D-ID Creative Reality	5 créditos	A partir de 5,90€/mês	Bom	Excelente	✓ Sim
HeyGen	1 min de teste	A partir de 29 USD/mês	Médio	Bom	Parcial
ElevenLabs + D-ID	ElevenLabs grátis	~6€/mês (D-ID)	Bom	Excelente	✓ Sim (combo)
Edimakor HitPaw	Marca d'água	A partir de 49 USD/ano	Baixo	Baixo em P&B	Não
Filmora IA Falante	Marca d'água	A partir de 49,99€/ano	Baixo	Baixo	Não

D-ID Creative Reality Studio é a ferramenta mais adaptada a retratos antigos. Foi concebida para apresentações corporativas com "avatares falantes", mas o seu algoritmo processa corretamente as fotografias em gelatina de prata. Os lábios não se deformam anormalmente. As rugas e os fortes contrastes das fotos de 1935-1955 não perturbam a geração.

HeyGen dá bons resultados em fotos recentes com boa resolução. Em fotos em preto e branco anteriores a 1960, os artefactos são visíveis: a zona da boca pixeliza-se ligeiramente em certas sílabas. Utilizável, mas não ideal.

Edimakor e Filmora são softwares de edição de vídeo que adicionaram uma função de "foto falante" em 2024-2025. Em fotos recentes em alta definição, os resultados são aceitáveis. Em fotos antigas em preto e branco, os lábios gerados são artificiais e saem visivelmente do rosto. Estas ferramentas não são concebidas para arquivos familiares.

Que tipo de foto obtém os melhores resultados?

A sincronização labial funciona num 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 restauro
• Rosto ocupando pelo menos 40% da superfície da imagem
• Iluminação homogénea sem sombras duras atravessando a boca

O que falha sistematicamente:

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

Do meu corpus de 12 retratos, 7 deram resultados utilizáveis. 5 estavam demasiado de perfil, demasiado pequenos ou demasiado danificados. É um rácio aceitável, mas inferior ao que se obtém com a animação simples (movimento natural sem áudio), que tolera fotos de menor qualidade.

A regra que segui: se o rosto não é suficientemente nítido e frontal para a foto falante, animo sem áudio com Incarn — os resultados em retratos antigos são melhores, a 1,99€ por foto.

Fazer uma foto falar gratuitamente: o que existe em 2026

A questão que toda a gente coloca primeiro. A resposta honesta: gratuito com limites reais.

D-ID oferece 5 créditos de teste no registo, sem cartão bancário. Cada crédito corresponde a um vídeo de no máximo 15 segundos. É suficiente para testar seriamente em 5 fotos diferentes.

HeyGen oferece 1 minuto de geração gratuita. Mais do que suficiente para um teste, mas a quota esgota-se rapidamente se quiser comparar várias fotos.

ElevenLabs (para a voz) oferece um plano gratuito com 10.000 caracteres de síntese de voz por mês, suficiente para gerar frases curtas. Combinado com os 5 créditos gratuitos do D-ID, pode criar até 5 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 de partilhar em família ou nas redes sociais.

Nenhuma ferramenta gratuita dá bons resultados em fotos em preto e branco dos anos 1930-1960. Requerem mais potência de processamento e os modelos gratuitos são limitados. Se for o seu caso, o D-ID na versão paga (5,90€/mês) continua a ser a única opção séria.

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

Eis o método que adotei após os meus testes — a 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 produzirá um vídeo deteriorado.

Passo 2 — Criar a voz no ElevenLabs. Aceda a elevenlabs.io. Selecione uma voz da biblioteca (escolha por idade, género, idioma). Digite o texto que 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 ficheiro de áudio do ElevenLabs. Lance a geração.

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

Passo 5 — Descarregar em MP4. O D-ID exporta diretamente em MP4. A qualidade é suficiente para WhatsApp, Instagram ou para integrar numa apresentação de cerimónia fúnebre ou num álbum de família digital.

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

É legal fazer falar a foto de um familiar falecido?

A questão coloca-se, 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 — partilhar o vídeo com os próprios filhos, projetá-lo numa reunião de família, usá-lo numa 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 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 de um antepassado falecido há várias décadas: use estas ferramentas sem preocupações legais, com o único limite do bom gosto.

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

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

A animação padrão — a que se obtém com ferramentas como Incarn ou Runway — cria um movimento natural do rosto: piscar de olhos, ligeira 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.

Resultado: 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 que adotei: 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 fiável. Incarn é otimizado para retratos de família, incluindo fotos em preto e branco dos anos 1930-1970 — onde as ferramentas generalistas falham. Primeira animação gratuita no registo, 1,99€ por foto depois.

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