Aborto Vicário entra em uma nova fase
Quando a IA deixa de ser apenas ferramenta e começa a procurar uma identidade vocal
Música, ateísmo, inteligência artificial
Aborto Vicário entra em uma nova fase
Quando a IA deixa de ser apenas ferramenta e começa a procurar uma identidade vocal
[embed]
[embed]
Durante algum tempo, o Aborto Vicário teve uma característica bastante definida: era um projeto musical construído com inteligência artificial, mas com vozes sintéticas.
Isso está mudando.
Não porque eu tenha decidido abandonar a inteligência artificial — muito pelo contrário. A nova fase nasce justamente de uma pergunta sobre até onde uma IA consegue transformar a minha própria voz em uma identidade musical coerente.
A partir de agora, estou experimentando algo diferente: usar a minha voz como matéria-prima para construir a identidade vocal do Aborto Vicário.
E isso trouxe resultados muito mais interessantes do que eu esperava.
Primeiro: Aborto Vicário não é “AI slop”
Antes de entrar nos experimentos, vale esclarecer uma coisa.
Eu já expliquei isso em outros vídeos, mas vale repetir porque a discussão sobre música gerada por IA frequentemente cai numa simplificação:
“Usou IA = AI slop.”
Não.
Existe uma diferença enorme entre usar inteligência artificial como ferramenta criativa e simplesmente gerar centenas de músicas aleatoriamente, selecionar algumas e despejá-las na internet.
No Aborto Vicário, a IA faz parte de um processo criativo maior.
Eu escrevo ou adapto conceitos, escolho temas, experimento estruturas, testo melodias, escolho gêneros, modifico letras, descarto gerações, comparo resultados e tomo decisões sobre o que finalmente entra no projeto.
A inteligência artificial não substitui o processo criativo. Ela é uma das ferramentas utilizadas dentro dele.
E é justamente por isso que essa nova fase me interessa.
Eu quero descobrir o que acontece quando essa ferramenta deixa de simplesmente fornecer uma voz sintética e começa a trabalhar com a minha própria identidade vocal como referência.
A nova fase: procurar uma identidade vocal
As primeiras músicas do Aborto Vicário utilizavam vozes geradas pela própria inteligência artificial.
Agora estou experimentando com a função Voices, do Suno.
A proposta é relativamente simples:
eu forneço uma gravação da minha voz → o Suno cria um perfil vocal → esse perfil pode ser utilizado em novas músicas.
A própria documentação do Suno explica que o recurso foi criado para permitir que uma pessoa use sua própria voz nas músicas geradas. O sistema aceita tanto gravações faladas quanto cantadas e recomenda gravações acapella para obter uma referência mais limpa. Também é possível utilizar gravações com instrumentos; nesse caso, o Suno afirma que utiliza separação de stems para tentar isolar o vocal. (Base de Conhecimento Suno)
Mas existe uma diferença fundamental entre:
“usar minha voz como referência”
e
“reproduzir exatamente como eu cantaria”.
O Suno não promete a segunda coisa.
E meus experimentos deixaram isso bastante evidente.
Eu não sou cantor. E isso faz parte do experimento.
Quando o Suno pede para classificar minha habilidade vocal, escolhi iniciante.
Se existisse a opção “abaixo de iniciante”, provavelmente eu teria escolhido essa.
Como eu costumo brincar:
Se tivesse “negativo”, eu colocava negativo.
Ou, para usar uma referência do Chapolin Colorado: “Não posso dizer que moço afinado é esse moço!”
Eu não tenho treinamento vocal significativo. Tenho dificuldade de afinação, de manter o tempo e principalmente de sustentar determinadas notas.
Em algumas gravações que fiz para testar o sistema, minha voz realmente ficou:
- desafinada;
- fora do tempo;
- instável;
- incapaz de alcançar determinadas notas;
- com dificuldade para sustentar notas longas.
Mas aconteceu uma coisa curiosa.
O Suno corrigiu parte desses problemas.
Ele conseguiu reorganizar meu desempenho e produzir uma performance musical muito mais afinada e regular do que aquilo que eu efetivamente havia cantado.
Isso explica uma pergunta que algumas pessoas me fizeram:
“Essa voz é realmente sua? Como pode estar tão afinada?”
A resposta é:
a matéria-prima vocal é minha, mas a performance final não é simplesmente uma gravação minha cantando.
É uma reconstrução gerada por IA.
Fala e canto são coisas muito mais diferentes do que parecem
Esse foi talvez o aspecto mais interessante dos meus experimentos.
Eu comecei utilizando gravações faladas, inclusive gravações originalmente feitas para podcasts.
Depois comecei a utilizar gravações cantadas.
E descobri que os resultados não eram iguais.
Isso não deveria nos surpreender tanto.
A pesquisa científica trata conversão entre fala e canto como um problema particularmente difícil. Fala e canto diferem em aspectos como pitch, duração, ritmo, timbre e pronúncia. Um trabalho publicado em 2025, por exemplo, trata explicitamente a conversão entre canto e fala como uma tarefa de cross-domain voice conversion. Os autores destacam justamente essas diferenças e mostram que a transformação entre os dois domínios exige modelos específicos. (Springer)
Em outras palavras:
minha voz falando não é simplesmente minha voz cantando em outra frequência.
Existe toda uma mudança de comportamento vocal.
E isso aparece nos resultados.
O estranho caso da “voz cantada”
Quando utilizei uma gravação falada como referência, o resultado produziu uma determinada identidade vocal.
Quando comecei a fornecer gravações cantadas, apareceu outra.
E algo ainda mais curioso aconteceu:
a voz cantada começou a convergir.
Eu gravei músicas diferentes, em momentos diferentes, e comecei a perceber uma característica recorrente.
Uma voz rouca, relativamente estável, que não era exatamente igual à minha voz falada.
Isso me fez pensar:
Será que estou finalmente encontrando uma espécie de “Jorge cantor” que não existia anteriormente?
Talvez.
Mas aqui é preciso ser cientificamente cauteloso.
Não posso afirmar que o algoritmo descobriu uma representação verdadeira da minha “voz de cantor”. O que posso dizer é que as gerações começaram a apresentar características recorrentes quando utilizei diferentes amostras cantadas da mesma pessoa.
Isso é uma observação experimental, não uma prova sobre o funcionamento interno do modelo.
E então veio o metal
Foi aí que o experimento ficou realmente interessante.
Utilizei a mesma referência vocal e comecei a experimentar diferentes gêneros.
No rap, especialmente em um estilo mais falado, a voz permanecia relativamente estável.
No acústico, novamente.
Em uma música cinematográfica, com efeitos e atmosfera inspirada em trilhas de filmes, também.
Mas quando levei a mesma identidade vocal para power metal, especialmente aquele metal de alta energia, com vocais gritados e grande extensão vocal, a coisa mudou.
A voz ficou muito diferente.
E isso inicialmente poderia parecer uma falha.
Mas existe uma explicação científica bastante interessante.
O problema não é apenas “qual é a sua voz?”
A pesquisa acadêmica sobre Singing Voice Conversion (SVC) vem trabalhando justamente com esse problema.
Converter a identidade de um cantor já é uma tarefa estudada há anos.
Mas pesquisadores descobriram que preservar a identidade não significa necessariamente preservar o modo como a pessoa canta.
Uma revisão científica sobre síntese e conversão de voz cantada destaca que o sistema precisa lidar simultaneamente com:
- identidade do cantor;
- contorno de pitch;
- estilo de canto;
- expressividade;
- tempo;
- dinâmica.
Ou seja:
“Quem está cantando?” e “como essa pessoa está cantando?” são problemas diferentes. (Frontiers)
E isso é exatamente o que estou observando experimentalmente.
Rap, acústico e metal podem exigir “Jorges” diferentes
Imagine uma pessoa que nunca treinou power metal.
Ela pode ter uma determinada voz natural.
Mas cantar power metal exige coisas que não estão presentes normalmente na fala:
sustentação, potência, controle de pitch, ataques específicos, vibrato, distorção, técnicas vocais e uma enorme quantidade de energia.
O modelo precisa, portanto, fazer uma espécie de extrapolação:
“Como essa pessoa soaria cantando dessa maneira?”
Isso é muito diferente de simplesmente reproduzir uma gravação.
E a literatura científica confirma que transferência de estilo vocal continua sendo um problema difícil.
O Singing Voice Conversion Challenge de 2025 avaliou 26 sistemas em condições controladas. Os melhores sistemas chegaram a níveis de similaridade de identidade vocal comparáveis às gravações reais de referência. Entretanto, os pesquisadores destacaram que modelar o estilo de canto e alcançar alta naturalidade continua sendo difícil, especialmente em fenômenos dinâmicos como vibrato, glissando e determinadas características de emissão vocal. (arXiv)
Isso é fascinante.
A ciência está chegando muito perto de responder:
“Essa pessoa está cantando?”
Mas a pergunta:
“Essa pessoa está cantando exatamente desta maneira?”
é consideravelmente mais difícil.
Minha hipótese: identidade vocal não é uma coisa única
Isso também mudou a maneira como estou pensando sobre o experimento.
Eu costumava imaginar algo parecido com:
voz = timbre da pessoa
Hoje acho essa representação simplista demais.
A voz contém muitas informações simultaneamente:
identidade + pronúncia + prosódia + pitch + articulação + timbre + estilo + emoção + técnica vocal.
A literatura de conversão de voz trabalha justamente com técnicas para tentar separar essas características. Pesquisadores estudam maneiras de desentangle, ou separar, identidade, conteúdo linguístico, pitch, estilo e outros atributos. Uma revisão de centenas de trabalhos mostra que essa separação é um dos problemas centrais da área. (Frontiers)
Isso ajuda a entender por que uma mesma pessoa pode produzir resultados tão diferentes dependendo do contexto.
O curioso sotaque mineiro
Um dos resultados que mais me chamou atenção ocorreu justamente nas primeiras músicas que fiz a partir da minha voz falada.
Eu sou mineiro.
E o resultado produzido pelo Suno tinha características que reconheci imediatamente como mineiras.
Mas não apenas mineiras.
Parecia uma espécie de mineiro de cidade pequena, rural, “da roça”.
Isso é particularmente interessante porque não sei qual das duas coisas está acontecendo.
Hipótese 1 — o modelo preservou características reais da minha fala
Minha gravação contém características fonéticas e prosódicas associadas ao meu modo de falar.
O modelo pode ter preservado parte dessas características.
Hipótese 2 — o modelo produziu um estereótipo
Talvez o modelo tenha aprendido associações estatísticas do tipo:
determinadas características do português brasileiro → determinado tipo de voz → determinado gênero musical → determinada persona social.
Nesse caso, não estaríamos necessariamente diante de “detecção do sotaque mineiro”.
Poderíamos estar diante de uma associação estatística aprendida pelo modelo.
E isso é algo que eu ainda não tenho como distinguir.
Seria necessário um experimento controlado com diferentes falantes, diferentes regiões, diferentes estilos e gravações com o sotaque neutralizado.
Portanto, não vou afirmar que o Suno “detectou que eu sou mineiro”.
Eu apenas observei que o resultado produzido apresentou características que reconheci como mineiras.
E essa diferença entre observação e explicação é importante.
O paradoxo: quanto mais distante do meu comportamento natural, maior a transformação
Até agora, meus experimentos sugerem uma espécie de gradiente:
fala → rap falado → transformação relativamente pequena
fala → acústico → transformação maior, mas identidade relativamente estável
fala → cinematográfico falado → relativamente estável
canto → rock/pop → ainda reconhecível como uma mesma identidade vocal gerada
canto → power metal extremo → transformação muito maior
Isso não significa que o Suno seja “ruim” em metal.
Pelo contrário.
Talvez ele esteja fazendo exatamente aquilo para o qual foi projetado:
produzir uma performance vocal adequada ao gênero.
A própria Suno recomenda experimentar a mesma voz em diferentes gêneros e afirma que uma voz pode funcionar naturalmente em determinados estilos e menos em outros. Curiosamente, a própria empresa dá death metal como exemplo de gênero para experimentar com Voices. (Suno)
Portanto, meu resultado não demonstra uma falha do Suno.
Demonstra uma tensão interessante entre duas coisas:
fidelidade à identidade vocal
e
fidelidade ao estilo musical.
A ciência está chegando justamente a esse problema
Em 2025, pesquisadores propuseram inclusive sistemas específicos para Singing Style Conversion.
Um trabalho chamado Serenade identifica três dificuldades principais:
- modelar o estilo-alvo;
- separar o estilo original;
- preservar a melodia.
Os autores conseguiram melhorar a conversão de diferentes estilos, mas também encontraram compromissos entre preservar a melodia, corrigir a afinação e manter a similaridade vocal. (arXiv)
Outro trabalho de 2025 criou um conjunto profissional específico para avaliação de conversão vocal porque faltavam datasets padronizados para avaliar canto expressivo profissional. (arXiv)
Isso é importante porque mostra que o problema que estou explorando informalmente em minhas músicas também é um problema de pesquisa atual.
Uma coisa que o Suno confirma — e outra que ele não confirma
A documentação oficial do Suno é bastante clara sobre algumas coisas.
A empresa recomenda gravações acapella para obter resultados mais limpos e aceita gravações de voz falada ou cantada. Também permite referências de até quatro minutos, das quais podemos selecionar os melhores dois minutos. O próprio Suno recomenda referências mais longas porque fornecem mais material para o sistema aprender e tendem a produzir resultados mais consistentes. (Base de Conhecimento Suno)
Também existe uma verificação em que o sistema compara uma frase falada pelo usuário com a gravação vocal enviada, justamente para verificar que pertencem à mesma pessoa. (Base de Conhecimento Suno)
Mas existe uma coisa que a Suno não publica:
não há, pelo menos na documentação que encontrei, um benchmark dizendo algo como:
“nossa fidelidade vocal é 95% no acústico, 90% no rap e 70% no metal.”
Não existe esse tipo de número público.
Portanto, meus resultados são experimentos pessoais, não um benchmark científico do Suno.
E existe uma pergunta ainda mais interessante
O que estou tentando fazer com o Aborto Vicário não é exatamente clonar minha voz.
É outra coisa.
Estou tentando descobrir se consigo construir uma identidade vocal artificial consistente baseada em uma pessoa real.
Isso é diferente.
Eu não quero necessariamente que alguém ouça uma música e diga:
“Essa é uma gravação real do Jorge.”
Quero algo mais interessante:
“Essa parece ser a voz do Aborto Vicário.”
Se a inteligência artificial conseguir transformar minhas gravações em uma identidade vocal consistente, então o projeto deixa de ter simplesmente:
músicas geradas por IA
e passa a ter:
um personagem musical com uma identidade vocal própria.
Essa distinção é importante para mim.
E essa identidade não precisa ser uma prisão
Isso também não significa que todas as músicas futuras terão exatamente a mesma voz.
Se uma música exigir uma voz feminina, por exemplo, não faz sentido forçar minha identidade vocal masculina sobre ela.
Nesse caso, posso utilizar uma voz sintética ou, melhor ainda, trabalhar com uma convidada humana que queira participar do projeto.
Se uma música exigir outro tipo de interpretação vocal, posso experimentar.
A identidade é uma direção artística, não uma regra absoluta.
O que estou tentando descobrir
Essa nova fase do Aborto Vicário é, portanto, também um pequeno experimento.
Estou testando:
voz falada vs. voz cantada
acapella vs. voz com instrumentos
rap vs. acústico vs. rock vs. metal
voz natural vs. voz gerada
performance ruim vs. performance corrigida pela IA
identidade vocal vs. estilo vocal
E uma pergunta especialmente interessante:
Até que ponto uma IA consegue transformar uma pessoa que não sabe cantar em um cantor artificialmente convincente sem perder completamente a identidade vocal da pessoa original?
Eu ainda não tenho a resposta.
E justamente por isso continuo experimentando.
O mais curioso de tudo
Talvez a parte mais interessante desse projeto não seja descobrir se a IA consegue cantar melhor do que eu.
Isso é relativamente fácil.
Ela consegue.
A parte realmente interessante é descobrir quanto de mim permanece depois que a IA corrige aquilo que eu não consigo fazer.
Se eu canto desafinado e o sistema corrige a afinação, ainda sou eu?
Se eu não consigo alcançar uma nota e o sistema inventa uma performance que alcança, ainda é minha voz?
Se minha voz falada possui um sotaque mineiro e esse sotaque aparece na música, o sistema preservou uma característica minha ou criou uma representação estereotipada dela?
Se canto uma música acústica e depois uma música de power metal e as vozes parecem diferentes, em que ponto deixamos de falar de “minha voz” e passamos a falar de uma interpretação artificial da minha identidade vocal?
Essas perguntas são muito mais interessantes para mim do que simplesmente:
“A IA consegue fazer música?”
Nós já sabemos que consegue.
A pergunta agora é outra:
o que acontece quando uma inteligência artificial tenta transformar a identidade vocal de uma pessoa em música?
E é exatamente isso que começa a segunda fase do Aborto Vicário.
Referências
- Documentação oficial do Suno sobre Voices, incluindo gravações faladas/cantadas, uso de acapella, duração das amostras, verificação de identidade e nível vocal. (Base de Conhecimento Suno)
- Suno, “Your Voice, Reimagined”, com recomendações sobre qualidade da gravação, duração da referência e experimentação entre gêneros. (Suno)
- Suno, v5.5: More Expressive. More You, sobre Voices e o conceito de voice fidelity. (Suno)
- Huang & Benetos (2025), Singing to Speech Conversion with Generative Flow, Journal of Audio, Speech, and Music Processing. (Springer)
- Violeta et al. (2025), The Singing Voice Conversion Challenge 2025: From Singer Identity Conversion to Singing Style Conversion. Avaliação de 26 sistemas. (arXiv)
- Violeta, Huang & Toda (2025), Serenade: A Singing Style Conversion Framework Based on Audio Infilling. (arXiv)
- Revisão sobre síntese e conversão de voz cantada e os desafios de pitch, estilo e expressividade. (Frontiers)
- Revisão de métodos de voice conversion e disentangled representations. (Frontiers)
Nota metodológica: os experimentos descritos acima são observações pessoais do processo de criação do Aborto Vicário. Eles são compatíveis com problemas estudados na literatura científica, mas não constituem evidência de como a arquitetura proprietária do Suno funciona internamente. Essa distinção é importante — especialmente porque o próprio Suno não publica, até onde pude verificar, um benchmark detalhado de fidelidade vocal por gênero.
Onde está o Aborto Vicário
[embed]
메타데이터
- post_id
- ee3012711bc4
- slug
- aborto-vicário-entra-em-uma-nova-fase-ee3012711bc4
- url
- https://medium.com/mente-ate%C3%ADsta/aborto-vic%C3%A1rio-entra-em-uma-nova-fase-ee3012711bc4
- canonical_url
- https://medium.com/mente-ate%C3%ADsta/aborto-vic%C3%A1rio-entra-em-uma-nova-fase-ee3012711bc4
- author_url
- https://medium.com/@jorgeguerrapires
- status
- ok
- fetched_at
- 2026-09-01 01:26:22
