# O que é design de som: camadas, processo e papel da voz IA URL: https://anyvoice.app/pt/journal/o-que-e-design-de-som Type: blog Locale: pt Published: 2026-10-19 Updated: 2026-10-22 --- > Design de som é a decisão sobre cada elemento sonoro de uma produção. Veja as cinco camadas de uma trilha, o pipeline de trabalho, o que muda em jogos e onde a voz sintética entra na cadeia. O design de som é a prática de criar, gravar, editar e mixar todos os elementos sonoros de uma produção, para que o som conte a história: efeitos, ambiências, Foley, tratamento de voz e a forma como a música se encaixa em tudo isso. Se você quer saber o que é design de som na prática, pense nele como a camada de decisão entre "existe um som" e "este som pertence a esta cena, neste volume, com esta textura". Ele se aplica a filmes, jogos, aplicativos, podcasts e, cada vez mais, ao trabalho com voz sintética. ## O que um designer de som faz, de fato, no dia a dia? Descontando o cargo, o trabalho se resume a três verbos: adquirir, moldar, posicionar. Você adquire sons gravando, puxando de uma biblioteca ou sintetizando. Você molda com EQ, alteração de pitch, time stretch, camadas e processamento. Você posiciona no tempo e no espaço, para que o som caia no quadro certo, no nível certo e no ambiente acústico certo. O título em si é mais novo do que a maioria imagina. Segundo o [research starter da EBSCO sobre design de som](https://www.ebsco.com/research-starters/film/sound-design/), o papel de designer de som foi creditado formalmente pela primeira vez em 1979, no filme Apocalypse Now. Antes disso, o mesmo trabalho era dividido entre editores, artistas de Foley e mixadores de regravação. O crédito importava porque dava a uma única pessoa a autoridade sobre a identidade sonora inteira, e não apenas sobre uma pilha de departamentos separados. Numa equipe pequena, essa autoridade fica mais modesta. Num jogo indie, você pode ser ao mesmo tempo o designer, o gravador, quem implementa o som e quem registra o bug quando um passo entra em loop. Isso é normal. Conhecer a cadeia inteira é o que permite corrigir problemas no ponto mais barato dela. ## As cinco camadas que formam qualquer trilha sonora A maioria das explicações para na frase "efeitos sonoros e música". Um detalhamento útil tem cinco camadas, e elas disputam o mesmo espaço de frequências, por isso os designers pensam nelas em conjunto. - **Diálogo e voz.** A inteligibilidade vem primeiro. A fala fica entre 100 Hz e 8 kHz, com a maior parte da clareza das consoantes perto de 2 a 5 kHz, então todo o resto é recortado ao redor dela. - **Efeitos duros.** Portas, impactos, armas, cliques de interface. Curtos, com muitos transientes e normalmente sincronizados com uma ação visível. - **Foley.** Movimentos executados por pessoas: tecido, passos, manipulação de objetos. Ele cola o diálogo na imagem. - **Ambiência e atmosfera.** O tom de sala, o vento, o tráfego distante ou o zumbido de máquinas que dizem ao cérebro onde ele está. - **Música.** Define ritmo e emoção, e precisa deixar espaço livre para as outras quatro. A sexta camada, o silêncio, é uma escolha deliberada e não uma ausência. Uma cena que cai para quase zero por meio segundo antes de um impacto bate mais forte do que outra que acrescenta uma explosão mais alta. ![Estúdio de Foley com botas de couro sobre um tanque de cascalho, microfone boom e aipo sobre a mesa](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/anyvoice/2026-10/0cb0ba-foley.webp) ## Por que Foley e gravação de campo ainda vencem a biblioteca As bibliotecas são rápidas, e para textura de fundo muitas vezes bastam. Mas um passo de biblioteca gravado numa superfície que não é a sua carrega a ressonância errada, e o ouvido percebe antes que o cérebro consiga nomear. O Foley resolve isso ao performar o som em função da imagem. Botas sobre cascalho para um caminho de cascalho. Um maço de talos de aipo, quebrado perto do microfone, para ossos partindo. Uma folha de celofane amassada para o fogo. A gravação de campo aplica a mesma lógica às ambiências. Noventa segundos de tom de sala capturados no local, com a mesma posição de microfone usada para o diálogo, vão combinar com o piso de ruído da fala de um jeito que nenhum arquivo genérico de "ambiente de escritório" consegue. A ambiência também mascara os pontos de edição entre takes, o que a torna mais barata do que regravar. *Nota de sessão: grave pelo menos 20 segundos de silêncio em cada local, mesmo que o lugar pareça silencioso. Você vai precisar disso para o perfil de ruído depois, e não vai conseguir voltar atrás.* Pule essa etapa se estiver prototipando. Numa primeira passada, sons provisórios servem bem e às vezes são melhores, porque evitam que você polir áudio para uma cena que pode ser cortada. Vale o esforço quando a imagem estiver travada. ## Como o trabalho avança: do spotting à mixagem final Design de som é um pipeline, e as etapas são consistentes entre cinema, jogos e aplicativos, mesmo quando as ferramentas mudam. **Spotting.** Você assiste à imagem (ou joga o build) com o diretor ou o líder e marca os pontos em que o som precisa fazer algo: um impacto, uma transição, uma mudança de clima. Essa lista guia tudo o que vem depois. **Captação e criação.** Gravação, busca em bibliotecas, síntese e, cada vez mais, ferramentas generativas. Tudo é nomeado e etiquetado na entrada, porque uma pasta com 4.000 arquivos chamados "whoosh_final_v3" custa horas depois. **Edição e camadas.** Um único "soco" costuma ter de três a cinco camadas: um corpo grave, um corpo médio, um estalo agudo, às vezes uma cauda. Cada camada recebe seu próprio EQ para se empilhar sem embolar. **Mixagem.** Níveis, panorâmica, compressão, envios de reverb. Os alvos de broadcast e streaming importam aqui: muitas plataformas normalizam em torno de -14 a -16 LUFS integrados, e as mixagens de cinema seguem outras referências de nível, então o alvo é definido antes de a primeira fader se mover. **Entrega e implementação.** Stems para cinema, ou assets mais regras de comportamento para um motor de jogo. ![Mão sobre um controlador de faders diante de uma tela de DAW com trilhas de áudio coloridas empilhadas](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/anyvoice/2026-10/abbd69-layers.webp) ## Jogos mudam as regras: som que precisa responder A mídia linear toca o mesmo som, no mesmo momento, sempre. Um jogo não. Um passo pode disparar 10.000 vezes numa sessão, em superfícies, velocidades e distâncias de câmera diferentes. Por isso o design de som para jogos é em parte ofício sonoro e em parte design de sistemas. As consequências práticas: - **Variação.** Um mesmo sample de passo repetido soa como máquina. Um conjunto de 6 a 8 variantes, com pequenas variações aleatórias de pitch (mais ou menos 2 a 3 por cento) e de volume, elimina a repetição. - **Parâmetros.** Os sons reagem ao estado do jogo: velocidade, vida, distância, tipo de superfície. O designer constrói as regras, não só os assets. - **Orçamento de vozes.** Motores limitam o número de vozes simultâneas, então regras de prioridade e de corte decidem o que se ouve numa cena cheia. - **Memória.** Formatos comprimidos e decisões de streaming afetam os tempos de carregamento e a certificação de cada plataforma. É por isso que o middleware de áudio e o próprio motor importam tanto quanto a DAW. Se você trabalha com Unity, o mixer de áudio, os snapshots e os parâmetros expostos são onde boa parte do design real acontece. O orçamento costuma estourar nos diálogos. Um RPG de porte médio pode ter dezenas de milhares de falas dubladas, e regravar após uma mudança de roteiro é caro. Muitas equipes agora usam voz sintética para falas provisórias e protótipos, para que o designer de som teste ritmo e mixagem antes de o elenco real gravar. ![Estação de áudio para jogos com dois monitores, uma fase de jogo e uma janela de mixer ao lado de monitores de estúdio](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/anyvoice/2026-10/0ac72b-game.webp) ## Onde a voz IA entra no design de som, e onde não entra Aqui é onde a gente se posiciona, porque este site passa a maior parte do tempo falando de voz. A voz sintética já é uma ferramenta na cadeia do designer de som, e se comporta como qualquer outra fonte: precisa de gain staging, EQ e um lugar na mixagem. Ela não substitui as decisões de design. Três casos em que ela se sustenta: - **Diálogo provisório** para animatics, protótipos e testes de nível, para que problemas de tempo e de mixagem apareçam cedo. - **Vozes de fundo e de multidão** ("walla"), em que a inteligibilidade individual não importa e um conjunto variado de clones poupa um dia de gravação. - **Vozes de criatura e vozes processadas**, em que os artefatos da síntese viram parte da textura. Passe um clone por um pitch shifter, um modulador em anel e um reverb por convolução, e você terá uma fonte que não teria sido possível gravar. Um caso em que não se sustenta: o diálogo principal de cenas emocionalmente carregadas ainda se beneficia de um intérprete que aceite direção, a menos que a sua ferramenta exponha controle fino sobre a entonação. Por isso os parâmetros de emoção importam mais do que a fidelidade bruta do clone. Se você consegue pilotar a curva de entonação, ajusta a performance à cena em vez de aceitar o que o modelo devolver. Ferramentas generativas para efeitos e ambiências são outra categoria. Servem para ideias rápidas e camas de textura, mas você vai querer checar loudness, pontos de loop e qualquer artefato antes que elas cheguem à mixagem final. Para limpeza de voz gravada, especialmente material de podcast ou narração, a edição baseada em transcrição é um atalho legítimo: você remove respirações e muletas editando o texto e termina o trabalho na sua DAW. ## O que aprender primeiro se você está começando do zero? Comece ouvindo, porque tudo o mais depende disso. Escolha uma cena de um filme ou jogo que você conhece bem, feche os olhos e anote cada som que ouvir em 60 segundos. A maioria dos iniciantes lista quatro ou cinco. Um ouvido treinado lista quinze. Depois, nesta ordem: - **Escolha uma DAW e aprenda bem.** Reaper, Pro Tools, Logic ou Ableton servem. A que você usa para terminar projetos vale mais do que a que tem a lista de recursos mais longa. - **Aprenda fluxo de sinal e gain staging.** Clipping antes da mixagem não se corrige depois. - **Aprenda EQ como ferramenta de esculpir.** Corte primeiro, realce depois. - **Refaça um clipe.** Pegue 30 segundos de vídeo, tire o áudio e reconstrua tudo do zero. Dez tentativas ensinam mais do que dez tutoriais. - **Adicione um motor.** Se jogos te interessam, implemente os mesmos sons num motor com variação e parâmetros. Um kit inicial razoável é um fone fechado, uma interface de áudio com pelo menos um pré-amplificador limpo e um microfone condensador de diafragma pequeno ou cardioide. Reserve entre 300 e 600 USD para tudo isso e gaste o resto da sua atenção ouvindo. ## Antes da sua próxima sessão Design de som não é um monte de efeitos. É a disciplina de decidir o que o público ouve, o que não ouve e como cada som conquista o seu lugar. As ferramentas mudam a cada ano; as perguntas permanecem: para que serve este som, onde ele se posiciona e o que acontece se ele sumir? Se você trabalha com voz, trate a voz sintética como qualquer outra fonte da sua cadeia: rotule, trate, mixe e seja honesto sobre onde ela se sustenta. Escolha esta semana uma cena curta, tire o áudio e reconstrua. Você vai aprender o que é design de som mais rápido do que qualquer definição consegue ensinar. ## FAQ ### Design de som e edição de som são a mesma coisa? Não exatamente. A edição de som organiza e limpa os áudios gravados, enquanto o design de som decide o que cada som significa na cena e como ele se posiciona. Na prática, as duas tarefas se sobrepõem, principalmente em equipes pequenas. ### Preciso saber programar para trabalhar com design de som em jogos? Não é obrigatório para começar. Você precisa entender lógica de parâmetros e de variação, que são conceitos de sistema. A implementação em motores como a Unity pode ser aprendida depois, com um projeto pequeno. ### Quanto custa montar um kit básico para começar? Um kit inicial razoável fica entre 300 e 600 USD, somando fone fechado, interface de áudio com pré-amplificador limpo e microfone condensador de diafragma pequeno ou cardioide. ### Qual DAW devo aprender primeiro? Reaper, Pro Tools, Logic e Ableton servem. A melhor escolha é a que você consegue usar para terminar projetos, porque concluir sessões ensina mais do que explorar recursos. ### Vozes sintéticas podem substituir dubladores em um jogo? Para diálogos provisórios, vozes de multidão e protótipos, sim, e isso economiza tempo. Para falas principais em cenas emocionais, um intérprete que aceita direção ainda costuma entregar mais, a menos que a ferramenta ofereça controle fino de entonação. ### Qual nível de loudness as plataformas de streaming esperam? Muitas plataformas normalizam em torno de -14 a -16 LUFS integrados. Defina esse alvo antes de começar a mixagem, porque corrigir o nível no fim costuma piorar a dinâmica.