A voz viva na era da voz fabricada

Por Zerbo Freire

Em outubro de 2025, uma canção gerada por inteligência artificial e publicada no YouTube fez milhares de ouvintes acreditarem que Adele gravara um tributo a Charlie Kirk, ativista conservador norte-americano assassinado em setembro daquele ano. Com o título “Heaven Gained an Angel”, o vídeo acumulou milhões de visualizações e centenas de comentários como “Obrigado, Adele, é uma canção magnífica” — apesar de a voz gerada por IA pouco se assemelhar à da cantora britânica. A plataforma removeu o vídeo após ser alertada pela AFP, mas a comoção, essa, já ocorrera. A voz fabricada fizera o que a voz viva não fizera: emocionar sem estar presente.

Há algo profundamente perturbador nessa voz fabricada que emerge de um alto-falante sem nunca ter atravessado uma garganta de carne. Não se trata aqui da voz mediatizada — aquela que, mesmo gravada, conserva o fantasma de um corpo, o rastro de um instante em que alguém, de fato, moveu os lábios. O inquietante, agora, é mais radical: uma voz gerada do zero por algoritmos, que nenhum ser humano pronunciou, e que, no entanto, soa como se pudesse tê-lo feito.

O medievalista e teórico da vocalidade Paul Zumthor já antecipava esse momento em 1986, numa passagem em que respondia à pergunta da revista italiana Linea d’Ombra sobre o impacto dos meios eletrônicos, auditivos e audiovisuais sobre a voz. Para ele, a distância entre a voz viva e qualquer mediação técnica era intransponível, justamente porque evidenciava “a diferença biológica entre o homem e a máquina”. Mas Zumthor não se detinha aí: ele via no computador — substituto eletrônico da escritura — o próximo passo de uma abstração vocal tão radical que “já não se tratará de gravação, mas de voz fabricada”. A pergunta que essa antevisão nos lega não é, portanto, meramente técnica, mas antropológica: o que resta da voz viva quando a fabricada se torna praticamente indistinguível da verdadeira?

A voz viva, nos lembra Zumthor, é um evento corporal. Mais precisamente: uma expansão do corpo. O som que emitimos não é algo acrescentado de fora; é o próprio corpo projetando-se para além de seus limites. Ao falarmos, tornamo-nos onda — tocamos o outro através do vazio, carregando nele o peso, o calor e o volume real da carne. Ouvir alguém ao vivo não é apenas processar informação linguística: é estar na presença de um outro. Sentimos sua fragilidade, seu risco iminente de gaguejar, de se emocionar demais. Essa vulnerabilidade é o que confere à voz viva sua força: ela é única, perecível, como um corpo.

A voz gravada já é outra coisa. Ela congela o instante, torna o efêmero repetível. Mas ali ainda resiste o traço de um corpo — ausente, é verdade, mas que um dia existiu.

Agora a voz fabricada — essa é uma expansão de nada. Não há corpo algum a ser expandido. A respiração que parecemos ouvir é simulada. A emoção que detectamos é calculada. O timbre foi montado estatisticamente a partir de milhares de vozes reais, desencarnadas e recompostas numa entidade que nunca existiu. Um significante sem significado existencial. Um som órfão.

Mas seria apressado concluir daí apenas um lamento. Não nos deixemos, contudo, cair num pessimismo fácil — há que se ter horror ao tom apocalíptico. A voz fabricada não é uma ruptura absoluta; ela apenas radicaliza um processo muito mais antigo: a progressiva desencarnação da vocalidade. Zumthor lembra que, por séculos, a voz foi reprimida pela hegemonia da escrita. Depois vieram a rádio, o disco, a televisão, apagando as referências espaciais da voz viva. A voz fabricada, agora, rompe o cordão da mediatização: já não há fantasma, já não há origem. Apenas simulação. É a desencarnação radical da vocalidade — preparada há séculos.

E, no entanto, algo inquietante acontece. Um ouvinte real pode escutar um poema recitado por uma voz sintética e chorar. A comoção é verdadeira? O corpo do ouvinte expande-se em resposta a algo que não é expansão de nenhum outro corpo? Uma primeira resposta, alinhada a Zumthor, seria o “não” categórico: o ouvinte chorou porque pensou estar diante de uma voz viva — foi ludibriado. Se soubesse da verdade, talvez não chorasse.

Mas há outra possibilidade, que Zumthor não teve tempo de contemplar. O corpo humano pode ser tocado por padrões sonoros mesmo na ausência de uma intencionalidade emissora. Assim como choramos com um filme de animação sabendo que os personagens não existem, podemos chorar com uma voz fabricada sabendo que aquele sopro não vem de ninguém. A diferença, porém, é que no filme há corpos humanos por trás — atores, animadores. Na voz fabricada, pode não haver ninguém. Apenas um algoritmo otimizado para maximizar a comoção. Se a comoção pode ser fabricada sem sujeito, então a escuta deixa de ser encontro e passa a ser resposta a um estímulo. E isso muda o estatuto da verdade na experiência estética.

Se é assim, o que acontece com a arte que sempre dependeu da voz como expansão do corpo — a poesia, por exemplo?

Para a poesia, as implicações são imensas. Zumthor definiu o poético como “uma arte da linguagem humana, independente de seus modos de concretização e fundamentada nas estruturas antropológicas mais profundas”. A poesia nasce do ritmo da respiração, da ressonância da caixa torácica, do gesto. Pensemos no griot da África Ocidental: ali, a voz não é um veículo do poema, mas o próprio corpo do poeta em ato. Sem esse corpo, o que resta da poesia? O movimento das mãos, o olhar que varre a audiência, a respiração que se suspende: tudo isso é o poema. O griot testemunha com seu corpo.

A poesia pode habitar uma voz que nunca respirou? Há quem diga que sim — que a voz fabricada pode criar novas vocalidades impossíveis para a garganta de carne. Mas essa resposta elide uma questão central: um instrumento requer um instrumentista. Na voz fabricada, quem é o sujeito da enunciação? O algoritmo? O programador? Nenhum deles, no momento da emissão, está expandindo seu corpo. Ninguém está ali, presente, assumindo aberta e responsavelmente a palavra.

A era da fabricação vocal nos obriga a repensar o lugar do corpo na experiência poética. A voz viva continua insubstituível — na intimidade de uma conversa, na força bruta de um protesto cantado, no silêncio que antecede a palavra de um poeta em cena. Ali, a presença carnal faz o que nenhum algoritmo pode: lembra-nos de que estamos juntos, frágeis, vivos e mortais, compartilhando o mesmo ar enquanto ele dura.

Mas a voz fabricada chegou para ficar. A sabedoria talvez não seja rejeitá-la, mas aprender a distingui-la da voz viva — sem deixar que sua perfeição nos faça esquecer o valor da imperfeição, da respiração ofegante, da palavra que hesita.

Ouvir uma voz fabricada e sentir-se tocado é, talvez, a mais estranha nostalgia que a técnica nos reservou: a nostalgia de um corpo que nunca esteve ali. Como se pudéssemos sentir saudade de um abraço que nunca aconteceu.

Porque, no fundo, não é a perfeição técnica que nos comove. É o sopro imperfeito. Se o sopro imperfeito ainda é nosso, cabe a nós decidir se queremos ouvi-lo como prova de humanidade ou como ruído a ser aperfeiçoado.