Guia Syntopia BOX
Toda live com IA começa com uma decisão: o apresentador. Este guia mostra como criar um avatar de IA — e como treinar um humano digital que pareça natural na câmera — dentro do Syntopia BOX, o app para Windows que roda seu apresentador de IA no seu próprio computador.

A maior parte da qualidade de uma live pronta é definida antes de você entrar no ar, nos poucos minutos de vídeo que você envia para o treino. Com um bom material, seu avatar vira o rosto de lado, toma um gole de água, segura um produto em frente à lente e fala por horas sem parecer travado. Com um material ruim, nenhuma configuração depois vai corrigir por completo.
Então, esta é a parte que o guia completo cobre em poucas linhas, mas aqui vamos com calma: o que filmar, qual visual escolher, o que seu avatar treinado consegue fazer e os dois casos especiais que mais geram dúvida — o treino com dois apresentadores e a opção Smart Recorded.
- Um avatar de IA no Syntopia BOX é um apresentador sintético — gerado por IA, não é uma pessoa real — criado a partir de um vídeo curto de treino que você envia.
- Escolha o visual V5 para a configuração mais rápida e confiável.
- Boa luz e câmera firme no treino são o que permitem que o avatar segure, vista e mostre seus produtos de forma convincente depois.
- Você pode treinar com dois apresentadores (host + assistente), ou marcar Smart Recorded Only para transformar uma gravação longa sua em uma live interativa.
- Criar um avatar de IA está incluído em todos os planos — antes era cobrado a US$ 1.380 por avatar.
O que significa “criar um avatar de IA”
Seu host de IA tem duas partes separadas: como ele parece (o humano digital de IA) e como ele soa (o modelo de voz). Este post trata da aparência. Você a monta no BOX em Etapa 1 — Criar humano digital, enviando um vídeo curto de um apresentador; o BOX treina um modelo de avatar a partir dessas imagens. O resultado é um humano digital de IA — um host sintético, gerado por IA, e não uma cópia de uma pessoa específica.
Essa distinção importa tanto para as expectativas quanto para a conformidade: depois de treinado, o avatar é controlado totalmente por IA — ele lê seu roteiro, responde o chat e se movimenta sozinho. (A única exceção é o Human Takeover, explicado abaixo, em que uma pessoa real é o rosto e a IA controla apenas o movimento dos lábios.)

O que filmar para o treino
O vídeo de treino é a alavanca mais importante que você tem. O BOX aprende o rosto, o corpo e a forma de se movimentar do avatar a partir desse clipe, então quanto mais limpo e natural for o seu material, mais natural será o host final. Você não precisa de estúdio — precisa de controle.
Câmera, luz e enquadramento
Filme com a câmera firme (um tripé ou um celular apoiado em algo estável já resolve) e com luz boa e uniforme no rosto do apresentador. Grave em um fundo limpo e sem bagunça, deixe o apresentador bem dentro do quadro e evite sombras duras ou janela de luz forte atrás dele. São as mesmas condições que os tutoriais do próprio BOX pedem — “boa iluminação e câmera firme” — porque tremor e luz irregular no material original são exatamente o que deixa um avatar treinado com cara de artificial.
O que o apresentador deve fazer diante da câmera
Peça para o apresentador falar e se comportar como um host real em uma live de vendas: falar naturalmente, gesticular, se mexer um pouco, olhar para a lente. O BOX aprende amplitude a partir de amplitude — um apresentador parado gera um avatar com cara de parado, enquanto um apresentador que se move naturalmente gera um host que depois consegue virar, se inclinar e gesticular sozinho.
- Câmera firme (tripé ou suporte estável), apresentador centralizado no quadro.
- Luz suave e uniforme no rosto; sem contraluz nem sombras fortes.
- Fundo limpo e simples, sem nada se movendo atrás do apresentador.
- Apresentador fala e se movimenta naturalmente, olhando para a lente.
- Áudio nítido, se você também pretende clonar a voz do apresentador.
Escolha o visual V5 para a configuração mais rápida
Ao enviar o vídeo de treino, o BOX pergunta qual visual de avatar criar. Escolha V5. É a versão que você deve usar quando quer a configuração mais rápida e confiável, e é o visual que os tutoriais oficiais usam para treinar humano digital, Smart Recorded e Human Takeover. A menos que tenha um motivo específico para experimentar, o V5 é a escolha padrão para o seu primeiro avatar.
O que seu avatar consegue fazer depois de treinado
É por isso que vale a pena caprichar no material. Um avatar do Syntopia BOX não é uma cabeça falante estática — depois de treinado, ele se movimenta como uma pessoa real. Ele vira de lado, toma um gole de água, sai do quadro e volta, cobre a boca, pula e faz uma pausa entre as falas.
O recurso mais pedido é o manuseio de produtos. Seu avatar consegue segurar seu produto bem perto da câmera, vestir suas roupas e mostrá-las para a lente — a diferença entre um host de IA que apenas descreve o produto e um que demonstra, do jeito que um vendedor humano faz numa live.
Segure. Vista. Mostre. O avatar que você treina pode apresentar seus produtos reais na câmera, e não só falar sobre eles.
Você também pode montar uma equipe de avatares, cada um treinado separadamente e com a própria voz, e fazer dois deles dividirem a mesma sala como co-hosts. Um bom material de treino para cada um rende em todas as lives desse host.
Treine com dois apresentadores (host + assistente)
Se você quer um host e uma assistente na tela, filme o vídeo de treino com duas pessoas no quadro: o host principal à esquerda e a assistente à direita. A assistente pode falar, reagir, entrar e sair do quadro durante o clipe — essa amplitude é o que permite que a assistente treinada faça o mesmo na sua live.
A configuração que você não pode esquecer: marque a opção de boca fechada ao treinar dessa forma, para que o host principal fique em silêncio enquanto a assistente fala. O resultado aparece depois, na sala ao vivo: com o treino em dupla, a assistente de fato aparece na tela (à direita) e consegue ler as falas entre colchetes do roteiro dela ou responder o chat. Se você treinar com apenas uma pessoa, a assistente continua existindo, mas só como voz, sem uma segunda figura na tela.
Combine o material com o modo de live que você vai usar
Três dos cinco modos de entrar no ar dependem de material que você mesmo filma, e cada um pede um clipe de treino um pouco diferente. Filme pensando no modo que você realmente vai usar.
| Modo | O que filmar | Treinar como | Configuração principal |
|---|---|---|---|
| Humano digital de IA padrão | Um clipe curto do apresentador falando e se movimentando naturalmente. | Humano digital, visual V5 | — |
| Live Smart Recorded | 3 a 4 horas de você apresentando, com boa luz e câmera firme. | Humano digital, visual V5 | Marque Smart Recorded Only |
| Human Takeover | Um clipe filmado no mesmo cenário fixo, com a mesma luz e a mesma distância em que você vai fazer a live. | Humano digital, visual V5 | Câmera em 1920×1080 na hora da live |
A opção Smart Recorded
O Smart Recorded transforma uma gravação longa sua em uma live interativa: o espectador vê a sua gravação real e, quando pergunta algo, a IA responde com a sua voz e com os seus lábios se movendo. Para configurar, grave 3 a 4 horas de você apresentando, com boa luz e câmera firme, e depois treine como humano digital — envie com o visual V5 e marque Smart Recorded Only. Não é preciso escrever um roteiro de produtos; o BOX monta o roteiro a partir da sua gravação com reconhecimento de fala, e você adiciona cards de produto que aparecem quando um item é mencionado. Como o espectador assiste à sua gravação genuína com sincronização labial por IA, não é necessário nenhum tipo de deduplicação.
Uma nota sobre o material do Human Takeover
O Human Takeover é diferente: nesse modo, uma pessoa real é o rosto da transmissão e a IA só move a boca para acompanhar o roteiro — nesse modo, não é um avatar de IA. Mesmo assim, ele se beneficia de um visual treinado, então a recomendação é treinar um visual V5 com um vídeo filmado no mesmo cenário fixo, com a mesma luz e a mesma distância em que você vai se sentar na hora da live. Quanto mais o clipe de treino se parecer com as suas condições reais de live, mais limpa será a transição.
Dê uma voz ao seu avatar
Um visual precisa de uma voz. Depois de treinar o avatar, você pode clonar uma voz a partir de alguns segundos de áudio nítido, ou escolher uma das vozes prontas. Existem duas famílias de voz: V6 (ajustada principalmente para inglês) e V10 (também em inglês, mas preparada para vozes em outros idiomas). A V10 oferece suporte a mais de 600 idiomas, e os mais comuns já vêm pré-carregados quando você configura uma live. Para fazer uma live em um idioma específico, você grava uma amostra curta nesse idioma, treina uma voz V10 com ela e escreve o roteiro nesse idioma — assim o host fala esse idioma com a sua própria voz. Se um idioma não estiver pré-carregado, traduza o conteúdo e cole o texto, ou solicite a inclusão. A clonagem de voz, assim como a criação do avatar, está incluída — os passos completos de voz e sala ao vivo estão no guia completo do Syntopia BOX.
Criar seu avatar de IA: passo a passo
Para vendedores no Brasil
No Brasil, a live de vendas vive em plataformas como TikTok, Shopee e YouTube, e o público costuma reagir muito bem a apresentadores que demonstram o produto de verdade. Por isso, vale priorizar no treino os movimentos que mostram o item: segurar, girar e vestir. Para datas fortes do varejo local, como Dia das Mães, Dia dos Namorados, Black Friday e Natal, grave o material com antecedência e crie um avatar por campanha ou por linha de produto. Assim você não depende de gravar tudo na última hora, quando a agenda aperta.
Também considere o horário. As lives com maior audiência costumam acontecer no fim da tarde e à noite, no horário de Brasília (BRT), que é o padrão para a maior parte dos vendedores do país. Se você vende para outras regiões, teste horários diferentes ao longo de algumas semanas e observe a retenção antes de decidir. Ao falar com o cliente, mantenha clara a política de troca e devolução que o seu mercado exige, e deixe explícito que o apresentador é uma IA, sempre que a regra local pedir essa informação.
Criar um avatar de IA está incluído em todos os planos do Syntopia BOX — veja os planos atuais na página de preços e depois siga o guia completo para montar sua sala ao vivo e entrar no ar.
Perguntas frequentes
Que material eu preciso para criar um avatar de IA no Syntopia BOX?
Um vídeo curto do seu apresentador, filmado com câmera firme, luz boa e uniforme e fundo limpo. Peça para o apresentador falar e se movimentar naturalmente, olhando para a lente. Quanto mais limpo e natural for o material, mais natural será o avatar de IA treinado na aparência e no movimento.
O que é o visual V5 e por que escolhê-lo?
O V5 é o visual de avatar que você escolhe ao enviar o vídeo de treino. Ele oferece a configuração mais rápida e confiável e é a versão usada nos tutoriais oficiais de humano digital, Smart Recorded e Human Takeover. Para o primeiro avatar, o V5 é o padrão recomendado.
Posso treinar um avatar de IA com dois apresentadores?
Sim. Filme o vídeo de treino com duas pessoas — o host principal à esquerda e a assistente à direita — e marque a opção de boca fechada para que o host fique em silêncio enquanto a assistente fala. O treino em dupla coloca a assistente na tela (à direita); o treino com uma pessoa deixa a assistente apenas como voz.
Em que um avatar Smart Recorded é diferente de um avatar de IA padrão?
Um avatar de IA padrão é um host sintético gerado a partir de um clipe curto. Já o Smart Recorded usa uma gravação longa sua (de 3 a 4 horas), para que o espectador assista à sua gravação real enquanto a IA sincroniza os lábios nas respostas com a sua voz. Você treina como humano digital com o visual V5 e marca Smart Recorded Only.
Cada avatar de IA tem custo extra?
Não — criar um avatar de IA está incluído em todos os planos do Syntopia BOX. Antes, era cobrado a US$ 1.380 por avatar. Você pode criar e treinar mais de um avatar e dar a cada um a sua própria voz.
Meu avatar de IA consegue segurar e vestir meus produtos?
Sim. Depois de treinado, seu avatar se movimenta como uma pessoa real — pode segurar o produto bem perto da câmera, vestir suas roupas e mostrá-las para a lente, além de virar, gesticular e fazer pausas. Por isso o movimento natural no material de treino faz tanta diferença.