Um e-book com narração sincronizada não é um audiolivro com texto anexado. É um livro que se lê e se ouve ao mesmo tempo: a voz avança, e a frase que está sendo dita se destaca na tela. A diferença parece pequena e muda quase tudo na produção.
O recurso que permite esse ebook com áudio se chama media overlays na especificação EPUB 3, do W3C. Ele liga cada trecho do texto a um intervalo de uma gravação, e o aplicativo de leitura usa essa ligação para tocar o áudio e marcar o texto no ritmo da voz.
Este artigo explica o que são as media overlays, para que livros elas servem e o que a produção exige do texto, da gravação e do arquivo. Ele interessa ao autor de livro infantil, à editora de didáticos e a quem prepara edições para leitores com dificuldade de leitura.
Os demais assuntos do livro digital estão reunidos na frente de e-book e EPUB, parte da seção de design editorial.
O que são as media overlays
Media overlays são arquivos que sincronizam o texto do EPUB com uma narração gravada. Cada trecho do texto aponta para o pedaço de áudio que o lê.
Um mapa entre texto e voz
A EPUB 3.3 descreve as media overlays como marcação declarativa para sincronizar o texto dos documentos do livro com áudio pré-gravado. A marcação usa um subconjunto do SMIL 3.0, uma linguagem do W3C para multimídia sincronizada. Na prática, é uma lista ordenada de pares: este parágrafo, aquele trecho de áudio.
A unidade básica: o par
O elemento central se chama par. Ele reúne um apontador para um trecho do texto, identificado pelo seu endereço dentro do documento, e um apontador para um arquivo de áudio, com o instante de início e o de fim do trecho. Pares podem ser agrupados em sequências, que representam seções, listas, tabelas e figuras.
Onde ficam no arquivo
As overlays são arquivos à parte dentro do pacote do EPUB, ao lado dos textos, das imagens e dos arquivos de áudio. Cada uma é declarada no manifesto e ligada ao documento de texto que sincroniza. O leitor não as vê como arquivos: vê apenas um botão para ouvir e o destaque que acompanha a voz. Para quem produz, porém, são mais uma camada a manter em ordem quando o livro muda.
Essa organização explica por que a narração não pode ser acrescentada de qualquer jeito a um e-book pronto. O texto precisa ter os pontos de ancoragem que as overlays vão usar, e isso se decide na estrutura do livro.
O que elas não são
A própria especificação lembra que media overlays não equivalem a audiolivros. No audiolivro, o áudio é o produto principal e o texto é secundário. Na narração sincronizada, o livro continua sendo um livro, com todo o texto, e a voz é uma forma adicional de percorrê-lo. A versão atual sincroniza só áudio, e não vídeo.
A narração sincronizada não substitui o texto. Ela anda ao lado dele, frase por frase.
Para que livros a narração sincronizada serve?
Serve a livros em que ouvir e ver o texto ao mesmo tempo ajuda a ler: infantis, didáticos, livros de idiomas e edições para leitores com deficiência ou dificuldade de leitura.
Livros infantis
No livro para quem está aprendendo a ler, a voz ajuda a ligar o som à palavra escrita. O destaque que acompanha a narração mostra onde a leitura está. Muitos desses livros são feitos em página fixa, assunto do artigo sobre EPUB de layout fixo.
Leitores com deficiência ou dificuldade de leitura
A EPUB 3.3 cita como casos de uso a acessibilidade para pessoas com deficiência que impede a leitura do impresso ou dificuldade de acompanhar o texto, e a escuta contínua para quem não consegue ler. O Consórcio DAISY, que mantém uma base de conhecimento sobre publicação acessível, dedica a esse recurso uma página própria, com a estrutura dos arquivos e exemplos.
Didáticos e livros de idiomas
Em materiais de ensino, a narração ajuda a acompanhar enunciados e textos longos. Em livros de idiomas, permite ouvir a pronúncia enquanto se lê a frase. A especificação menciona expressamente o aprendizado de línguas entre os usos fora da acessibilidade tradicional.
- Infantil: ligação entre som e palavra, com destaque que guia o olhar.
- Acessível: leitura com apoio de voz para quem tem dificuldade com o texto.
- Didático: acompanhamento de enunciados e textos longos.
- Idiomas: pronúncia ouvida junto da frase escrita.
Como o aplicativo de leitura usa as media overlays
O aplicativo toca o áudio na ordem dos pares, aplica um estilo ao trecho que está sendo lido e permite pular ou sair de partes do livro durante a escuta.
O destaque do trecho lido
A especificação permite declarar 2 classes de estilo. A primeira é aplicada a cada elemento no momento em que ele é lido, como um fundo amarelo sobre a frase. A segunda vale para o documento inteiro enquanto a reprodução está ativa, e pode, por exemplo, esmaecer o texto que não está sendo lido. O desenho desse destaque é uma decisão de design do livro.
Pular e sair de estruturas
A EPUB 3.3 prevê 2 comportamentos úteis para quem escuta. Pular permite desligar partes opcionais, como notas e anúncios de número de página, que cansam quando lidos em voz alta. Sair permite deixar uma estrutura longa, como uma tabela ou uma lista, e continuar a partir do ponto seguinte. Os 2 dependem de o texto estar marcado com a semântica certa.
Quando o aplicativo não suporta
As media overlays são transparentes para quem não as reconhece. Um aplicativo sem suporte apresenta o livro como se a narração não existisse. Isso torna o recurso seguro, mas significa que a experiência completa só acontece em parte dos aplicativos. A especificação avisa ainda que o suporte em livros fluidos e de página fixa não é garantido.
O que a produção exige do texto
A narração sincronizada exige texto final, bem estruturado e com cada trecho sincronizável identificado. Qualquer mudança no texto depois da sincronia obriga a refazer parte do trabalho.
Texto fechado antes da gravação
A gravação precisa ler exatamente o que está no arquivo. Uma palavra trocada depois da sessão de estúdio gera um descompasso entre voz e texto. Por isso a revisão termina antes da narração, e o texto aprovado vira a referência para o narrador.
Cada trecho com o seu endereço
O par aponta para um elemento do texto pelo seu identificador. A base de conhecimento do Consórcio DAISY mostra exemplos com parágrafos e títulos identificados um a um. Na produção, isso significa decidir a granularidade: sincronizar por parágrafo, por frase ou até por palavra. Quanto menor a unidade, mais preciso o destaque e maior o trabalho de marcação.
A semântica que permite pular e sair
Notas, números de página, tabelas, listas e figuras precisam estar marcados pelo que são, para que o leitor possa desligá-los ou sair deles durante a escuta. É o mesmo cuidado de estrutura que evita perdas na conversão, tratado no artigo sobre converter livro para EPUB.
O que a produção exige do áudio e do arquivo
O áudio precisa ser gravado sobre o texto final e cortado em trechos com início e fim precisos. O arquivo precisa declarar a duração da narração e ligar cada documento à sua overlay.
Uma overlay por documento
Segundo a base de conhecimento do Consórcio DAISY, cada documento de conteúdo do livro que tem narração precisa da sua própria overlay, ligada a ele no manifesto do pacote. Um livro dividido em 12 capítulos, com 1 documento por capítulo, terá 12 overlays.
Durações declaradas
A EPUB 3.3 exige que o pacote informe a duração total da narração e a duração de cada overlay. A soma das partes deve bater com o total, com tolerância de 1 segundo. O nome do narrador pode ser informado nos metadados.
Tudo o que é visível precisa de voz
A EPUB Accessibility 1.1 define que livros com texto e áudio sincronizados devem ter áudio para todo o texto visível e para as alternativas textuais das imagens. Recomenda também seguir a ordem lógica de leitura, identificar as estruturas que podem ser puladas ou deixadas e sincronizar o documento de navegação. Um sumário narrado ajuda quem escuta a se orientar.
Os passos da produção
- Fechar e revisar o texto, sem mudanças depois desta etapa.
- Estruturar o EPUB e identificar cada trecho a sincronizar.
- Gravar a narração sobre o texto aprovado.
- Marcar os pontos de início e fim de cada trecho no áudio.
- Montar as overlays e declarar as durações e o narrador.
- Definir o estilo do destaque e testar o contraste.
- Validar o arquivo e ouvir o livro em mais de um aplicativo.
Narração gravada ou voz sintética
A narração gravada traz interpretação e controle de pronúncia. A voz sintética do aparelho dispensa estúdio, mas não acompanha o texto com o mesmo cuidado.
O que a especificação prevê
A EPUB 3.3 admite pares sem áudio. Nesse caso, o texto pode ser lido pela síntese de voz do aplicativo, quando ele oferece esse recurso. É uma forma de completar trechos sem gravação, mas a qualidade depende do aparelho de cada leitor.
Quando a gravação faz diferença
Livros infantis, poesia e textos com nomes próprios, termos técnicos ou palavras estrangeiras ganham com um narrador humano. A interpretação, o ritmo e a pronúncia correta fazem parte da experiência. Num didático, uma pronúncia errada ensina errado.
A direção da gravação
Quem narra precisa do texto final e de um guia de pronúncia, com nomes próprios, termos técnicos e palavras estrangeiras. Precisa também saber o que será pulado ou lido: números de página, notas, legendas. Uma sessão de gravação bem preparada evita trechos regravados e facilita o corte do áudio em pedaços que correspondem aos trechos do texto.
Pausas também contam. Uma pausa clara entre frases torna mais fácil marcar o início e o fim de cada trecho, e uma pausa maior entre seções ajuda quem escuta a perceber a mudança de assunto.
Uma decisão de projeto
A escolha entre voz gravada e síntese entra no briefing, junto com a granularidade do destaque e o público. Para quem lê com dificuldade, a qualidade da voz pesa tanto quanto a precisão da sincronia. Os métodos de teste com leitores reais estão na seção de UX & UI do hub.
Na narração sincronizada, o texto e a voz são aprovados juntos, ou nenhum dos 2 está pronto.
O que preparar antes de pedir um e-book narrado
Antes de pedir um e-book narrado, reúna o texto aprovado, a decisão sobre o narrador, o nível de sincronia desejado e a lista de canais onde o livro vai circular.
Checklist
- Texto final revisado e sem mudanças previstas
- Público principal e motivo da narração
- Escolha entre narrador gravado e voz sintética
- Granularidade do destaque: parágrafo, frase ou palavra
- Decisão entre página fluida e página fixa
- Lista de aplicativos e lojas onde o livro será lido
- Descrições das imagens, que também serão narradas
O próximo passo
Definidos esses itens, vale abrir o briefing na frente de e-book e EPUB. Desde 1995 em São Paulo, hoje com escritório em Moema, a Trilion conversa com o cliente pessoalmente ou on-line. Uma equipe só responde por estratégia, desenho e aplicação digital, e a proposta chega por escrito quando o briefing está completo. Os metadados que informam a narração às lojas estão no artigo sobre metadados de e-book.
Sobre este texto
As definições deste texto, feito para o hub de Design da Trilion, foram conferidas em 17/11/2026 nas fontes da lista. Os passos da produção, a comparação entre voz gravada e sintética e a lista final resultam de leitura editorial dessas fontes.
Aplicativos de leitura e estúdios de gravação não são avaliados aqui, e custos e prazos ficam fora do texto.
- W3C: EPUB 3.3 (consulta em 17/11/2026)
- W3C: EPUB Accessibility 1.1 (consulta em 17/11/2026)
- DAISY Accessible Publishing Knowledge Base: Media Overlays (consulta em 17/11/2026)
Fontes consultadas
- W3C: EPUB 3.3 (consulta em 17/11/2026)
- W3C: EPUB Accessibility 1.1 (consulta em 17/11/2026)
- DAISY Accessible Publishing Knowledge Base: Media Overlays (consulta em 17/11/2026)

