O que é D-ID?
D-ID é plataforma de avatar e visual agents disponível em Studio web, mobile, integrações, APIs e SDKs. Anima foto com texto ou áudio, gera vídeo com presenters, traduz footage com lip sync e voice cloning e cria avatars interativos com LLM e knowledge base.
Inclui V2 photo avatars, V3 stock e instant, V4 expressivo, mais de 30 idiomas de tradução, vozes de vários providers, integrações Canva/PowerPoint e embeds. Um agent escuta mic, recupera knowledge, fala via WebRTC ou LiveKit e exporta conversas.
Cada superfície tem rota distinta. Vídeo one-way, avatar persistente, voz clonada, entrevista traduzida e agent always-on não devem compartilhar uma aprovação genérica.
Qualidade, tradução e segurança do agent
Qualidade depende da face, resolução, pose, crop, motion, áudio, pronúncia, idioma e estilo. Lip sync persuasivo ainda parece artificial. Confira artifacts, eyes, mouth, hands, marks, timing, pronúncia, subtitles e emoção.
Video Translate cobra por idioma e pode clonar a voz. Revise nomes, figures, claims, termos regulados, honorifics e cultura. Self-service limita vídeos traduzidos a cinco minutos fora do Trial; Enterprise chega a 30 e só ele lista proofreading empacotado.
Visual Agents combinam mic, STT, LLM, RAG, TTS e rendering; ElevenLabs opcional delega pipeline. Restrinja knowledge, remova secrets e prompt injection, defina refusals, teste perguntas sem suporte, limite tools, rotule como IA, obtenha consentimento do mic, ofereça handoff e revise transcripts.
Preços e créditos atuais
A página anual mostra Trial grátis por 14 dias e 3 minutos, Lite a US$ 56/ano (US$ 4,70 equivalente) por 10 minutos mensais, Pro a US$ 191 (US$ 16) por 15 e Advanced a US$ 1.293 (US$ 108) por 100. Enterprise é custom com minutos, colaboração, SSO, serviços e processamento. Anual é prepaid, mas créditos chegam mês a mês.
Trial e Lite são pessoais. Pro adiciona comercial, vozes premium, um clone, subtitles e watermark AI. Advanced adiciona avatares/clones e logo custom. Help diz que só Enterprise remove watermark completamente; confirme logo versus remoção.
Vídeo e tradução usam em geral um crédito por até 15 segundos; cada idioma é output separado. Respostas de Agent usam 0,5 por intervalo de 15 segundos e param sem saldo. Model, speech, knowledge e providers podem cobrar extra. “Unlimited first month” tem reasonable use.
Consentimento, biometria e disclosure
A policy biométrica diz que avatars, talking images, cloning, video-to-video e identity podem extrair geometria, landmarks, voiceprints, gait e features. Pode compartilhar com vendors de verificação/moderação. Diz que não usa para melhorar ou treinar modelos e destrói ao fim da retenção aplicável.
Obtenha permissão específica, informada e revogável de cada pessoa. Declare face/voz, clone, finalidades, canais, território, comercial, edição, tradução, duração, destinatários, vendors, retenção, deleção e withdrawal. Foto pública ou consentimento de gravação comum não autoriza fala sintética nova.
Rotule presenters e siga regras de plataforma, advertising, eleição, consumo, trabalho, publicity e biometria. Nunca faça pessoa endossar, afirmar, aconselhar ou participar sem aprovação.
Retenção, segurança e API
A policy diz apagar Applicative Data API não persistida em 24h, Agent em 72h e Insight em 14 dias. persist mantém dados criptografados até deleção. Templates biométricos necessários ao avatar duram mais. Documente cada clock.
Exclua inputs concluídos, evite persist, remova avatars/clones e defina retenção de exports. Confirme backups e subprocessadores e termos Enterprise.
API usa username/password em Basic auth. Guarde server-side ou secret manager, nunca no browser ou repo. Rotacione, alerte spend, restrinja domains, proteja client keys, rate-limit, valide uploads/URLs, monitore geração e ofereça kill switch.
Veredito
D-ID cobre de uma talking photo a libraries localizadas e interfaces em tempo real. Adequação depende de autorização e governança: plano e watermark corretos, QA visual e linguístico, identidade sintética óbvia, consentimento granular, persistência mínima, keys seguras e respostas supervisionadas. Sem isso, um avatar convincente vira responsabilidade.
