# Mensagem de áudio vende? Quando responder em voz no WhatsApp

> Quando responder em áudio no WhatsApp ajuda a vender e quando atrapalha: responder em voz a quem mandou voz, o que vai por escrito e o tamanho certo.

- Fonte: https://www.ztgrowth.com.br/guia/audio-no-whatsapp-vendas/
- Formato: Guias
- Publicado em: 2026-11-16
- Atualizado em: 2026-11-16

**Resposta curta:** áudio ajuda a vender quando o cliente começou em áudio, quando a resposta é uma explicação (como usar, qual escolher, o que esperar da entrega) e quando a conversa já está aberta. Atrapalha quando o que importa precisa ser lido: link, cupom, preço para comparar, endereço, número do pedido. A regra que funciona é simples: responda em voz a quem mandou voz, fale curto e mande por escrito, logo depois do áudio, tudo o que o cliente vai precisar copiar ou clicar.

## O que o áudio faz numa conversa de venda

Áudio muda o tom da conversa. Uma resposta falada soa como uma pessoa da loja, não como um formulário. Isso pesa em três situações:

- **O cliente mandou áudio.** Ele escolheu falar. Responder em texto um áudio de 40 segundos com uma dúvida detalhada esfria a conversa.
- **A resposta é uma explicação.** "Qual dos dois sérums é melhor para pele oleosa?" se explica melhor falando do que numa lista de tópicos.
- **O cliente está inseguro.** Dúvida sobre prazo, troca ou tamanho se resolve com tom de voz, e o tom é o que o texto perde.

E muda o ritmo, para pior, em outras:

- **Quando tem link ou código.** Ninguém copia um cupom de um áudio. Um link falado não é clicável.
- **Quando a pessoa quer comparar.** Preço, medidas e prazo lado a lado se leem num relance e se ouvem com esforço.
- **Quando o áudio é longo.** Um minuto de voz para dizer o que cabia em duas linhas cansa.

## Quando responder em áudio, passo a passo

### 1. Responda em voz a quem mandou voz

É o critério mais seguro. Quem escreveu em texto está num lugar ou num momento em que prefere ler, e uma resposta em áudio obriga a pessoa a parar para ouvir. Quem mandou áudio já está nesse modo.

### 2. Mostre que ouviu antes de responder

Entre o áudio do cliente e a resposta, existe um tempo de silêncio: alguém precisa ouvir, entender e responder. Um sinal de que a mensagem chegou e está sendo ouvida evita que o cliente mande um "?" ou desista. No WhatsApp, uma reação na própria mensagem faz isso sem acrescentar uma bolha na conversa.

### 3. Fale o conteúdo e escreva o que precisa ser lido

Separe a resposta em duas partes:

- **No áudio:** a explicação, o tom, a recomendação. Escrita para ser ouvida: frases curtas, sem ler link nem código.
- **No texto, logo depois:** o link do produto, o código do cupom, o endereço, o número do pedido. Copiados sem mudar uma letra.

Em vez de ler o link, o áudio avisa que ele está ali embaixo:

> Esse é o mais indicado pra pele oleosa, ele tem textura leve e não deixa brilho. Te mandei o link aqui embaixo, e o cupom de primeira compra também.

> Link: `{{link_do_produto}}` · Cupom: `{{cupom}}`

Quando a resposta termina numa pergunta com opções (tamanho P, M ou G, por exemplo), repita a pergunta por escrito, com as opções. Botão não se prende a um áudio.

### 4. Fale curto

Defina um teto para a fala e respeite. Na ztgrowth, o padrão é 30 segundos. Se a resposta não cabe no teto, ela é longa demais para áudio: mande em texto, ou divida em uma fala curta e um texto com os detalhes.

### 5. Uma voz só, a da marca

Se cada atendente grava com o próprio jeito, a marca soa diferente a cada conversa. Defina como a voz da marca fala: o nome do personagem, o ritmo, como pronuncia o nome dos produtos, as expressões que usa e as que evita. É o equivalente falado do manual de tom de voz.

### 6. Áudio ativo só com a conversa aberta

Uma mensagem de áudio é mensagem livre. Ela só pode sair dentro da [janela de 24 horas](https://www.ztgrowth.com.br/glossario/janela-de-24-horas/), que abre quando o cliente escreve e dura 24 horas desde a última mensagem dele. Fora da janela, só sai template aprovado pela Meta. Áudio funciona num passo de jornada logo depois de uma resposta do cliente, não num disparo frio para a base.

E a mensagem livre tem custo: desde 1º de outubro de 2026, a Meta cobra cada uma pelo preço de utilidade do país do cliente, depois de uma franquia mensal de 1.000 por número. A tabela vigente está na [página de preços da Meta](https://developers.facebook.com/documentation/business-messaging/whatsapp/pricing).

## Quando o áudio atrapalha

| Situação | Melhor em áudio | Melhor em texto |
| --- | --- | --- |
| O cliente mandou áudio com uma dúvida | ✔ | |
| O cliente escreveu em texto | | ✔ |
| Explicar como usar ou qual escolher | ✔ | |
| Mandar link, cupom ou número de pedido | | ✔ (sempre por escrito, mesmo depois de um áudio) |
| Comparar preço, medida ou prazo | | ✔ |
| Perguntar com opções para escolher | | ✔ (os botões precisam de texto) |
| Disparo para quem não falou com a loja nas últimas 24 horas | | ✔ (só template) |

## Erros comuns

- **Ler o link em voz alta.** Ninguém consegue usar. O link vai por escrito, sempre.
- **Áudio de um minuto para uma resposta de duas linhas.** Quem pediu o prazo de entrega quer o prazo, não um discurso.
- **Responder em áudio quem escreveu em texto.** A pessoa escolheu ler. Respeite o canal que ela escolheu.
- **Cupom só no áudio.** O cliente precisa copiar o código. Se ele só existe na fala, não vira venda.
- **Uma voz diferente a cada conversa.** A marca perde a cara que levou tempo para construir.
- **Silêncio depois do áudio do cliente.** Sem sinal de que a mensagem chegou, ele manda de novo ou desiste.
- **Áudio como disparo.** Fora da janela de 24 horas, mensagem livre não sai.

## Como a ztgrowth faz

A ztgrowth já transcreve o áudio do cliente e agora também responde em voz. Na prática:

- **O agente ouve.** Quando o cliente manda áudio, o agente reage com 👂 na própria mensagem, mostra que está digitando e responde a partir da transcrição. Se a conversa está com um atendente humano, a reação não sai: quem responde é o operador. Se a transcrição falhar, o agente pede para o cliente mandar em texto.
- **Voz da marca em áudio.** A loja escolhe uma voz em português da biblioteca, ou clona a voz de um locutor com o termo assinado por ele, e define o personagem, o ritmo, a emoção, o estilo falado, a pronúncia dos nomes e as expressões a usar e a evitar. A duração máxima de cada fala é de 30 segundos por padrão, até 1 minuto.
- **O agente responde em voz a quem mandou voz.** A resposta é a mesma que o agente escreveria, reescrita para ser falada, sem acrescentar oferta, preço ou promessa. Link, cupom, endereço e número de pedido vão por escrito logo depois do áudio, e a pergunta com opções também, para os botões saírem.
- **Texto quando o áudio não cabe.** Se a fala passa da duração máxima ou a voz falha, a resposta sai em texto, como sempre, e o motivo fica registrado para a equipe ver.
- **Passo Áudio na jornada.** No Dynamic Engagement, o passo Enviar ganhou o tipo Áudio: uma nota de voz na voz da marca, com variáveis, só dentro da janela de conversa aberta. Com a janela fechada, o passo é pulado.
- **Atendente também grava.** Na Inbox, o atendente pode gravar uma nota de voz dentro da janela de conversa. Antes de sair, ela é transcrita: gravação sem fala é recusada em vez de chegar vazia ao cliente, e a transcrição fica no histórico, que o agente lê depois.

O anúncio da resposta em voz está em [o agente da ztgrowth agora responde em áudio](https://www.ztgrowth.com.br/novidades/agente-responde-em-audio/). Para ver o agente inteiro, veja [Agente de IA](https://www.ztgrowth.com.br/produtos/agente/).

## Perguntas frequentes

### Mensagem de áudio vende mais que texto no WhatsApp?

Não existe uma resposta para todas as conversas. Áudio ajuda quando o cliente mandou áudio e quando a resposta é uma explicação. Texto vence quando o cliente precisa ler, copiar ou clicar. O melhor é combinar: a fala no áudio e o link no texto logo depois.

### Posso mandar áudio numa campanha para a base?

Não como primeira mensagem. Áudio é mensagem livre e só sai dentro da janela de 24 horas depois da última mensagem do cliente. Para quem não falou com a loja nesse período, a campanha precisa de um template aprovado.

### Qual o tamanho ideal de um áudio de venda?

Curto. Na ztgrowth, a fala da voz da marca tem 30 segundos por padrão. Se a resposta não cabe nisso, ela provavelmente é melhor em texto.

### O agente de IA entende áudio?

Sim. Na ztgrowth, o áudio do cliente é transcrito, e o agente responde a partir do que foi dito. Se a transcrição falhar, ele pede para o cliente mandar em texto.

### A resposta em áudio tem custo da Meta?

Sim. A resposta dentro da janela de 24 horas é mensagem livre, cobrada desde outubro de 2026 pelo preço de utilidade, depois da franquia mensal de 1.000 mensagens por número.

---

Quer o agente respondendo em voz, com a voz da sua marca? [Fale com a gente](https://www.ztgrowth.com.br/produtos/agente/).
