
Kamisama Hajimemashita (2012–2015)
神様はじめました
Palavras-chave
Nota de Kamisama Hajimemashita: IMDb, Rotten Tomatoes e Metacritic
Sinopse de Kamisama Hajimemashita
Após ver seu pai fugir de casa por causa de dividas de jogo e sendo expulsa do seu apartamento, Nanami conhece Mikage, um homem estranho que tem muito medo de cachorros. Nanami o salva de um cachorro e acaba contando sua história. Como agradecimento pelo salvamento ele oferece à garota uma estadia em sua casa, mas chegando lá ela acaba descobrindo que a casa na verdade é um templo! Agora ela acaba tendo que cuidar do templo, tendo um monte de responsabilidades que não entende, perigos que ela ainda não sabe e formando contrato que ela pode acabar se arrependendo – ou não – no futuro.
Elenco de Kamisama Hajimemashita

Yui Horie
como Numa no Himemiko (voice)

Suzuko Mimori
como Nanami Momozono (voice)

Daisuke Namikawa
como Sukuna Ryuuou (voice)

Daisuke Kishio
como Kurama (voice)

Satomi Sato
como Ami Nekota (voice)

Vanilla Yamazaki
como Narrator (voice)

Yu Kobayashi
como Isohime (voice)

Shuta Morishima
como Isobe (voice)

Akira Ishida
como Mikage (voice)

Akemi Okamura
como Kamehime (voice)

Shinnosuke Tachibana
como Tomoe (voice)

Nobuhiko Okamoto
como Mizuki (voice)
Nossa opinião sobre Kamisama Hajimemashita
Este charmoso anime de 2012 transforma da noite para o dia uma estudante sem teto numa pequena deusa da terra, ao lado de um altivo familiar raposa num romance sobrenatural cheio de yokai e sentimentos a fogo lento. Engraçado, caloroso e suavemente mágico, é o shōjo reconfortante em sua melhor forma. Se seu doce romance sobrenatural te encantou, busque animes shōjo e romances de fantasia reconfortantes onde mortais e espíritos se apaixonam.
Classificado pela equipe editorial do iRankMoviesAtualizado agosto de 2026MetodologiaFontes de dados
Trailer
Onde assistir Kamisama Hajimemashita(BR)
Ver no JustWatch →Assinatura
A disponibilidade pode mudar. Dados da JustWatch.
Procurando séries similares a Kamisama Hajimemashita?
Classificamos 50 séries similares usando 8 dimensões de conteúdo ponderadas.