{"kind":"compare","slug":"f5-tts","path":"/compare/f5-tts","title":"Alternativa ao F5-TTS para clonar voz no CPU | SuperClonica","description":"F5-TTS ou SuperClonica: clonar voz em zero-shot com flow matching contra um motor do Supertonic 3 feito para CPU. Velocidade, idiomas, licença e casos de uso.","h1":"F5-TTS ou SuperClonica: clonagem zero-shot ou fala rápida no CPU","intro":"O F5-TTS é um modelo aberto de texto para fala baseado em flow matching e em um Diffusion Transformer, lançado em outubro de 2024 e atualizado com um modelo base v1 melhorado em março de 2025. Ele clona vozes em zero-shot: você passa um trecho curto de referência com o texto, e ele fala com aquela voz. O SuperClonica funciona de outro jeito. A voz é treinada uma vez em um arquivo do Supertonic 3, que depois roda rápido em um CPU comum.\n\nSe você procura uma alternativa ao F5-TTS para CPU ou para uso comercial, veja o que muda.","sections":[{"heading":"Como o F5-TTS funciona","paragraphs":["O F5-TTS é um Diffusion Transformer com ConvNeXt V2, treinado com cerca de 100 mil horas de dados públicos multilíngues do conjunto Emilia. O modelo base oficial é o de chinês e inglês. Você fornece uma gravação de referência e a transcrição; se a transcrição ficar vazia, um modelo de reconhecimento de fala preenche, ao custo de mais memória de GPU.","A comunidade retreinou o F5-TTS para outros idiomas, e o repositório traz links para esses modelos. Nossa tabela conta os dois idiomas do modelo base oficial."]},{"heading":"Velocidade do F5-TTS no CPU e na GPU","paragraphs":["Na GPU, o F5-TTS é rápido: o repositório informa RTF de 0,0402 com TensorRT-LLM e 0,1467 com PyTorch em uma única NVIDIA L20, com 16 passos.","No CPU, é o modelo mais lento da nossa tabela. O artigo do ZipVoice mediu 37,284 com 32 passos em uma única thread de um Xeon Platinum 8457C. Supondo um ganho efetivo de 2,5 a 7,5 vezes com um CPU de desktop moderno de 16 threads, o resultado fica de 5 a 15 vezes mais lento que o tempo real: de 50 a 150 segundos para uma frase de 10 segundos. O SuperClonica precisa de cerca de 1,0 a 1,6 segundo."]},{"heading":"Qualidade e estabilidade do timbre","paragraphs":["Damos ao F5-TTS 3 de 5 em qualidade e 3 em estabilidade do timbre, contra 4,5 e 5 do SuperClonica. A clonagem zero-shot reconstrói a voz a partir da referência a cada pedido, então o resultado depende do trecho. Um arquivo de voz treinado parte do mesmo timbre toda vez."]},{"heading":"Licença: confira antes do uso comercial","paragraphs":["O código do F5-TTS está sob MIT. Os modelos pré-treinados têm licença CC-BY-NC por causa dos dados de treino do Emilia, então, nos termos padrão, os pesos oficiais não podem ser usados comercialmente.","O Supertonic 3 usa a OpenRAIL-M, uma licença gratuita com uma lista de usos proibidos em vez de uma cláusula não comercial. As vozes compradas no SuperClonica são para os seus próprios projetos e não podem ser revendidas."]},{"heading":"Quando escolher o F5-TTS","paragraphs":["O SuperClonica serve para produtos nos 31 idiomas do Supertonic 3, para computadores sem GPU e para textos longos, em que a velocidade vira horas. O F5-TTS é melhor nestes casos:"],"points":["Pesquisa e testes não comerciais de clonagem zero-shot.","Fala em chinês ou inglês na GPU, ou um modelo da comunidade para o seu idioma.","Um clone a partir de um trecho agora mesmo, sem etapa de treino."]}],"faq":[{"question":"O F5-TTS roda no CPU?","answer":"Sim, mas devagar. O artigo do ZipVoice mediu RTF de cerca de 37 em uma única thread de CPU; para um CPU de desktop de 16 threads, estimamos de 5 a 15 vezes mais lento que o tempo real."},{"question":"Posso usar o F5-TTS comercialmente?","answer":"Os modelos pré-treinados oficiais, não: eles têm licença CC-BY-NC por causa dos dados de treino. O código em si está sob MIT."},{"question":"Quais idiomas o F5-TTS suporta?","answer":"O modelo base oficial foi treinado em chinês e inglês. Modelos da comunidade acrescentam outros idiomas, com qualidade e licenças variadas."},{"question":"Qual é uma alternativa mais rápida ao F5-TTS para clonar voz?","answer":"Se dá para esperar o treino: uma voz do Supertonic 3 treinada com a sua gravação e rodando no SuperClonica, pela nossa estimativa de 6,4 a 9,7 vezes mais rápido que o tempo real em um CPU de desktop. Se você precisa clonar sem treino, veja o Qwen3-TTS ou o OmniVoice, que se viram com poucos segundos de áudio."}],"cta":{"catalog":"Testar vozes feitas para CPU","install":"Instalar o motor"},"sources":[{"label":"Repositório do F5-TTS (GitHub)","url":"https://github.com/SWivid/F5-TTS"},{"label":"Página do modelo F5-TTS (Hugging Face)","url":"https://huggingface.co/SWivid/F5-TTS"},{"label":"Artigo do F5-TTS (arXiv)","url":"https://arxiv.org/abs/2410.06885"},{"label":"Artigo do ZipVoice, tabela II: velocidade no CPU","url":"https://arxiv.org/html/2506.13053v1#S5.T2"},{"label":"Página do modelo Supertonic 3","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"Texto para fala que roda no seu próprio computador"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic vs SuperClonica: o mesmo modelo, mais rápido e limpo"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio e Fish Speech comparados ao SuperClonica"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice ou SuperClonica: mais idiomas ou mais velocidade"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"Qwen3-TTS ou SuperClonica para texto para fala local"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 ou SuperClonica: som de estúdio ou velocidade no CPU"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS ou SuperClonica: clonagem zero-shot ou fala rápida no CPU"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"Uma alternativa offline ao ElevenLabs"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS ou SuperClonica: dois modelos pequenos de texto para fala local"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS ou SuperClonica: aparelhos pequenos ou vozes sob medida"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 ou SuperClonica: uma alternativa ao Coqui TTS"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS ou SuperClonica: clonagem na hora ou um arquivo de voz treinado"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"Como converter texto em fala offline no seu computador"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"Clonagem de voz: como conseguir uma voz parecida com uma gravação"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"Os melhores modelos de texto para fala grátis para uso local em 2026"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"Texto para fala para vídeos, audiolivros, jogos e apps"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Vozes do Supertonic 3: onde conseguir vozes próprias e como usá-las"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Texto para fala em Python: offline, grátis e com vozes naturais"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"API de texto para fala auto-hospedada no Docker"}]}