{"kind":"compare","slug":"supertonic","path":"/compare/supertonic","title":"Supertonic vs SuperClonica: velocidade e som | SuperClonica","description":"Supertonic 3 original contra SuperClonica com o mesmo modelo, vozes e sementes: 1,7× mais rápido na GPU, 1,6× na CPU, silêncios e finais mais limpos.","h1":"Supertonic vs SuperClonica: o mesmo modelo, mais rápido e limpo","intro":"O mesmo modelo, Supertonic 3, com as mesmas vozes, o mesmo texto e a mesma semente. Geramos frases curtas de chat em russo, inglês e alemão com o Supertonic original e com o SuperClonica, e comparamos velocidade e som.\n\nEm resumo: o SuperClonica é 1,7 vez mais rápido numa placa de vídeo e 1,6 vez num processador, começa a falar após 0,08 s em vez de meio segundo, remove o ruído de fundo nas pausas e corta muito menos finais. Abaixo estão as medições, os casos em que o original é melhor e todas as gravações, para você ouvir.","sections":[{"heading":"Velocidade","paragraphs":["Os dois motores rodaram no mesmo processo e se revezaram em cada frase, trocando a ordem a cada vez, de modo que a carga de fundo do computador desacelerou os dois por igual. Cada chamada recebeu uma semente nova, como num chat em que cada frase é diferente. Os dois motores foram criados antes e aquecidos.","Na placa de vídeo o ganho vem dos grafos CUDA: o modelo inteiro é gravado uma vez e depois executado com um único comando. No processador os modelos foram reescritos para cálculo multithread. O SuperClonica foi mais rápido em todas as 10 frases na placa de vídeo e em todas as 24 frases no processador."],"table":{"head":["","Supertonic","SuperClonica"],"rows":[["Placa de vídeo, mediana por frase","202 ms","117 ms"],["Placa de vídeo, as 10 frases em sequência","2,03 s","1,19 s"],["Processador, mediana por frase","855 ms","530 ms"],["Processador, 24 frases em 8 idiomas em sequência","22,03 s","14,39 s"]]},"figure":"speed"},{"heading":"Som","paragraphs":["O modelo é o mesmo, então a voz e a entonação coincidem. A diferença está no que acontece em volta das palavras: o silêncio nas bordas, o ruído nas pausas e os sons soltos que o modelo às vezes acrescenta.","O gráfico mostra uma frase numa escala de tempo comum. O original mantém meio segundo de silêncio antes da primeira palavra e mais de meio segundo depois da última; o SuperClonica deixa 0,08 e 0,2 s, então a fala começa mais cedo. O ruído de fundo nas pausas entre palavras também é removido."],"figure":"hero","table":{"head":["Nas 10 frases de exemplo","Supertonic","SuperClonica"],"rows":[["Silêncio antes da primeira palavra (mediana)","0,50 s","0,08 s"],["Silêncio depois da última palavra (mediana)","0,63 s","0,20 s"],["Duração total dos 10 arquivos","37,6 s","30,0 s"],["Fundo nas pausas entre palavras (mediana, em relação ao pico)","−48 dB","−92 dB"]]}},{"heading":"O que nossos testes com milhares de gerações mostram","paragraphs":["Dez frases são só uma amostra. Estes resultados vêm de testes próprios muito maiores."],"points":["Sons extras no fim da frase. Depois da última palavra o modelo às vezes acrescenta um clique, uma respiração, um zumbido ou uma sílaba a mais. Em dois testes com 1800 e 1392 frases (12 e 18 idiomas, reconhecimento com Whisper) houve 27 e 26 finais assim. Depois da limpeza do SuperClonica restaram 0 e 3.","Palavras não são cortadas. A limpeza é conferida com a saída bruta do modelo por um reconhecedor de fonemas. Nas versões recentes são mais de 25 000 gerações em mais de 30 idiomas, sem nenhum corte confirmado de fala real.","Menos tropeços em textos longos. O SuperClonica divide o texto em trechos de até 160 caracteres em pausas naturais; o original divide a cada 300. Uma palavra repetida apareceu 1 vez em 1800 gerações com trechos de até 160 caracteres, e em 1–4% dos casos com trechos de 200–290 caracteres.","Sem clipping. O modelo às vezes gera picos acima da escala máxima. Um limitador com antecipação reduz só esses picos."]},{"heading":"Menos finais cortados","paragraphs":["O modelo às vezes corta o último som em volume total, como se a gravação fosse desligada no meio da palavra. Soa como um clique ou um final engolido. O SuperClonica leva esses finais a um esmaecimento natural e preserva o próprio som.","Usamos frases de chat com 4 vozes padrão cada, com a mesma voz e semente nos dois motores. Contamos como corte uma queda de volume de mais de 25 dB em 2 ms no fim da fala. Abaixo há três exemplos com o fim da frase ampliado; a linha tracejada marca o fim da fala."],"table":{"head":["Corte brusco no fim da frase","Supertonic","SuperClonica"],"rows":[["Russo, 312 áudios","37 · 11,9%","3 · 1,0%"],["Inglês, 300 áudios","53 · 17,7%","6 · 2,0%"],["Alemão, 132 áudios","14 · 10,6%","0 · 0,0%"],["Total, 744 áudios","104 · 14,0%","9 · 1,2%"]]},"figure":"abrupt"},{"heading":"Números","paragraphs":["O original passa os algarismos ao modelo como estão. O modelo lê bem números pequenos, mas em alguns idiomas erra os grandes. O SuperClonica fala os números por extenso em 27 idiomas.","Os números foram testados numa frase com 3, 25, 2024 e 150, duas sementes por idioma, reconhecimento com Whisper."],"table":{"head":["Idioma","Supertonic","SuperClonica"],"rows":[["es","“150” virou algo ininteligível nas duas sementes","correto"],["fr","“150” soa como “105” nas duas sementes","correto"],["de","em uma semente “150” virou “eine 50”","correto"],["pl","em uma semente “2024” saiu deformado","correto"],["ru, uk, it","correto","correto"]]}},{"heading":"Ouça você mesmo","paragraphs":["Todas as frases da medição. Abaixo de cada gravação está seu envelope de volume, com o silêncio antes e depois da fala sombreado."],"figure":"listen"},{"heading":"Quando o Supertonic original é melhor","paragraphs":["O SuperClonica não ganha em tudo. Estas são as contrapartidas que conhecemos."],"points":["Inicialização. Ao iniciar, o SuperClonica verifica os grafos CUDA na placa de vídeo e reescreve os modelos para o processador, então demora mais para começar: 9,5 s contra 1,2 s na placa de vídeo e 4,0 s contra 0,9 s no processador. Vale criar o motor uma vez e mantê-lo.","Parágrafos longos na placa de vídeo. O texto é dividido em trechos de até 160 caracteres, então um parágrafo longo pode sair um pouco mais lento que no original; na nossa medição isso não aconteceu. Em troca, há menos tropeços.","Números sem declinação. Em russo, «в 2024 году» é lido com o número cardinal em vez do ordinal, e anos em inglês soam como números comuns. O parâmetro numbers=False passa os algarismos ao modelo como no original."]},{"heading":"Como medimos","paragraphs":["Supertonic 1.3.1 (modelo supertonic-3) sem processamento contra SuperClonica 0.6.23 com as configurações padrão. Os dois motores rodaram na velocidade 1,05 com 8 passos, e cada frase teve a mesma voz e semente nos dois. Placa de vídeo RTX 5070 Ti, ONNX Runtime GPU 1.26 (10 rodadas). Processador Ryzen 7 5800X, 4 threads para ambos, 24 frases de chat em 8 idiomas (2 rodadas).","O computador era de uso diário, com aplicativos abertos. Numa máquina livre os milissegundos absolutos são menores, mas a proporção se mantém. As métricas de som vêm de um teste separado na placa de vídeo; silêncio e fundo são medidos em quadros de 10 ms em relação ao pico da frase.","O SuperClonica é um derivado independente do Supertonic, não uma versão oficial da Supertone. O modelo Supertonic 3 é distribuído sob sua própria licença."]}],"faq":[{"question":"O SuperClonica muda a voz em relação ao Supertonic 3?","answer":"Não. Ele roda o mesmo modelo Supertonic 3 com os mesmos arquivos JSON de voz, então a voz e a entonação coincidem. Muda o que acontece em volta das palavras: silêncio nas bordas, ruído nas pausas, sons extras e finais cortados."},{"question":"Quanto o SuperClonica é mais rápido que o Supertonic original?","answer":"Na nossa medição, 1,7 vez numa RTX 5070 Ti (mediana de 202 → 117 ms por frase) e 1,6 vez num Ryzen 7 5800X com 4 threads (855 → 530 ms). A inicialização é mais lenta, então vale criar o motor uma vez e mantê-lo."},{"question":"Posso manter os algarismos como o Supertonic original os lê?","answer":"Sim. Por padrão o SuperClonica fala os números por extenso em 27 idiomas; o parâmetro numbers=False passa os algarismos ao modelo sem mudanças, como no original."},{"question":"O SuperClonica é um produto oficial da Supertone?","answer":"Não. O SuperClonica é um derivado independente do Supertonic, não uma versão oficial da Supertone. O modelo Supertonic 3 é distribuído sob sua própria licença."}],"cta":{"catalog":"Ouvir vozes do Supertonic 3","install":"Instalar o SuperClonica"},"sources":[{"label":"Cartão do modelo Supertonic 3","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"},{"label":"Repositório do Supertonic (GitHub)","url":"https://github.com/supertone-oss-archive/supertonic"}],"lab":{"gpu":"Placa de vídeo","cpu":"Processador","hardware":"Hardware","sum_gpu":"As {n} frases de exemplo em sequência","sum_cpu":"{n} frases de chat em 8 idiomas em sequência","per_phrase":"Tempo por frase, mediana das rodadas, ms","silence":"silêncio antes e depois da fala","envelope":"Envelope de volume: {name}","cut":"corte: −{db} dB em 2 ms","smooth":"esmaecimento suave","end":"fim da frase","voice":"voz","seed":"semente","second":"{v} s","millisecond":"{v} ms"},"published":"2026-10-18","updated":"2026-10-18","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"}]}