{"kind":"guides","slug":"best-free-tts-models","path":"/guides/best-free-tts-models","title":"Melhores modelos de TTS grátis em 2026 | SuperClonica","description":"Um panorama honesto dos modelos de texto para fala grátis e abertos para rodar localmente em 2026: Supertonic 3, Kokoro, Piper, Chatterbox, Qwen3-TTS e outros.","h1":"Os melhores modelos de texto para fala grátis para uso local em 2026","intro":"O TTS grátis já dá conta de trabalho de verdade, e muitos modelos abertos rodam no seu próprio equipamento. Mesmo assim, a palavra grátis esconde diferenças grandes: algumas licenças proíbem uso comercial, alguns modelos pedem uma GPU robusta e poucos rodam com folga em um processador comum.\n\nEste panorama cobre os modelos abertos que comparamos neste site. A SuperClonica vende vozes para um deles, o Supertonic 3, então leve isso em conta: ficamos nos fatos da documentação de cada modelo e dizemos com clareza quando outro modelo é a melhor escolha.","sections":[{"heading":"Como escolher um modelo de TTS grátis","paragraphs":["Quatro perguntas encurtam a lista rapidinho."],"points":["Idioma: o modelo fala o seu? Chinês, por exemplo, já descarta o Supertonic 3.","Licença: grátis para baixar nem sempre é grátis para uso comercial. Confira as condições do código e dos pesos.","Hardware: um processador comum ou uma GPU com memória suficiente?","Vozes: as vozes prontas bastam, ou você precisa de uma voz específica a partir de uma gravação?"]},{"heading":"Modelos pequenos de texto para fala grátis para CPU","paragraphs":["O Supertonic 3, da Supertone, tem cerca de 99 milhões de parâmetros, roda com ONNX Runtime e, segundo os autores, dispensa GPU. Fala 31 idiomas, incluindo português, mas não chinês, sob a licença OpenRAIL-M: sem royalties e com uma lista de usos proibidos. Vem com vozes prontas; há mais vozes, grátis e pagas, no catálogo da SuperClonica, e o motor SuperClonica as roda em média 61% mais rápido no processador.","O Kokoro-82M tem 82 milhões de parâmetros, licença Apache 2.0 e 54 vozes prontas em oito idiomas, três delas em português brasileiro. Vai melhor em inglês: a própria lista de vozes dá notas mais baixas às vozes em chinês e japonês. A versão oficial não clona vozes. Roda em Python e no navegador com o kokoro-js.","O Piper é um motor local rápido, feito para dispositivos pequenos como o Raspberry Pi e conhecido como a voz do Home Assistant. Cada voz é um modelo ONNX para um idioma; a lista cobre 39 idiomas, inclusive português e chinês, mas não japonês nem coreano. O motor atual é GPL-3.0, e cada voz tem a própria licença.","O Chatterbox Nano, da Resemble AI, é um modelo em inglês de 110 milhões de parâmetros sob MIT. A Resemble AI informa 3 vezes mais rápido que o tempo real em 8 núcleos de CPU; ele clona uma voz a partir de um clipe e marca cada arquivo com uma marca d’água PerTh inaudível."]},{"heading":"Modelos maiores para clonagem de voz","paragraphs":["Estes clonam uma voz com poucos segundos de áudio. Pelas nossas estimativas, em um processador de desktop eles ficam abaixo do tempo real, então rendem mais em uma GPU."],"points":["Qwen3-TTS: Apache 2.0, tamanhos 0.6B e 1.7B, 10 idiomas, entre eles português e chinês, clonagem com 3 segundos e criação de voz a partir de uma descrição. Na CPU, cerca de 1 a 2 vezes mais lento que o tempo real (0.6B).","VoxCPM 2: Apache 2.0, 2 bilhões de parâmetros, 30 idiomas e dialetos chineses, áudio em 48 kHz e cerca de 8 GB de VRAM. Na CPU, cerca de 2 a 4 vezes mais lento que o tempo real.","Chatterbox Multilingual V3: MIT, 500 milhões de parâmetros, 23 idiomas e clonagem a partir de um clipe; os exemplos rodam em GPU.","Fish Audio S2 Pro: a nota de qualidade mais alta da nossa tabela e mais de 80 idiomas, mas de 4 a 10 vezes mais lento que o tempo real na CPU, e o uso comercial exige uma licença à parte da Fish Audio."]},{"heading":"Grátis, mas não para uso comercial","paragraphs":["Vários modelos populares publicam código aberto com pesos não comerciais. Servem para testes e projetos pessoais, não para um produto pago."],"points":["OmniVoice: 646 idiomas e clonagem com 3 a 10 segundos de áudio. O código é Apache 2.0; o modelo pré-treinado, CC-BY-NC.","F5-TTS: clonagem zero-shot em chinês e inglês. Código MIT, pesos CC-BY-NC e a menor velocidade em CPU da nossa tabela.","Coqui XTTS-v2: 17 idiomas, português incluído, e clonagem a partir de um clipe curto. A Coqui Public Model License vale também para o áudio gerado, e o repositório original não é mais mantido."]},{"heading":"Qual modelo de texto para fala grátis escolher","paragraphs":["Cada página de comparação nos links abaixo traz as fontes e as nossas estimativas de velocidade para o modelo."],"points":["Narração, jogos e apps em computadores comuns, em um de 31 idiomas: Supertonic 3, com uma voz do catálogo ou uma treinada com a sua gravação.","Vozes prontas em inglês com a licença mais permissiva: Kokoro.","Raspberry Pi e Home Assistant: Piper.","Clonagem instantânea em GPU com uso comercial permitido: Qwen3-TTS, VoxCPM 2 ou Chatterbox.","Fala em chinês: Qwen3-TTS ou VoxCPM 2 em GPU; Piper e Kokoro também têm vozes em chinês.","Pesquisa e testes pessoais: qualquer um, inclusive OmniVoice, F5-TTS e XTTS-v2."]}],"faq":[{"question":"Qual é o melhor modelo de texto para fala grátis?","answer":"Depende do trabalho. Para fala rápida offline na CPU em 31 idiomas, Supertonic 3; para vozes prontas em inglês sob Apache 2.0, Kokoro; para dispositivos pequenos, Piper; para clonagem instantânea em GPU, Qwen3-TTS ou VoxCPM 2."},{"question":"Quais modelos de TTS grátis podem ser usados comercialmente?","answer":"Dos citados: Supertonic 3 (OpenRAIL-M, com lista de usos proibidos), Kokoro, Qwen3-TTS e VoxCPM 2 (Apache 2.0) e Chatterbox (MIT). O motor do Piper é GPL-3.0, e cada voz tem as próprias condições. Os pesos oficiais do OmniVoice, F5-TTS e XTTS-v2 são não comerciais, e o Fish Audio S2 Pro exige licença à parte."},{"question":"Existe TTS grátis que roda sem GPU?","answer":"Existe. Supertonic 3, Kokoro, Piper e Chatterbox Nano rodam em um processador comum. Os modelos maiores de clonagem também rodam na CPU por meio de adaptações da comunidade, mas abaixo do tempo real."},{"question":"Modelos grátis conseguem clonar voz?","answer":"Qwen3-TTS, OmniVoice, VoxCPM 2, Chatterbox, F5-TTS e XTTS-v2 clonam a partir de um clipe curto; Kokoro e Piper, não. No Supertonic 3, a voz é treinada a partir de uma gravação em um arquivo, de graça na sua própria GPU NVIDIA ou sob encomenda com um autor."}],"cta":{"catalog":"Ouvir vozes para o Supertonic 3","install":"Instalar o SuperClonica"},"sources":[{"label":"Ficha do modelo Supertonic 3 (Hugging Face)","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"},{"label":"Ficha do modelo Kokoro-82M (Hugging Face)","url":"https://huggingface.co/hexgrad/Kokoro-82M"},{"label":"Repositório do Piper (OHF-Voice/piper1-gpl)","url":"https://github.com/OHF-Voice/piper1-gpl"},{"label":"Repositório do Chatterbox (GitHub)","url":"https://github.com/resemble-ai/chatterbox"},{"label":"Repositório do Qwen3-TTS (GitHub)","url":"https://github.com/QwenLM/Qwen3-TTS"},{"label":"Repositório do VoxCPM (GitHub)","url":"https://github.com/OpenBMB/VoxCPM"},{"label":"Ficha do modelo OmniVoice (Hugging Face)","url":"https://huggingface.co/k2-fsa/OmniVoice"},{"label":"Repositório do F5-TTS (GitHub)","url":"https://github.com/SWivid/F5-TTS"},{"label":"Ficha do modelo XTTS-v2 (Hugging Face)","url":"https://huggingface.co/coqui/XTTS-v2"},{"label":"Ficha do modelo Fish Audio S2 Pro (Hugging Face)","url":"https://huggingface.co/fishaudio/s2-pro"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"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"}],"related":[{"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"}]}