Uma alternativa offline ao ElevenLabs
O ElevenLabs é uma plataforma de voz na nuvem: você usa pelo navegador ou pela API, e a fala é gerada nos servidores deles. O SuperClonica funciona ao contrário. Você baixa um arquivo de voz e converte texto em voz no seu próprio computador, com ou sem internet.
Os dois não são intercambiáveis, e para muitos projetos o ElevenLabs continua sendo a opção mais simples. Esta página mostra as diferenças reais para você decidir.
Texto para fala na nuvem ou um arquivo de voz no seu computador
O ElevenLabs oferece um app web sem código e uma API REST com SDKs oficiais para Python e TypeScript. Empresas também podem rodá-lo na própria nuvem por meio de implantações privadas. De todo modo, a síntese é um serviço que você chama.
No SuperClonica você recebe uma voz do Supertonic 3 em um único arquivo JSON. Você instala o motor, baixa o modelo base uma vez (cerca de 400 MB) e, a partir daí, cada pedido roda localmente no seu CPU ou GPU.
Privacidade: para onde vai o seu texto
Em um TTS na nuvem, cada roteiro, mensagem ou documento que você converte em voz vai para os servidores do provedor e é tratado conforme os termos dele. Para um texto publicitário, raramente é um problema. Para anotações médicas, documentos internos ou diálogos de um jogo ainda não lançado, pode ser.
Na síntese local, o texto não vai a lugar nenhum. Os servidores do SuperClonica não veem o que você converte em voz: cuidam só da sua conta, das compras e do download das vozes. O acesso é pelo GitHub e o pagamento é em criptomoedas.
Latência e trabalho sem internet
Um pedido para a nuvem acrescenta uma ida e volta pela rede e depende de o serviço estar no ar. Um motor local não tem nenhuma das duas coisas. Pela nossa estimativa, o SuperClonica gera fala de 6,4 a 9,7 vezes mais rápido que o tempo real em um processador de desktop de 8 núcleos: uma frase de 10 segundos fica pronta em cerca de 1,0 a 1,6 segundo, inclusive num avião ou numa rede fechada.
Isso também permite colocar a voz dentro de um produto: um jogo que dá voz aos NPCs no computador do jogador ou um app web que roda o modelo no navegador com ONNX Runtime Web.
Assinatura ou uma voz sua
O ElevenLabs é vendido em assinaturas mensais ou anuais, e o uso é descontado do plano.
No SuperClonica você compra uma voz uma única vez, pelo preço em dólares que o autor definiu; algumas vozes são grátis. O arquivo fica na sua biblioteca e ninguém conta caracteres: quanto você gera depende só do seu hardware. Uma voz comprada é para os seus próprios projetos e não pode ser revendida nem republicada.
Onde o ElevenLabs é a melhor escolha
O ElevenLabs está à frente em vários pontos, e vale dizer isso com clareza.
- Idiomas: os modelos do ElevenLabs cobrem dezenas de idiomas, incluindo o chinês mandarim. O Supertonic 3 tem 31 e ainda não fala chinês.
- Vozes na hora: clonar uma voz a partir de uma gravação ou criá-la a partir de uma descrição, direto no navegador. No SuperClonica, uma voz própria precisa ser treinada ou encomendada.
- Sem instalação: nada de Python, nem download de modelo, nada rodando no seu hardware.
- Uma plataforma mais ampla: agentes de voz e outras ferramentas de áudio na mesma conta.
Quando o SuperClonica faz mais sentido
O SuperClonica é a melhor opção se:
- o texto não pode sair do seu dispositivo ou da sua rede;
- você gera grandes volumes e o pagamento por uso começa a pesar;
- você precisa de voz offline ou dentro de um app ou jogo que distribui;
- você quer manter a voz como arquivo, sem depender de assinatura.