# Qwen3-TTS ou SuperClonica para texto para fala local

Atualizado 2026-10-23

O Qwen3-TTS é a família de modelos de voz abertos da equipe Qwen, lançada em janeiro de 2026 nos tamanhos 0.6B e 1.7B, sob Apache 2.0. Ele clona uma voz com três segundos de áudio, cria vozes a partir de uma descrição em texto e transmite o áudio em streaming com baixa latência. O SuperClonica é mais focado: vozes do Supertonic 3, prontas ou treinadas, que rodam rápido no CPU.

Os dois rodam no seu próprio hardware. A diferença está na velocidade, nos idiomas e em como você consegue uma voz.

## O que o Qwen3-TTS oferece

Os exemplos oficiais rodam em uma GPU NVIDIA em bfloat16, e o FlashAttention 2 é recomendado para reduzir o uso de memória da GPU.

- 10 idiomas: chinês, inglês, japonês, coreano, alemão, francês, russo, português, espanhol e italiano, além de perfis de voz com dialetos.
- Clonagem de voz com 3 segundos nos modelos Base, sem treino.
- Design de voz a partir de uma descrição em linguagem natural (modelo 1.7B VoiceDesign).
- Instruções que controlam tom, velocidade da fala e emoção.
- Geração em streaming; os autores informam latência de ponta a ponta a partir de 97 ms.

## Velocidade do Qwen3-TTS no CPU

Para o modelo 0.6B em um processador de desktop de 8 núcleos, estimamos de 1 a 2 vezes mais lento que o tempo real: 10 segundos de fala em 10 a 20 segundos. A estimativa se baseia em um motor da comunidade escrito em C, que informa RTF de 2,02 para o 0.6B com pesos INT4 em um Ryzen 7 6800H de notebook. O modelo 1.7B é mais lento: colocamos de 2 a 5 vezes mais lento que o tempo real. PyTorch puro pode ser bem mais lento que esse motor em C.

No Apple Silicon o Qwen se sai melhor: o mesmo motor informa 0,52 em um M1, ou seja, cerca de duas vezes mais rápido que o tempo real.

O SuperClonica, em um processador de desktop de 8 núcleos, roda pela nossa estimativa de 6,4 a 9,7 vezes mais rápido que o tempo real: os mesmos 10 segundos levam cerca de 1,0 a 1,6 segundo.

## Qualidade, estabilidade e idiomas

Nas nossas notas, o Qwen3-TTS recebe 4 de 5 em qualidade e 4 em estabilidade do timbre; o SuperClonica, 4,5 e 5.

Em número de idiomas, o Supertonic 3 vence por 31 a 10, mas as listas não batem totalmente. O Qwen3-TTS fala chinês, o Supertonic 3 não. Em compensação, o Supertonic 3 traz árabe, hindi, turco, vietnamita, ucraniano, polonês e a maioria dos outros idiomas europeus.

## Qual usar

Os dois são abertos e rodam localmente, então depende da tarefa.

- Qwen3-TTS: você precisa de chinês, clonagem instantânea ou design de voz, ou está criando um assistente de voz em GPU e a latência do primeiro pacote importa.
- SuperClonica: você gera muita fala no CPU, trabalha em um dos 31 idiomas do Supertonic 3 ou quer que uma voz treinada soe igual em milhares de falas.

## Mais sobre texto para fala

- [Texto para fala que roda no seu próprio computador](https://superclonica.com/pt/text-to-speech)
- [Supertonic vs SuperClonica: o mesmo modelo, mais rápido e limpo](https://superclonica.com/pt/compare/supertonic)
- [Fish Audio e Fish Speech comparados ao SuperClonica](https://superclonica.com/pt/compare/fish-audio)
- [OmniVoice ou SuperClonica: mais idiomas ou mais velocidade](https://superclonica.com/pt/compare/omnivoice)
- [VoxCPM 2 ou SuperClonica: som de estúdio ou velocidade no CPU](https://superclonica.com/pt/compare/voxcpm)
- [F5-TTS ou SuperClonica: clonagem zero-shot ou fala rápida no CPU](https://superclonica.com/pt/compare/f5-tts)
- [Uma alternativa offline ao ElevenLabs](https://superclonica.com/pt/compare/elevenlabs)
- [Kokoro TTS ou SuperClonica: dois modelos pequenos de texto para fala local](https://superclonica.com/pt/compare/kokoro)
- [Piper TTS ou SuperClonica: aparelhos pequenos ou vozes sob medida](https://superclonica.com/pt/compare/piper)
- [Coqui XTTS-v2 ou SuperClonica: uma alternativa ao Coqui TTS](https://superclonica.com/pt/compare/xtts)
- [Chatterbox TTS ou SuperClonica: clonagem na hora ou um arquivo de voz treinado](https://superclonica.com/pt/compare/chatterbox)

## Guias de texto para fala

- [Como converter texto em fala offline no seu computador](https://superclonica.com/pt/guides/offline-text-to-speech)
- [Clonagem de voz: como conseguir uma voz parecida com uma gravação](https://superclonica.com/pt/guides/voice-cloning)
- [Os melhores modelos de texto para fala grátis para uso local em 2026](https://superclonica.com/pt/guides/best-free-tts-models)
- [Texto para fala para vídeos, audiolivros, jogos e apps](https://superclonica.com/pt/guides/text-to-speech-for-videos)
- [Vozes do Supertonic 3: onde conseguir vozes próprias e como usá-las](https://superclonica.com/pt/guides/supertonic-3-voices)
- [Texto para fala em Python: offline, grátis e com vozes naturais](https://superclonica.com/pt/guides/python-text-to-speech)
- [API de texto para fala auto-hospedada no Docker](https://superclonica.com/pt/guides/text-to-speech-api-docker)

## Perguntas frequentes

### O Qwen3-TTS roda no CPU?

Sim, com motores da comunidade. Uma implementação em C puro informa RTF de 2,02 para o modelo 0.6B com INT4 em um Ryzen 7 6800H e 0,52 em um Apple M1. Em um CPU de desktop de 8 núcleos, estimamos de 1 a 2 vezes mais lento que o tempo real.

### Posso usar o Qwen3-TTS comercialmente?

O repositório e os pesos no Hugging Face são publicados sob Apache 2.0, licença que permite uso comercial. Mesmo assim, leia o texto da licença antes de lançar o produto.

### Existe uma alternativa mais rápida ao Qwen3-TTS para fala offline?

Para os 31 idiomas do Supertonic 3, sim: pela nossa estimativa, o motor SuperClonica faz as vozes do Supertonic 3 falarem de 6,4 a 9,7 vezes mais rápido que o tempo real em um CPU de desktop. Você abre mão da clonagem instantânea: uma voz nova é treinada ou comprada como arquivo.

### O Qwen3-TTS fala português?

Sim, o português está entre os seus 10 idiomas. O Supertonic 3 também suporta português.

- [Encontrar uma voz para o Supertonic 3](https://superclonica.com/pt/explore)
- [Ir para a instalação do SuperClonica](https://superclonica.com/pt/superclonica)

## Fontes

- [Repositório do Qwen3-TTS (GitHub)](https://github.com/QwenLM/Qwen3-TTS)
- [Página do modelo Qwen3-TTS 1.7B Base](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-Base)
- [Qwen3-TTS em C: dados de desempenho](https://github.com/gabriele-mastrapasqua/qwen3-tts/blob/main/docs/performance.md)
- [Página do modelo Supertonic 3](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [SuperClonica](https://superclonica.com/pt/)
- [Catálogo de vozes de IA para texto em fala](https://superclonica.com/pt/explore)
- [Pedidos de vozes personalizadas](https://superclonica.com/pt/requests)
- [Como funciona: vozes, TTS local e treinamento](https://superclonica.com/pt/guide)
- [Instale o motor rápido para o Supertonic 3](https://superclonica.com/pt/superclonica)
- [Quem somos: entusiastas de TTS](https://superclonica.com/pt/about)
- [Contato, suporte e denúncias de vozes](https://superclonica.com/pt/contacts)
- [Política de privacidade e dados](https://superclonica.com/pt/privacy)
- [Termos de uso da plataforma](https://superclonica.com/pt/terms)
- [Texto para fala](https://superclonica.com/pt/text-to-speech)