# VoxCPM 2 ou SuperClonica: som de estúdio ou velocidade no CPU

Atualizado 2026-10-23

O VoxCPM 2, da OpenBMB, é um modelo de texto para fala com 2 bilhões de parâmetros, lançado em abril de 2026. Ele gera áudio em 48 kHz, fala 30 idiomas, clona vozes e cria vozes novas a partir de uma descrição em texto, tudo sob Apache 2.0. O SuperClonica roda vozes do Supertonic 3, um modelo cerca de vinte vezes menor: muito mais rápido no CPU, porém menos versátil.

A comparação abaixo se baseia na documentação do VoxCPM e na nossa própria tabela.

## O que o VoxCPM 2 faz

O VoxCPM dispensa tokenizador: gera a fala no espaço latente de um VAE de áudio, com um pipeline autorregressivo de difusão construído sobre o MiniCPM-4.

- 30 idiomas sem tag de idioma, além de nove dialetos do chinês, como o cantonês e o de Sichuan.
- Saída em 48 kHz a partir de uma referência em 16 kHz, com super-resolução embutida.
- Design de voz a partir de uma descrição em linguagem natural e clonagem controlável.
- Clonagem fiel a partir de um trecho de referência com a transcrição.
- Pesos e código sob Apache 2.0; os autores descrevem o modelo como gratuito para uso comercial.

## VoxCPM 2 no CPU e na GPU

Em uma RTX 4090, os autores informam RTF de cerca de 0,3, e cerca de 0,13 com Nano-vLLM; o modelo precisa de uns 8 GB de VRAM. Em um Apple M4 Pro com llama.cpp-omni e pesos Q8_0, informam cerca de 1,76.

Para um processador de desktop de 8 núcleos, estimamos de 2 a 4 vezes mais lento que o tempo real: uma frase de 10 segundos leva de 20 a 40 segundos. O ponto de partida é uma exportação ONNX que informa 3,8 com pesos INT8 em um Core i3-12300, supondo que um CPU mais rápido no máximo dobre a velocidade. O SuperClonica roda de 6,4 a 9,7 vezes mais rápido que o tempo real, cerca de 1,0 a 1,6 segundo para a mesma frase.

## Qualidade e estabilidade

Nossa tabela dá ao VoxCPM 2 e ao SuperClonica a mesma nota de qualidade: 4,5 de 5. Em estabilidade do timbre, o VoxCPM 2 recebe 3,5 e o SuperClonica, 5.

Os próprios autores do VoxCPM dizem que o design de voz e a clonagem controlável podem variar de uma execução para outra, e sugerem gerar de uma a três vezes. Para um trailer, tudo bem. Para um jogo em que um personagem diz milhares de falas, é mais fácil manter a consistência com um arquivo de voz fixo.

## Quando o VoxCPM 2 é a melhor escolha

Escolha o SuperClonica quando a voz roda no CPU, offline e em volume, em um dos 31 idiomas do Supertonic 3. O VoxCPM 2 é melhor se:

- você precisa de chinês ou de um dos seus dialetos;
- os 48 kHz fazem diferença em publicidade, música ou vídeo;
- você quer criar uma voz a partir de uma descrição ou clonar na hora;
- você tem uma GPU com cerca de 8 GB de memória ou mais.

## 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)
- [Qwen3-TTS ou SuperClonica para texto para fala local](https://superclonica.com/pt/compare/qwen3-tts)
- [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 VoxCPM roda no CPU?

Sim, por meio de adaptações como uma exportação ONNX, que informa RTF de 3,8 com INT8 em um Core i3-12300. Em um CPU de desktop de 8 núcleos, estimamos de 2 a 4 vezes mais lento que o tempo real. Os requisitos oficiais pedem CUDA 12.0 ou mais recente.

### Quanta VRAM o VoxCPM 2 precisa?

Cerca de 8 GB, segundo a tabela comparativa do repositório do VoxCPM.

### O VoxCPM é grátis para uso comercial?

Sim. Pesos e código são publicados sob Apache 2.0, e os autores dizem com todas as letras que o uso comercial é gratuito.

### O que é mais rápido para narrações longas sem placa de vídeo?

O SuperClonica. Pelas nossas estimativas para um CPU de desktop de 8 núcleos, uma hora de áudio leva cerca de 7 a 11 minutos com o SuperClonica e de 2 a 4 horas com o VoxCPM 2.

- [Abrir o catálogo de vozes](https://superclonica.com/pt/explore)
- [Guia de instalação do SuperClonica](https://superclonica.com/pt/superclonica)

## Fontes

- [Repositório do VoxCPM (GitHub)](https://github.com/OpenBMB/VoxCPM)
- [Página do modelo VoxCPM2 (Hugging Face)](https://huggingface.co/openbmb/VoxCPM2)
- [Exportação ONNX com dados de CPU](https://github.com/DakeQQ/Text-to-Speech-TTS-ONNX#performance)
- [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)