# Coqui XTTS-v2 ou SuperClonica: uma alternativa ao Coqui TTS

Atualizado 2026-10-23

O XTTS-v2 é o modelo de clonagem de voz da Coqui, lançado junto com a biblioteca de código aberto Coqui TTS. A partir de um trecho curto de referência, ele fala com aquela voz em 17 idiomas, português incluído, e consegue levar uma voz de um idioma para outro.

Se você pensa em construir algo em cima dele hoje, duas coisas importam: o repositório original coqui-ai/TTS não é mais mantido, e a licença dos pesos do XTTS não permite uso comercial. Se você procura uma alternativa ao Coqui TTS, veja como o SuperClonica se compara. O XTTS não está na nossa tabela comparativa, então não damos números de velocidade nem de qualidade para ele.

## O que o XTTS-v2 faz

O XTTS-v2 clona uma voz com poucos segundos de áudio: a página do modelo fala em um trecho de 6 segundos, a documentação em 3. Ele fala inglês, espanhol, francês, alemão, italiano, português, polonês, turco, russo, holandês, tcheco, árabe, chinês, japonês, húngaro, coreano e hindi, gera áudio em 24 kHz e transfere emoção e estilo da referência.

Ele faz streaming, e os autores falam em latência abaixo de 200 ms sem dizer em qual hardware. Os exemplos da documentação rodam em CUDA, e há código para ajuste fino.

## Licença do XTTS: por que o uso comercial fica de fora

Os pesos do XTTS-v2 estão sob a Coqui Public Model License. Ela só permite uso não comercial e vale não só para o modelo, mas também para o áudio gerado: a partir do momento em que você recebe pagamento, direto ou indireto, pelo modelo ou pelo que ele gera, já está fora da licença. Empresas só podem usá-lo para testes, avaliação e pesquisa não comercial.

O código do Coqui TTS em si está sob MPL-2.0, então o obstáculo não é o código, e sim os pesos. O Supertonic 3 usa a OpenRAIL-M, uma licença livre de royalties com uma lista de usos proibidos no lugar de uma cláusula não comercial. As vozes compradas no SuperClonica são para os seus próprios projetos e não podem ser revendidas.

## O Coqui TTS hoje

O repositório original coqui-ai/TTS não é mais mantido. O Idiap mantém um fork publicado no PyPI como coqui-tts, com pacotes prontos para Linux, macOS e Windows e novidades como cache de vozes clonadas. Os pesos do XTTS-v2 e a licença deles continuam os mesmos.

## Clonar a cada pedido ou um arquivo de voz treinado

O XTTS reconstrói a voz a partir do trecho de referência a cada pedido, então o resultado depende do áudio que você passa. O SuperClonica treina a voz uma vez em um arquivo do Supertonic 3: uma gravação limpa de 5 a 10 segundos com a transcrição exata, a sua própria GPU NVIDIA, sem custo. Você também pode encomendar a voz de um autor ou escolher uma no catálogo.

Depois, o arquivo roda offline em um processador comum. Pela nossa estimativa, o SuperClonica converte texto em fala de 6,4 a 9,7 vezes mais rápido que o tempo real em um CPU de desktop com 8 núcleos: uma frase de 10 segundos em cerca de 1,0–1,6 segundo.

## Quando o XTTS-v2 é a melhor escolha

Escolha o SuperClonica para projetos pagos, computadores sem GPU e vozes que você quer guardar como arquivo. O XTTS-v2 ainda serve nestes casos:

- Projetos pessoais, de pesquisa ou hobby, em que a licença não comercial não atrapalha.
- Clonar voz na hora com poucos segundos de áudio, sem treino.
- Fala em chinês, que o Supertonic 3 ainda não tem.
- Fluxos que já foram construídos sobre a biblioteca Coqui TTS.

## 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)
- [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)
- [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

### Posso usar o XTTS-v2 comercialmente?

Não com a licença dele. A Coqui Public Model License só permite uso não comercial do modelo e do áudio gerado. O código do Coqui TTS está sob MPL-2.0, mas isso não muda os termos dos pesos.

### O Coqui TTS ainda é mantido?

O repositório original coqui-ai/TTS não. Um fork do Idiap continua a biblioteca no PyPI com o nome coqui-tts.

### Qual é uma alternativa ao Coqui TTS para clonar voz comercialmente?

Uma opção é uma voz do Supertonic 3 treinada com a sua gravação e rodando no SuperClonica: o modelo está sob OpenRAIL-M e a voz é um arquivo que fica com você. Se você precisa de clonagem instantânea, leia com atenção as licenças de outros modelos; os pesos oficiais do F5-TTS, por exemplo, também são não comerciais.

### O XTTS-v2 precisa de GPU?

Os exemplos oficiais rodam em CUDA, e a documentação não traz números para CPU. Segundo os autores, o Supertonic 3 não precisa de GPU, e o SuperClonica roda as vozes dele em um processador comum.

- [Ver vozes prontas](https://superclonica.com/pt/explore)
- [Instalar o SuperClonica](https://superclonica.com/pt/superclonica)

## Fontes

- [Página do modelo XTTS-v2 (Hugging Face)](https://huggingface.co/coqui/XTTS-v2)
- [Coqui Public Model License](https://huggingface.co/coqui/XTTS-v2/blob/main/LICENSE.txt)
- [Documentação do XTTS (coqui-tts)](https://coqui-tts.readthedocs.io/en/latest/models/xtts.html)
- [Fork do Coqui TTS pelo Idiap (GitHub)](https://github.com/idiap/coqui-ai-TTS)
- [Repositório original coqui-ai/TTS](https://github.com/coqui-ai/TTS)
- [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)