Uma alternativa offline ao Google Cloud Text-to-Speech
Google Cloud Text-to-Speech, Amazon Polly e Azure AI Speech são APIs na nuvem: cada requisição envia o seu texto ao provedor, o uso acima de um nível gratuito é cobrado por caractere, e você precisa de conta, chave e internet. A SuperClonica oferece o mesmo tipo de peça, rodando na sua própria máquina.
Esta página compara as duas abordagens com honestidade, diz quando uma API na nuvem é a melhor escolha e mostra como trocar uma chamada na nuvem por uma local.
API na nuvem ou uma voz que você roda
APIs na nuvem são mais fáceis de começar e escalam para qualquer carga; um motor local troca isso por privacidade e custo fixo.
- TTS na nuvem: servidores gerenciados, muitos idiomas e vozes, cobrança por uso e o seu texto enviado ao provedor.
- SuperClonica: uma imagem Docker com endpoint HTTP, uma biblioteca Python e uma ferramenta de linha de comando, tudo local.
- Depois de baixar o modelo uma vez, cerca de 385 MB, o servidor não precisa de internet.
- As vozes são arquivos JSON: as dez embutidas, vozes do catálogo ou uma voz treinada com a sua própria gravação.
Quando uma API na nuvem é a melhor escolha
Escolha uma API na nuvem se você precisa de chinês ou de uma lista enorme de idiomas e variantes regionais, controle por SSML, escalonamento gerenciado com garantias de serviço ou simplesmente não quer manter um servidor. A SuperClonica fala 31 idiomas, não tem SSML e roda em hardware que você administra.
Quando a SuperClonica combina mais
Nos nossos testes, uma frase curta levou 0,12 s numa RTX 5070 Ti e 0,43 s em quatro threads de um Ryzen 7 5800X.
- Os seus textos são privados: anotações médicas, documentos internos, diálogos de um jogo ainda não lançado.
- Você precisa trabalhar offline ou numa rede fechada.
- O seu volume é grande ou imprevisível, e uma cobrança por caractere cresceria junto.
- Você quer vozes de personagens, uma voz de marca treinada com o seu próprio locutor e a mesma voz nos 31 idiomas.
Troque a chamada da API
Inicie o servidor em qualquer CPU: docker run -d --name tts -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Quando GET http://localhost:8000/health responder, envie uma requisição: curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Olá do meu próprio servidor!", "voice": "F1", "lang": "pt"}' -o hello.wav. POST /synthesize aceita text, voice, lang, seed e normalize e responde com um WAV mono de 16 bits. Defina SUPERCLONICA_API_KEY para exigir o cabeçalho Authorization e mantenha o servidor atrás de HTTPS ou numa rede privada. Uma voz própria vai na requisição como o seu objeto JSON.
Custos e licenças
O motor SuperClonica e a imagem Docker são publicados sob a licença Apache 2.0. O modelo Supertonic 3 está sob OpenRAIL-M, uma licença gratuita que permite uso comercial dentro da sua lista de usos proibidos. As vozes embutidas e várias do catálogo são grátis; as outras são compradas uma vez. Confira os preços atuais dos provedores de nuvem nos sites deles antes de comparar.