Uma alternativa ao GPT-SoVITS em 31 idiomas
O GPT-SoVITS é um dos projetos de clonagem de voz de código aberto mais populares: uma amostra de 5 segundos para clonar na hora, cerca de um minuto de fala para ajuste fino e uma WebUI com ferramentas para preparar dados. Ele também cobre cinco idiomas, e uma boa voz costuma exigir preparar dados num computador com placa de vídeo.
O motor gratuito SuperClonica roda o modelo Supertonic 3 em 31 idiomas num processador comum, com um catálogo de vozes prontas. Este guia compara os dois com honestidade e diz quando o GPT-SoVITS é a melhor escolha.
GPT-SoVITS em resumo
É uma ferramenta excelente para vozes em chinês e japonês e para quem gosta de preparar datasets.
- Clonagem sem treino a partir de uma amostra de 5 segundos, e ajuste fino com cerca de um minuto de fala.
- Cinco idiomas: chinês, inglês, japonês, coreano e cantonês.
- Uma WebUI com ferramentas para separar vozes, cortar gravações e rotular dados de treino.
- Licença MIT, desenvolvimento ativo; rápido em placas de vídeo NVIDIA, mais lento em processadores.
Compare o som grátis
Na página de qualquer voz, cole uma frase que você gerou com o GPT-SoVITS, de 30 a 100 caracteres, escolha o idioma e clique no botão para gerar. Em poucos segundos dá para comparar, sem conta.
O que a SuperClonica faz diferente
A voz é gerada num processador comum: nos nossos testes, uma frase curta levou 0,43 s em quatro threads de um Ryzen 7 5800X.
- 31 idiomas, incluindo português, espanhol, alemão, francês, russo, italiano, polonês e hindi; chinês e cantonês não estão entre eles.
- Vozes prontas: dez vozes padrão e mais de 170 vozes no catálogo com demo grátis, sem dataset.
- Cada voz é um arquivo JSON de cerca de 0,3 MB e fala todos os idiomas do modelo.
- Instale com um comando: python -m pip install superclonica-cpu, ou use a imagem Docker com API HTTP.
Sua própria voz
O GPT-SoVITS imita uma voz a partir de uma amostra na hora de gerar. Na SuperClonica, uma voz é treinada uma vez no estúdio a partir de uma gravação limpa de 5 a 10 segundos, num computador com placa de vídeo NVIDIA, ou encomendada na bolsa a um autor que a treina. Depois ela roda em qualquer processador e nos 31 idiomas, com um traço do sotaque da gravação original. Clone só vozes cujos donos concordaram.
Qual escolher
Escolha o GPT-SoVITS para vozes em chinês, cantonês e japonês, para clonar na hora a partir de uma amostra e se tiver uma placa de vídeo NVIDIA. Escolha a SuperClonica para idiomas europeus e os demais suportados, para vozes prontas de personagens e narradores e para uma implantação simples em servidores comuns. Nada impede usar os dois: um para chinês e cantonês, o outro para o resto.