GUIA

Uma API do Kokoro TTS: própria, de terceiros ou uma alternativa hospedada

O Kokoro-82M é um modelo aberto de texto para fala muito popular: 82 milhões de parâmetros, pesos com licença Apache e, na versão 1.0, 54 vozes em 8 idiomas. A ficha não cita uma API hospedada oficial do autor, então uma «API do Kokoro» significa rodar o modelo no seu servidor ou pagar um provedor terceiro.

Este guia compara essas opções com a API de voz da SuperClonica, que roda outro modelo aberto, o Supertonic 3, como serviço hospedado com 190 vozes de catálogo.

Obter uma chave de API grátis Ouvir as vozes Ou rode o motor você mesmo

Opção 1: hospede o Kokoro você mesmo

Os pesos têm licença Apache, então você pode envolver o modelo no seu próprio servidor HTTP e rodar em CPU ou GPU. Você tem controle total e paga só a máquina, mas cuida do servidor, da escala e das atualizações. A ficha avisa que alguns sites com o nome Kokoro não pertencem ao autor do modelo nem são afiliados a ele.

Opção 2: um provedor terceiro de Kokoro

Segundo a ficha, o Kokoro foi implantado em muitas APIs comerciais e, em abril de 2025, citava preços de mercado abaixo de US$ 1 por milhão de caracteres, cerca de US$ 0,65 e US$ 0,80 em dois provedores — mais ou menos US$ 0,04–0,05 por hora de áudio. Confira você mesmo preço, limites e termos atuais de cada provedor.

Opção 3: a API de voz da SuperClonica

A SuperClonica roda o Supertonic 3, um modelo aberto da mesma faixa de tamanho, como API hospedada. Ela devolve o áudio em streaming a partir de cerca de 300 ms nas nossas medições e dá acesso a 190 vozes de catálogo feitas por autores (personagens, narradores, locutores) e a vozes treinadas com a sua gravação. A cobrança é por tempo: uma chave gratuita dá um minuto por dia, e o Inicial custa US$ 5 por mês para até 216 horas, cerca de US$ 0,023 por hora usado no limite.

Qual escolher

Escolha o Kokoro se precisa de chinês, que o Supertonic 3 ainda não fala, ou das vozes específicas do Kokoro, e não se importa em hospedar ou escolher um provedor. Escolha a SuperClonica se quer muitas vozes prontas de personagens e narradores, vozes próprias treinadas e uma API hospedada com streaming sem manter servidor. Os dois modelos são pequenos e rodam na CPU, então dá para testar cada um localmente antes.