Texto em fala para LLMs locais e chatbots
Um modelo de linguagem no seu próprio computador, via Ollama, llama.cpp ou LM Studio, mantém suas conversas privadas. Mandar as respostas para um serviço de voz na nuvem desfaria isso. A voz também deve ser local.
O motor SuperClonica dá voz ao texto offline num processador comum ou numa placa de vídeo NVIDIA, pelo Python ou como um pequeno serviço HTTP. Este guia mostra como ligá-lo a um modelo local, como manter a espera curta e como fazer as respostas soarem bem.
Como se monta um assistente de voz local
Cada parte pode ser trocada sozinha: outro modelo, outra voz, a mesma cadeia.
- Reconhecimento de fala opcional, por exemplo um modelo Whisper local, transforma sua voz em texto.
- O modelo de linguagem escreve a resposta localmente.
- A SuperClonica transforma a resposta em fala, também localmente.
- Nada sai do computador, e não há cobrança por caractere nem por requisição.
Ouça a voz grátis
Antes de escrever código, abra a página de uma voz, escreva uma resposta típica de 30 a 100 caracteres, escolha o idioma e clique no botão para gerar. Em poucos segundos você ouve como seu assistente vai soar, sem conta.
Fale cada frase assim que estiver pronta
Nas nossas medições, uma frase curta levou em mediana 0,12 s numa RTX 5070 Ti e 0,43 s num Ryzen de desktop com quatro threads.
- Instale o motor uma vez: python -m pip install superclonica-cpu, ou superclonica-gpu-cuda para uma placa de vídeo NVIDIA.
- Crie o motor uma vez, tts = Superclonica(), e reutilize: carregar leva alguns segundos, cada frase depois, uma fração de segundo.
- Enquanto o modelo transmite a resposta, corte-a no fim de cada frase e dê voz a ela: audio, rate = tts.synthesize(sentence, voice="F1", lang="pt").
- Toque cada frase enquanto a próxima é gerada, com uma biblioteca de áudio como sounddevice ou salvando e tocando o arquivo.
Respostas que soam bem em voz alta
Modelos gostam de responder em Markdown: asteriscos, listas, tabelas e código que soam estranhos em voz alta. Peça ao modelo no prompt de sistema que responda com frases faladas curtas e simples, sem listas nem formatação, e remova o que sobrar antes de gerar a voz. O motor lê números por extenso na maioria dos idiomas e limpa emojis e símbolos desconhecidos sozinho. Para um programa que não é em Python, rode o motor como serviço HTTP local, docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu, e envie cada frase para POST /synthesize; ferramentas que esperam um endpoint de fala compatível com OpenAI precisam de um pequeno adaptador.
Escolha a voz
As dez vozes padrão do modelo, M1 a M5 e F1 a F5, vêm com o motor gratuito e não precisam de arquivos extras. Para um assistente pessoal com personalidade, escolha uma voz do catálogo, como uma das vozes do Jarvis, e teste antes com uma resposta típica. Para a sua própria voz ou a de um familiar que concordou, treine no estúdio num computador com placa de vídeo NVIDIA ou encomende na bolsa. Todas as vozes falam os 31 idiomas do Supertonic 3; o chinês ainda não é suportado.