Uma alternativa ao MeloTTS e ao OpenVoice em 31 idiomas
O MeloTTS e o OpenVoice, ambos da MyShell e com licença MIT, formam uma dupla popular: o MeloTTS fala rápido o bastante para tempo real num processador, e o OpenVoice copia o timbre de um clipe de referência para a sua fala. Juntos cobrem seis idiomas, e os repositórios foram atualizados pela última vez em 2024 e 2025.
O motor gratuito SuperClonica também roda num processador comum, fala 31 idiomas e vem com um catálogo de vozes prontas. Este guia compara todos com honestidade e diz quando o MeloTTS ou o OpenVoice são a melhor escolha.
MeloTTS e OpenVoice em resumo
Para chinês, sotaques regionais do inglês ou cópia instantânea de timbre, a dupla é uma boa escolha aberta.
- MeloTTS: inglês com sotaque americano, britânico, indiano e australiano, espanhol, francês, chinês misturado com inglês, japonês e coreano.
- O MeloTTS é rápido o bastante para fala em tempo real num processador.
- O OpenVoice V2 copia o timbre de um clipe de referência na hora de gerar e suporta nativamente inglês, espanhol, francês, chinês, japonês e coreano.
- Os dois usam a licença MIT.
Compare o som grátis
Na página de qualquer voz, cole uma frase que você gerou com o MeloTTS ou o OpenVoice, 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
Ela também roda 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, alemão, russo, italiano, polonês, holandês, turco, hindi e árabe; o chinês não está entre eles.
- Vozes prontas: dez vozes padrão e mais de 170 vozes no catálogo com demo grátis.
- 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.
Copiar um timbre ou treinar uma voz
O OpenVoice adiciona um timbre de referência a cada geração. 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 MeloTTS para chinês misturado com inglês ou para escolher entre sotaques do inglês, e o OpenVoice quando precisar copiar um timbre de um clipe na hora. Escolha a SuperClonica para português, alemão, russo, italiano e os outros idiomas que a dupla não fala, para vozes prontas de personagens e narradores e para uma única instalação simples de fala e vozes.