Uma alternativa ao NeuTTS Air em 31 idiomas
O NeuTTS Air, da Neuphonic, é um modelo de texto para fala feito para rodar no aparelho, construído sobre o modelo de linguagem Qwen 0.5B. Ele clona uma voz com cerca de 3 segundos de áudio, vem em GGUF para celulares, notebooks e Raspberry Pi, marca a saída com marca d’água e fala inglês; os modelos NeuTTS-Nano, menores, acrescentam francês, alemão e espanhol.
A SuperClonica roda o Supertonic 3, um modelo aberto de cerca de 99 milhões de parâmetros, em 31 idiomas num processador comum. Este guia compara os dois com honestidade; não medimos o NeuTTS, então não há números de velocidade ou qualidade para ele aqui, só fatos do repositório e da ficha do modelo.
Onde o NeuTTS Air se destaca
A clonagem instantânea com poucos segundos de áudio é o principal recurso, e as versões GGUF facilitam rodar tudo no aparelho. A saída tem marca d’água, útil quando é preciso mostrar que a fala é sintética. O NeuTTS-2E acrescenta controle de emoção em inglês.
Instalação e tamanho
O NeuTTS precisa do espeak-ng instalado para os fonemas, e o modelo Air no Hugging Face pede sua organização e função antes do download. Só a base dele já é um modelo de 0,5B. O Supertonic 3 tem cerca de 99 milhões de parâmetros sem pacotes extras de sistema: instale o motor com python -m pip install superclonica-cpu e rode superclonica --text "Olá" --voice F1 --lang pt --output hello.mp3.
Idiomas e vozes prontas
O NeuTTS cobre inglês, espanhol, alemão e francês conforme o modelo. O Supertonic 3 fala 31 idiomas, do polonês e do tcheco ao japonês, ao coreano e ao hindi, e cada voz fala todos. A SuperClonica soma cerca de 190 vozes de catálogo, de narradores a personagens de games e anime, cada uma comprada uma vez; as dez vozes padrão são grátis e de uso comercial.
Qual escolher
Escolha o NeuTTS Air para clonar rápido a partir de um trecho curto, marca d’água ou uma voz em inglês no celular. Escolha a SuperClonica para 31 idiomas na CPU, vozes de personagens prontas, vozes treinadas no estúdio com uma gravação mais longa e uma API de voz com 3 minutos grátis por dia.