Uma alternativa offline ao texto em fala da OpenAI
O endpoint de fala da OpenAI transformou texto em fala numa única chamada de API. Segundo a documentação da OpenAI, os modelos dele estão obsoletos e serão desligados em 6 de janeiro de 2027, e o substituto funciona por outra API. Se a integração vai ser reescrita de qualquer jeito, é uma boa hora para perguntar se a fala precisa sair dos seus servidores.
O motor gratuito SuperClonica roda o Supertonic 3 como seu próprio serviço HTTP, num processador comum, com vozes padrão, do catálogo ou treinadas. Este guia compara os dois com honestidade e mostra como trocar o endpoint.
Por que trocar agora
As vozes da OpenAI são boas e rápidas de começar; os motivos para trocar são controle e custo, não qualidade.
- Os modelos do endpoint de fala, tts-1, tts-1-hd, gpt-4o-mini-tts, estão obsoletos e serão desligados em 6 de janeiro de 2027.
- O substituto funciona pela Realtime API, outro fluxo de trabalho, então o código muda de qualquer forma.
- Cada requisição envia seu texto para um serviço em nuvem e é cobrada por uso.
- Sem internet e sem chave de API, não há fala.
Compare o som grátis
Na página de qualquer voz, cole uma frase típica do seu aplicativo, de 30 a 100 caracteres, escolha o idioma e clique no botão para gerar. Em poucos segundos você ouve se ela pode substituir a voz que usa hoje, sem conta.
Troque o endpoint
A maioria dos aplicativos chama a fala num só lugar, então a troca costuma ser de poucas linhas.
- Inicie o servidor em qualquer processador: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu.
- Envie POST /synthesize com text, voice e lang; a resposta é um arquivo WAV mono de 16 bits.
- O formato não é compatível com a OpenAI: um pequeno adaptador converte input em text e os nomes das suas vozes em M1–M5, F1–F5 ou nos seus próprios arquivos de voz.
- Defina SUPERCLONICA_API_KEY e mantenha o servidor atrás de HTTPS ou numa rede privada.
Suas próprias vozes
Em vez de um conjunto fixo de vozes embutidas, escolha entre mais de 170 vozes do catálogo, cada uma com demo grátis, ou entre as vozes gratuitas do repositório superclonica/supertonic-voices no GitHub. Para uma voz própria, treine-a no estúdio da SuperClonica a partir de uma gravação limpa de um locutor que concordou, num computador com placa de vídeo NVIDIA, ou encomende na bolsa. O arquivo de voz vai dentro de cada requisição, então o servidor não guarda vozes.
Quando a OpenAI continua melhor
O Supertonic 3 fala 31 idiomas, e o chinês não está entre eles; a fala da OpenAI cobre o chinês e mais idiomas. O motor não aceita instruções escritas sobre o tom: a entonação vem da voz e da pontuação. E uma API hospedada dispensa servidor próprio. Se isso é o que mais importa, fique com a OpenAI; se privacidade, custo e vozes próprias importam mais, hospede a fala você mesmo.