GUIA

Uma API do Supertonic 3: na nuvem ou no seu próprio servidor

O Supertonic 3 é um modelo aberto de texto para fala: pequeno, rápido num processador comum e fluente em 31 idiomas. Ele é publicado como arquivos de modelo, então para chamá-lo de um aplicativo por HTTP é preciso um servidor que o rode. Há dois caminhos: uma API hospedada ou o seu próprio servidor.

A SuperClonica oferece os dois. A API de voz roda vozes do Supertonic 3 nos nossos workers, e o motor gratuito roda o mesmo modelo na sua máquina, nas nossas medições cerca de 1,6 vez mais rápido que o código original no processador e 1,7 vez na placa de vídeo.

Obter uma chave de API grátis Ouvir vozes do Supertonic 3 Ou rodar o motor você mesmo

Opção 1: a API hospedada

Entre na SuperClonica com Google ou GitHub, crie uma chave na seção de API do seu espaço de trabalho e envie o texto:

curl -o hello.ogg https://superclonica.com/api/v1/speech -H "Authorization: Bearer $SUPERCLONICA_KEY" -H "Content-Type: application/json" -d '{"text": "Olá do Supertonic 3!", "voice": "F1", "language": "pt"}'

A resposta é o próprio áudio, ogg por padrão, mp3 ou wav se você pedir; com "stream": true ele toca a partir de 300 ms nas nossas medições, seja qual for o tamanho do texto.

  • Grátis: um minuto de áudio por dia.
  • Inicial, US$ 5 por mês: até 216 horas por mês usado sem pausas e todas as vozes do catálogo.
  • Vozes: as dez padrão, as do catálogo feitas por autores e as suas vozes treinadas.
  • Até 20 000 caracteres por solicitação; textos longos são convertidos em partes em vários workers ao mesmo tempo.

Opção 2: o seu próprio servidor

O motor da SuperClonica roda como um servidor Docker gratuito com API HTTP própria, sem chave e sem cota:

docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu

A primeira inicialização baixa o modelo; depois POST /synthesize responde com WAV. O guia sobre a API de texto para fala no Docker cobre configurações, chaves e produção.

Qual escolher

Escolha a API hospedada quando quiser começar em minutos, não tiver servidor nem GPU, precisar de streaming para textos longos ou quiser vozes do catálogo sem lidar com arquivos. Escolha o próprio servidor quando os textos não puderem sair da sua infraestrutura, quando você gerar tanto que o seu hardware sai mais barato, ou quando precisar trabalhar offline. As vozes e o formato da solicitação são parecidos, então trocar depois é uma mudança pequena.

Limites do Supertonic 3

O Supertonic 3 fala 31 idiomas, mas ainda não chinês. A licença OpenRAIL-M permite uso comercial dentro das suas restrições, incluindo regras contra enganos e sobre vozes de pessoas reais. Vozes novas são arquivos de estilo, não clones instantâneos: na SuperClonica você pode treinar uma com a sua própria gravação ou escolher uma no catálogo.