GUIA

Uma alternativa offline ao Yandex SpeechKit

O SpeechKit é a síntese de voz na nuvem da Yandex: 18 vozes em russo, muitas com papéis que vão do neutro ao sussurro, além de inglês, alemão, hebraico, cazaque e uzbeque. Como toda API na nuvem, exige uma conta, cobra por caractere ou por blocos de 250 caracteres e recebe cada texto que você gera.

O motor gratuito SuperClonica oferece o mesmo tipo de peça no seu próprio computador ou servidor. Este guia compara as duas abordagens com honestidade, diz quando o SpeechKit é a melhor escolha e mostra como trocar a chamada da API.

Ver vozes Instalar o motor SuperClonica

SpeechKit em resumo

Para cazaque, uzbeque ou hebraico, para papéis de voz como o sussurro, ou para um serviço gerenciado em grande escala, o SpeechKit é uma escolha forte.

  • 18 vozes em russo, entre elas filipp, ermil, jane, alexander e kirill; muitas têm papéis como neutral, good, evil, strict, friendly e whisper.
  • Idiomas: russo, inglês, alemão, hebraico, cazaque e uzbeque.
  • A API v1 é cobrada por caractere e a v3 por blocos de 250 caracteres; confira os preços atuais no site da Yandex.
  • Vozes próprias são um serviço à parte, o Brand Voice.

Compare o som grátis

Na página de qualquer voz, cole uma frase que você gerou com o SpeechKit, de 30 a 100 caracteres, escolha o idioma e clique no botão para gerar. Em poucos segundos você compara no seu próprio texto, sem conta.

O que a SuperClonica faz diferente

Nos nossos testes, uma frase curta levou 0,43 s em quatro threads de um Ryzen 7 5800X, então um servidor comum dá conta da maioria das cargas.

  • Os textos ficam na sua máquina: nada vai para um provedor, o que importa para documentos médicos, jurídicos e internos.
  • Sem conta por caractere: o custo é o seu próprio hardware, quantas horas você gerar.
  • 31 idiomas, incluindo russo, ucraniano, polonês, inglês, alemão, japonês, coreano, hindi e árabe.
  • Dez vozes padrão, mais de 170 vozes do catálogo e a sua própria voz, treinada uma vez a partir de uma gravação limpa de 5 a 10 segundos.

Troque a chamada da API

Inicie o servidor em qualquer processador: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Quando o GET /health responder, envie um pedido: curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Olá do meu próprio servidor!", "voice": "F1", "lang": "pt"}' -o hello.wav. O POST /synthesize recebe text, voice, lang, seed e normalize, e responde com um WAV mono de 16 bits. Defina SUPERCLONICA_API_KEY para exigir um cabeçalho Authorization e mantenha o servidor atrás de HTTPS ou numa rede privada.

Qual escolher

Escolha o SpeechKit para cazaque, uzbeque ou hebraico, pelos papéis de voz ou se prefere pagar por caractere a manter um servidor. Escolha a SuperClonica quando os textos precisam ficar privados, quando o volume é grande ou imprevisível, quando você precisa dos idiomas europeus e asiáticos que ela acrescenta, ou de uma voz de personagem ou de marca que roda offline.