Em resumo (BLUF): A conversão de texto em fala transforma o texto digitado em voz diretamente no seu navegador: insira o texto, escolha um idioma e uma voz e obtenha um arquivo de áudio. O texto e o áudio nunca saem do seu dispositivo, nenhum token é cobrado e não há API pago aqui. O modelo conhece 600+ idiomas e uma voz pode ser clonada a partir do seu próprio áudio – um arquivo carregado ou uma gravação de microfone. O resultado é reproduzido no player e baixado como um arquivo WAV.
É uma síntese de fala: entra o texto, sai o som. Use-o para dublar um vídeo com sua própria voz ou com uma voz escolhida, criar um rascunho de trilha de narração, verificar como um texto soa em outro idioma ou simplesmente ouvir um artigo longo em vez de lê-lo.
A entrega é controlada com uma instrução de texto: leitura calma, sussurro, alegria ou tristeza. A emoção é definida junto com o texto e não com controles deslizantes, então o resultado parece mais natural.
A ferramenta vem com uma biblioteca de vozes prontas – masculinas e femininas, com timbres diferentes. Escolha um idioma e uma voz e comece a expressar.
Se você precisar de sua própria voz, clone-a a partir de uma pequena amostra: carregue um arquivo de áudio ou grave de 15 a 30 segundos no microfone. A ferramenta analisa a amostra e adiciona a voz à sua lista — depois ela é escolhida como qualquer outra. As vozes criadas são mantidas no navegador e sobrevivem ao recarregamento da página.
O texto e o áudio nunca saem do seu computador: nenhuma linha vai para o nosso servidor ou para qualquer outra pessoa. O modelo é carregado no navegador uma vez (cerca de 3 GB de pesos) e então retirado do cache, enquanto o cálculo é executado em sua placa gráfica até WebGPU. Se a placa gráfica não estiver disponível, o mecanismo honestamente recorre ao processador e informa sobre isso – que é visivelmente mais lento.
Nenhum token é cobrado pela fala: é uma ferramenta gratuita que roda no seu hardware, não no nosso.
O campo de entrada contém até 20.000 caracteres. O texto longo é dividido em partes nos limites das frases e pronunciado uma após a outra com pausas curtas – o ritmo permanece uniforme, independentemente da duração, e nada é perdido no final. A barra de progresso mostra qual parte está sendo lida.
Você pode cancelar a qualquer momento: após o cancelamento, uma nova execução é iniciada imediatamente, sem recarregamento da página.
A ferramenta funciona melhor em Chrome ou Edge em um desktop, onde WebGPU está disponível. Em navegadores sem WebGPU a voz é gerada no processador (WASM): ainda funciona, mas visivelmente mais lento, especialmente para textos longos.
A primeira execução demora mais: os pesos são baixados e a voz é aquecida para que o primeiro resultado já soe limpo. As execuções posteriores são muito mais rápidas.
Sim. O modelo e seus pesos são carregados no navegador e o cálculo é executado no seu dispositivo. O texto, a gravação do microfone e o áudio resultante nunca são carregados — a ferramenta não possui nenhum API pago.
Nada. Não são cobrados tokens: é uma ferramenta gratuita que computa no seu computador.
Sim. O campo de entrada contém até 20.000 caracteres e o texto longo é exibido em partes consecutivas para que nada seja perdido.
Carregue um arquivo de áudio com uma amostra de voz ou grave de 15 a 30 segundos no microfone. A ferramenta analisa a amostra e a voz aparece na sua lista – você pode expressar qualquer texto com ela.
Isso significa que o navegador não pôde usar a placa gráfica (WebGPU) e o motor mudou para o processador – mais lento, mas o mesmo resultado. Você pode recarregar a página e tentar novamente: a placa gráfica geralmente estará livre nessa altura.
600+ idiomas. Você pode escolher o idioma manualmente ou deixar a detecção automática ativada.