tiny-voca: modelo TTS de 18 MB roda no navegador
tiny-voca é um modelo leve de síntese de voz em inglês, treinado apenas com fala sintética e criado por US$ 9,56.
Surgiu um modelo compacto de texto para fala chamado tiny-voca. Ele foi treinado apenas com fala sintética, mas o resultado é bastante bom.
As vozes masculina e feminina foram criadas e narradas por Qwen3-TTS. O modelo pesa 18 MB e roda no navegador em qualquer dispositivo. Por enquanto, ele fala apenas inglês.
Todo o desenvolvimento custou US$ 9,56 ao autor — menos que uma pizza.
A demo pode ser testada gratuitamente aqui, e o modelo está disponível no Hugging Face.
Por que isso importa
AnáliseMostra que modelos TTS muito pequenos podem gerar voz útil sem infraestrutura pesada.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Síntese de Voz Moderna (Text-to-Speech / TTS)
Tecnologia de geração artificial da fala humana a partir de texto impresso. Os modelos TTS modernos baseados em redes neurais (ElevenLabs, OpenAI Audio, Chatterbox) reproduzem entonações naturais, ênfases lógicas, respiração, timbre e colorido emocional, indistinguíveis de um locutor humano.
Jev e System One AI: guia prático completo sobre o modelo de decisão da TypeSafe
Análise técnica aprofundada do modelo principal Jev: arquitetura System One versus LLM, primitivos Choice/Score/Noul, paralelismo de requisições, matemática da confiança, casos de vídeo, código e visão geral de alternativas open-weight locais (Laya, GLiNER2.5, CLM-8B).
Resumo de IA: rumores sobre o CEO da NVIDIA, novos modelos Gemini, Kimi e MiniMax
Principais novidades de IA de 2 a 15 de novembro: rumores sobre a saída de Jensen Huang, modelos Gemini e Kimi, geração de imagens e vídeos e a console retrô da OpenAI.
Atualização da ElevenLabs: visão geral das novas ferramentas e gerenciamento de voz
Guia completo sobre geração de fala na ElevenLabs: visão geral dos modelos (v3, Multilingual v2, Flash, Turbo), tags de áudio para entonação, fonemas IPA/Arpabet, dicionários PLS e regras de normalização de texto.