Texto em fala natural sintetizado no seu dispositivo.

Uma ferramenta gratuita de conversão de texto em fala que gera uma voz com som natural inteiramente no seu navegador com o modelo neural de voz Kokoro. Use-a para rascunhos de narração, locuções de vídeo, aprendizado de idiomas, acessibilidade ou para ouvir o que você escreveu sendo lido em voz alta — sem conta, sem chaves de API e sem preço por palavra.

Dois motores vêm na mesma interface: 28 vozes em inglês americano e britânico com notas oficiais de naturalidade, e 100 vozes em mandarim que leem texto misto chinês–inglês, totalizando 128 vozes. Controle de velocidade, modo de documento longo, filas em lote e histórico local completam o estúdio.

Como funciona

O Kokoro-82M é um modelo neural de TTS compacto e de alta qualidade que roda localmente via Transformers.js, com aceleração WebGPU no Chrome ou Edge e um caminho via WebAssembly nos demais navegadores. O motor em inglês é a versão v1.0 via kokoro-js; o motor em mandarim é a versão v1.1-zh com G2P chinês integrado. As vozes e os pesos do modelo são baixados uma vez e depois ficam em cache; a síntese passa a funcionar offline. Se uma execução em WebGPU falhar em tempo de execução, a ferramenta tenta novamente uma vez em WASM de forma transparente, em vez de mostrar um erro enigmático.

128 vozes e o navegador de vozes

O navegador de vozes foi feito para uma biblioteca desse tamanho: busca por texto completo por nome ou ID, filtros de gênero e sotaque (mandarim, americano, britânico), prévias com frases fixas que reutilizam o áudio em cache, favoritos armazenados no seu dispositivo e uma lista de usados recentemente — além das notas oficiais de naturalidade de A a F que as vozes em inglês trazem. Escolher uma voz a leva de volta diretamente para o sintetizador; não há fila nem chamada de catálogo no servidor.

Modo de documento longo

Você não fica limitado a uma única frase curta. O texto que ultrapassa o limite seguro por chamada é dividido nas fronteiras das frases — com uma alternativa rígida para frases muito longas —, sintetizado bloco a bloco com progresso ao vivo (bloco 3 de 12) e unido com crossfades curtos de ganho igual para que as emendas não produzam estalos. O plano gratuito lê documentos de até 10.000 caracteres; o Pro chega a 100.000. Você pode cancelar uma execução longa a qualquer momento, e uma voz em inglês lendo texto CJK é detectada logo no início com uma dica clara para trocar para uma voz em mandarim.

Formatos, filas em lote e histórico

WAV (16 bits, 24 kHz) pode ser exportado sempre. Navegadores baseados em Chromium também disponibilizam MP3 via WebCodecs; os demais navegadores usam Opus/WebM, e os formatos disponíveis são detectados e rotulados com honestidade, em vez de falhar na hora do clique. O modo em lote coloca até 5 textos na fila no plano gratuito (50 no Pro), pode carregar vários arquivos .txt de uma vez, executa em série com progresso por item e exporta o conjunto individualmente ou em ZIP. O painel de histórico guarda as últimas doze gerações — texto, voz e velocidade — no próprio navegador, para regenerar com um clique, e pode ser limpo a qualquer momento.

Limites e privacidade

Nenhum dos planos tem limite de execuções, cota mensal de caracteres ou marca d’água, e ambos incluem uso comercial; diferem apenas no tamanho por documento (10.000 contra 100.000 caracteres) e no tamanho do lote (5 contra 50 textos). O seu texto nunca sai do navegador — roteiros, notas e rascunhos são privados por construção, o que é o principal motivo para preferir esta ferramenta a uma API de TTS na nuvem quando o material é confidencial.

Perguntas frequentes

Por que as vozes em inglês só leem inglês? A cobertura de fonemas e vocabulário pertence ao motor; o motor mandarim v1.1 é o projetado para chinês e texto misto, e a ferramenta impõe isso em vez de gerar uma fala distorcida.

Posso gerar áudio offline? Sim — uma vez que a voz e o seu modelo estejam em cache, a síntese dispensa conexão.

O MP3 é garantido? Ele está disponível onde houver codificação MP3 no WebCodecs (Chromium); o WAV é o formato universal, e o Opus/WebM é oferecido onde não há MP3.

O plano gratuito é realmente gratuito para locuções comerciais? Sim, sem taxa por uso e sem marca d’água — apenas o tamanho do documento e do lote diferenciam o Pro.