Testes TTS no navegador que você pode reproduzir
Os números dos fabricantes costumam vir de outro hardware. Aqui cada modelo lê o mesmo texto no seu dispositivo com um clique e medição ao vivo. Referências abaixo.
Modelos ausentes são baixados uma vez e salvos. Os grandes não vêm selecionados: marque-os para incluir o download. Todos leem o mesmo trecho de duas frases com a voz padrão.
Resultados de referência
Demos publicadas, medições dos desenvolvedores e testes próprios. Menor RTF é mais rápido; 1,0 = tempo real. Revisado em julho de 2026.
| Modelo | Hardware / ambiente | RTF | Fonte |
|---|---|---|---|
| Kokoro-82M | M2 MacBook Air (WebGPU, fp32) | 0.2–0.4 | Demonstração de webml-community, 2026 |
| Kokoro-82M | Portátil x86 de gama média (WASM q8, 1 thread) | ≈1.1 | Relatos da comunidade kokoro-js, 2025 |
| Piper (voz de qualidade média) | Portátil x86 de gama média (WASM) | ≈0.11 | Medições de sherpa-onnx / piper, 2025 |
| KittenTTS Nano | Portátil Core i7 (WASM int8) | ≈0.4 | Registo de problemas de KittenML, 2026 |
| Kyutai Pocket TTS | Apple M4 (WASM, transmissão contínua) | ≈0.17 (6× RT) | Notas de lançamento da Kyutai, janeiro de 2026 |
| Chatterbox 0.5B | GPU de desktop da classe RTX (WebGPU q4) | ≈1.0 | Demonstração de Resemble AI transformers.js, 2026 |
Metodologia
- Texto fixo com cerca de 220 caracteres e duas frases, lido pela voz padrão de cada modelo.
- Mede da tokenização ao áudio final, sem download. Primeiras execuções com download têm *.
- Conforme o dispositivo: WebGPU com Kokoro fp32 ou WebAssembly q8/int8.
- RTF = tempo de geração ÷ duração do áudio.
- Tudo roda no seu dispositivo. Os resultados são seus e nunca são enviados.
O tamanho do download e os requisitos estão na página de cada modelo: Kokoro-82M, Piper, KittenTTS Nano, Kyutai Pocket TTS, Supertonic-3, Chatterbox, MOSS-TTS-Nano, Chatterbox Multilingual, OuteTTS-1.0 (0.6B), Orpheus-3B, MOSS-TTS (8.5B).
Perguntas frequentes
O que é RTF (fator de tempo real)?
Tempo de geração dividido pela duração do áudio. RTF 0,5 significa 10 segundos criados em 5, o dobro da velocidade. Abaixo de 1,0 é mais rápido que tempo real; acima, há espera.
Por que meus números diferem da tabela?
Esse é o objetivo. A velocidade depende de CPU/GPU, navegador, WebGPU, temperatura e execução em GPU ou WASM. As referências indicam seu hardware; seu teste, o seu.
A comparação entre modelos é justa?
Cada modelo lê as mesmas duas frases com a voz padrão. O download inicial recebe * para separar execuções frias e aquecidas. É um teste de desempenho, não de qualidade: ouça também.
O teste envia meus resultados para algum lugar?
Não. Os resultados aparecem localmente e você pode copiá-los para compartilhar. Nada é coletado.