Razo — Voz Piper TTS (pt-BR)
Forjal: www.forjal.com
A voz masculina mais natural em português brasileiro para modelos leves.
Roda em tempo real em qualquer CPU — sem GPU, sem nuvem.
Visão Geral
Razo é uma voz fine-tuned para o Piper TTS em português brasileiro (pt-BR), com foco em fala conversacional natural no domínio de tecnologia e computação.
Entrega timbre agradável, articulação clara de termos técnicos e síntese em tempo real em qualquer CPU — pensado para desenvolvedores que precisam de uma voz brasileira on-device, funcional em qualquer máquina, do Raspberry Pi ao notebook corporativo.
Características
| Propriedade |
Valor |
| Idioma |
Português Brasileiro (pt-BR) |
| Arquitetura |
VITS (TTS fim a fim) |
| Engine de Inferência |
Piper TTS |
| Formato |
ONNX + JSON de mapeamento fonético |
| Taxa de Amostragem |
22.050 Hz |
| Parâmetros |
15,6M |
| Tipo de Locutor |
Single-speaker (masculino) |
| Real-Time Factor |
< 0,1 (latência sub-zero) |
Desempenho
Razo foi projetado para preencher uma lacuna real no ecossistema de TTS em português brasileiro: vozes agradáveis para uso em agentes de IA, assistentes locais e aplicações on-device simplesmente não existem nesse idioma. As opções que entregam qualidade sonora satisfatória — como modelos acima de 600M de parâmetros — exigem hardware dedicado e inviabilizam qualquer uso embarcado ou em CPU. Razo muda esse cenário.
- Timbre agradável — qualidade de voz mais suave e agradável que modelos como o Kokoro para uso contínuo, mesmo dentro das limitações prosódicas esperadas de modelos leves
- Vocabulário técnico — articulação clara de siglas, termos em inglês e jargão de tecnologia que costumam soar mecânicos em outros modelos leves
- Velocidade — uma CPU comum gera 1 segundo de áudio em menos de 100ms, viabilizando aplicações verdadeiramente em tempo real
Sem GPU. Sem nuvem. Sem picos de latência.
Razo roda inteiramente na CPU e se encaixa confortavelmente em dispositivos embarcados, assistentes locais e pipelines de inferência na borda.
Amostras de Voz
| # |
Texto |
Áudio |
| 1 |
Claro! Para quem usa fones de ouvido, o áudio limpo sem ruído de ventilador melhora muito a experiência. |
| 2 |
Você usa alguma ferramenta de inteligência artificial no seu trabalho? |
| 3 |
Se tiver qualquer problema, não hesite em nos procurar. |
Fonemizador
Razo utiliza o espeak-ng (pt-BR) para conversão grafema-fonema, o mesmo fonemizador utilizado em todo o ecossistema Piper. Isso garante compatibilidade total com todas as ferramentas e pipelines Piper padrão.
Como Usar
Com Piper (CLI)
echo "Olá! Como posso te ajudar hoje?" | \
piper --model razo.onnx --output_file saida.wav
Com Piper (Python)
import wave
from piper import PiperVoice
voice = PiperVoice.load("razo.onnx", config_path="razo.onnx.json")
with wave.open("saida.wav", "w") as wav_file:
voice.synthesize("Claro! Aqui está seu resumo.", wav_file)
Requisitos do Sistema
- CPU: Qualquer processador x86-64 ou ARM64
- RAM: ~150 MB em tempo de execução
- SO: Linux, macOS, Windows
- Dependências: Piper TTS runtime, espeak-ng
Casos de Uso
Razo foi desenvolvido para:
- Assistentes de IA conversacionais — especialmente agentes que respondem perguntas sobre tecnologia e hardware
- Pipelines de TTS na borda — inferência local em Raspberry Pi, NUCs e dispositivos Linux embarcados
- Ferramentas de acessibilidade — leitores de tela e interfaces de áudio em português brasileiro
- Ferramentas para desenvolvedores — CLIs, integrações em IDEs, narradores de documentação
- Aplicações em tempo real — qualquer sistema onde latência é uma restrição crítica
Limitações
- Locutor único — Razo representa um perfil de voz masculina; não suporta síntese multi-locutor
- Viés de domínio — o corpus é fortemente voltado para vocabulário de tecnologia e computação; desempenho em domínios muito especializados (jurídico, médico, literário) pode ser inferior
- Taxa de amostragem fixa — 22.050 Hz; upsampling pode introduzir artefatos em pipelines que exigem 44.100 Hz ou superior
Licença
Distribuído sob a Licença MIT.
Consulte LICENSE para mais detalhes.
Construído com Piper TTS · Exportado para ONNX
