Was ist Underdog Woof?
Underdog Woof ist ein kleines englisches Text-to-Speech-Modell von Conway Research, der von a16z finanzierten Firma hinter dem On-Device-Assistenten Underdog, veröffentlicht am 5. November 2026. Es hat zwei Stimmen, Juno und Mira, beide in einer einzigen int8-Gewichtsdatei von 40,6 MB, und erzeugt Mono-Audio mit 24 kHz. Es hat 38,24 Millionen Parameter: ein Sprachmodell mit 22,95 Millionen Parametern und einen Audio-Decoder, der aus Kyutais Codec Mimi abgeleitet ist.
Es läuft auf einer Laptop-CPU mit nichts außer numpy. Ein eingebauter regelbasierter Normalisierer schreibt Telefonnummern, Daten, Preise und Codes so um, wie Menschen sie sprechen, lange Texte werden in Sätze geteilt, und jedes Stück wird bis zu dreimal neu erzeugt, wenn es zu lang gerät oder eine Pause enthält. Eine Version mit einer Stimme und 31,7 MB läuft im Browser unter underdog.ai/woof.
Die Lizenz ist Underdogs eigene Non-Commercial License 1.0. Private Nutzung, Forschung, Lehre und gemeinnützige Arbeit sind mit Namensnennung kostenlos; jede kommerzielle Nutzung, auch die interne Arbeit einer Firma, braucht eine kostenpflichtige Lizenz, deren Preis nicht veröffentlicht ist. Dieses Modell kann nur Englisch und klont keine Stimmen; ein separates japanisches Woof erschien am 10. November auf Hugging Face.
Was kostet Underdog Woof?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Non-commercial | Free | Private Nutzung, Forschung, Lehre und gemeinnützige Arbeit, mit Namensnennung |
| Commercial licence | Not published | Jede geschäftliche oder auf Gewinn ausgerichtete Nutzung; 30 Tage interne Evaluierung erlaubt |
Kostenlos für nichtkommerzielle Nutzung mit Namensnennung unter der Underdog Non-Commercial License 1.0. Für jede geschäftliche Nutzung ist eine kommerzielle Lizenz nötig; Preis nicht veröffentlicht. Kostenlos in Underdogs eigenen Apps.
Lohnt sich Underdog Woof?
Woof setzt auf Genauigkeit bei einer Größe, die kaum ins Gewicht fällt. Auf Gradiums TTS Hard Cases, 500 englischen Sätzen voller Zahlen, Codes und schwieriger Namen, meldet Underdog für die Stimme Mira eine Wortfehlerrate von 1,42%, gegenüber 5,17% für Kokoro 82M, 9,81% für das einzige kleinere getestete Modell, Kitten Nano 0.8, und 1,89% für Fish Audio Drama 3, einen Download von 41,5 GB. Ein Modell, das 1.022-mal kleiner ist, macht also weniger Wortfehler.
Diese Zahlen sind eine Behauptung. Underdog hat jedes Modell selbst laufen lassen und bewertet: qwen3.8-omni-flash transkribierte das Audio, gemma-4-31b-it zählte die Fehler. Die Wortfehlerrate misst, ob die Wörter stimmen, nicht ob die Stimme natürlich klingt, und es gibt weder einen unabhängigen Hörtest noch ein Arena-Ranking.
Der praktische Vorteil ist das Tempo. Die Stimme Juno läuft auf einem einzigen CPU-Thread eines Apple M5 Max 13,8-mal schneller als Echtzeit bei höchstens 402 MB Speicher, Mira 7,2-mal. Es braucht weder GPU noch Server noch API-Schlüssel, damit passt es zu Offline-Apps, Kiosken und Barrierefreiheitswerkzeugen auf bescheidener Hardware.
Der Haken: die Lizenz. Jede Nutzung durch oder für eine Firma gilt als kommerziell, auch der interne Betrieb, und braucht eine schriftliche Lizenz von Underdog zu einem unveröffentlichten Preis. Jeder veröffentlichte Clip muss Underdog Woof nennen, Apps müssen "Voice by Underdog Woof" zeigen, und du darfst mit dem Audio kein anderes Sprachmodell trainieren. Es gibt zwei englische Stimmen und kein Stimmenklonen.
Unser Fazit: Für ein Hobbyprojekt, einen Forschungsprototyp oder eine gemeinnützige Vorlese-App ist Woof auf dem Papier die genaueste Stimme unter 50 MB. Für ein Produkt gewinnt Kokoros Apache-2.0-Lizenz das Argument, bevor die Qualität überhaupt zählt.
Wo es sich lohnt
Der Entwickler einer kostenlosen Offline-Lese-App für eine Alphabetisierungsinitiative
Bücher und Aushänge auf günstigen Android-Tablets ohne Netz vorlesen
Die zweistimmige Datei mit 40,6 MB ausliefern (das einstimmige Modell mit 31,7 MB läuft nur in Underdogs Browser-Demo); gemeinnützige Nutzung ist kostenlos, wenn die App "Voice by Underdog Woof" mit Link zeigt. ONNX- und Rust-Portierungen aus der Community gibt es, sie sind aber inoffiziell.
Eine Sprachforscherin, die winzige TTS-Modelle vergleicht
Die Verständlichkeit von Modellen unter 100 MB bei schwierigem Text vergleichen
python -m underdog_woof über die 500 Gradium-Sätze laufen lassen und mit eigener Spracherkennung bewerten, denn Underdogs 1,42% stammen aus der eigenen Pipeline. Forschung ist kostenlos; ein anderes Sprachmodell mit Woof-Audio zu trainieren ist verboten.
Ein Produktmanager bei einem Softwareanbieter für Callcenter
Bestell- und Telefonnummern in einem lokal betriebenen Voicebot vorlesen
Der eingebaute Normalisierer verarbeitet Nummern wie 415-555-0199 und Uhrzeiten wie 5:30 p.m. Firmennutzung ist kommerziell, also nach der 30-tägigen Evaluierung eine Lizenz über license@conway.tech einplanen.
Bevor du dich festlegst
- Einrichtung
- pip install numpy, das Repository mit hf download laden, dann python -m underdog_woof "text" -o out.wav ausführen. Mit einem Seed entsteht wiederholbares Audio.
- Integrationen
- Python-API (Woof(voice="mira")), die float32-Audio mit 24 kHz liefert; Kommandozeile. Community-Projekte bieten eine Rust-Portierung mit Server im OpenAI-Stil, eine Docker-HTTP-API und Android-ONNX-Builds, keines davon von Underdog unterstützt.
- Daten und Datenschutz
- Läuft lokal, der Text verlässt den Rechner also nie. Die Lizenz verbietet kommerzielle Nutzung ohne schriftliche Lizenz, das Training von Sprach- oder Audiomodellen mit den Ausgaben und Stimmimitation ohne Einwilligung.
- Kosten im großen Maßstab
- Für nichtkommerzielle Arbeit kostenlos auf jeder CPU, mit etwa 402 MB Speicher pro Juno-Prozess. Gebühren für die kommerzielle Lizenz sind nicht veröffentlicht; Anfrage an license@conway.tech.
- Grenzen
- Nur Englisch, zwei feste Stimmen, Mono mit 24 kHz. Sätze über 120 Zeichen werden an Satzzeichen geteilt; kein veröffentlichter Natürlichkeitswert; trainiert mit LibriTTS-R und Emilia-YODAS.
Was gut ist
- 40,6 MB für zwei Stimmen; läuft nur mit numpy
- Wortfehlerrate von 1,42% auf Gradiums schweren Fällen (Herstellerangabe)
- 13,8-fache Echtzeit auf einem CPU-Thread
- Liest Zahlen, Daten und Codes so, wie Menschen sie sprechen
Was nicht
- Nichtkommerzielle Lizenz; geschäftliche Nutzung braucht eine kostenpflichtige Lizenz, Preis unveröffentlicht
- Alle Benchmarks von Underdog selbst gefahren und bewertet
- Nur Englisch (Japanisch ist ein eigenes Modell), zwei Stimmen, kein Klonen
- Namensnennung in jedem veröffentlichten Clip und jeder App Pflicht
Am besten für
Hobbyentwickler, Forschende und gemeinnützige Organisationen, die eine klare englische Stimme wollen, die offline auf jeder Laptop-CPU läuft.
Alternativen zu Underdog Woof
Underdog Woof: häufige Fragen
- Lohnt sich Underdog Woof?
- Woof ist laut Underdogs eigenem Test die genaueste Sprachausgabe, die in 40 MB passt, und die Lizenz hält es von fast jeder geschäftlichen Nutzung fern, ohne vorher mit dem Vertrieb zu sprechen. Wir bewerten es mit 3.6 von 5.
- Was kostet Underdog Woof?
- Kostenlos für nichtkommerzielle Nutzung mit Namensnennung unter der Underdog Non-Commercial License 1.0. Für jede geschäftliche Nutzung ist eine kommerzielle Lizenz nötig; Preis nicht veröffentlicht. Kostenlos in Underdogs eigenen Apps.
- Welche Nachteile hat Underdog Woof?
- Nichtkommerzielle Lizenz; geschäftliche Nutzung braucht eine kostenpflichtige Lizenz, Preis unveröffentlicht; Alle Benchmarks von Underdog selbst gefahren und bewertet; Nur Englisch (Japanisch ist ein eigenes Modell), zwei Stimmen, kein Klonen; Namensnennung in jedem veröffentlichten Clip und jeder App Pflicht.
- Für wen eignet sich Underdog Woof?
- Hobbyentwickler, Forschende und gemeinnützige Organisationen, die eine klare englische Stimme wollen, die offline auf jeder Laptop-CPU läuft.
- Was kostet Underdog Woof für ein Team oder im Produktivbetrieb?
- Für nichtkommerzielle Arbeit kostenlos auf jeder CPU, mit etwa 402 MB Speicher pro Juno-Prozess. Gebühren für die kommerzielle Lizenz sind nicht veröffentlicht; Anfrage an license@conway.tech.
- Ist Underdog Woof sicher für Firmendaten?
- Läuft lokal, der Text verlässt den Rechner also nie. Die Lizenz verbietet kommerzielle Nutzung ohne schriftliche Lizenz, das Training von Sprach- oder Audiomodellen mit den Ausgaben und Stimmimitation ohne Einwilligung.
- Was sind die besten Alternativen zu Underdog Woof?
- Die nächsten Alternativen, die wir getestet haben, sind Kokoro-82M, KittenTTS 2, NeuTTS (Air, Nano, 2E) und Qwen3-TTS.
Antworten geprüft am 11. Nov. 2026.