O que é NeuTTS (Air, Nano, 2E)?
O NeuTTS é uma família de modelos pequenos de texto para fala da Neuphonic, feitos para rodar no dispositivo e não na nuvem. O NeuTTS Air, lançado em outubro de 2025, tem cerca de 360 milhões de parâmetros ativos (552 milhões com embeddings) e fala inglês. O NeuTTS Nano, com cerca de 120 milhões ativos, tem versões em inglês, francês, alemão e espanhol. O NeuTTS-2E, publicado em julho de 2026, adiciona seis emoções com quatro vozes fixas em inglês e sem clonagem.
Cada modelo combina um pequeno modelo de linguagem com o codec de áudio NeuCodec da Neuphonic e é distribuído em arquivos GGUF Q8 e Q4 para o llama.cpp. O Air e o Nano clonam uma voz com cerca de 3 segundos de áudio limpo. Toda saída leva a marca d'água Perth por padrão. O Air é Apache 2.0; o Nano e o 2E usam a NeuTTS Open License, gratuita para uso comercial apenas abaixo de $5 milhões de receita anual.
NeuTTS (Air, Nano, 2E) vale a pena?
O NeuTTS é para quando a fala precisa ficar no dispositivo: um brinquedo, um totem, um app sensível à privacidade. Os números da Neuphonic colocam o modelo Nano em Q4 em 45 tokens por segundo num celular Galaxy A25 e 221 na CPU de um notebook com Ryzen 9, com a ressalva de que contam só o modelo de linguagem, não o codec que gera o áudio. Clonar com cerca de 3 segundos de áudio o coloca à frente do Kokoro e do Phonon, que só trazem vozes fixas.
O custo em qualidade aparece nas comparações públicas. O teste cego da Gradium com modelos para dispositivo deu ao NeuTTS 2.034 de Elo, contra 2.043 do Kokoro e 2.098 do Phonon 31M, com taxa de erro de palavras de 8,7% em frases difíceis, contra 3,5% e 1,5%. A API hospedada da Neuphonic, que é outro produto, está em 91º de 104 na arena da Artificial Analysis, com 942 de Elo.
Em segurança, ele se sai melhor que a maioria dos modelos abertos. A marca d'água Perth é aplicada a cada trecho por padrão, como no Chatterbox. Uma armadilha: instalar a partir do código com uv sync desliga a marca d'água porque as dependências dela não instalam, enquanto pip install a mantém. Consentimento não é tratado além de um pedido de uma linha para não usar o modelo de forma indevida.
O porém: as licenças mudam dentro da família. Só o Air é Apache 2.0; os modelos Nano multilíngues e o 2E emocional ficam sob a NeuTTS Open License, que exige licença paga a partir de $5 milhões de receita, somando afiliadas. O contexto de 2.048 tokens cobre cerca de 30 segundos de áudio, incluindo o prompt de referência, então texto longo precisa ser dividido.
Nossa opinião: o NeuTTS merece seu espaço em hardware e apps offline em que uma voz clonada precisa funcionar sem rede; para tudo o que pode chamar um servidor, modelos maiores soam melhor pelo mesmo dinheiro.
Onde ele se destaca
Um fabricante de brinquedos que cria um bichinho falante com a voz gravada de um dos pais
Contar histórias de dormir nessa voz sem enviar áudio para um servidor
Grave de 3 a 15 segundos do pai ou da mãe, codifique uma vez e rode o GGUF Q4 do Air no processador do brinquedo. A licença Apache 2.0 do Air evita o limite de receita; a marca d'água identifica cada trecho.
A equipe de um app de saúde com regras rígidas de dados
Ler instruções para pacientes em francês, alemão ou espanhol no dispositivo
Rode o modelo Nano correspondente com um trecho de referência no mesmo idioma, para que nenhum texto saia do celular. Uma empresa com menos de $5 milhões de receita pode lançar de graça; acima disso, reserve verba para uma licença da Neuphonic.
Um desenvolvedor de totens com Raspberry Pi
Dar a uma tela de informações uma voz natural em inglês com alguma emoção
O NeuTTS-2E oferece quatro vozes fixas e sete ajustes de emoção, incluindo neutro, escolhidos por um argumento; use o decodificador ONNX e a base GGUF para reduzir a latência.
Antes de decidir
- Configuração
- pip install neutts (adicione o extra llama para GGUF e o extra onnx para o decodificador ONNX); os trechos de referência devem ter de 3 a 15 segundos, mono, em .wav limpo. O streaming só funciona com modelos GGUF.
- Integrações
- Pacote Python, llama.cpp via llama-cpp-python, decodificadores ONNX, demos no Hugging Face Spaces; a Neuphonic também vende uma API de TTS hospedada separada.
- Dados e privacidade
- Roda localmente, então texto e trechos de voz ficam no dispositivo. Marca d'água Perth ligada por padrão na instalação com pip. Sem verificação de consentimento além de 'Don't use this model to do bad things'.
- Custo em escala
- O Air é gratuito em qualquer escala. Nano e 2E são gratuitos abaixo de $5 milhões de receita anual somando afiliadas; o preço da licença paga não é publicado.
- Limites
- Contexto de 2.048 tokens, cerca de 30 segundos de áudio com o prompt; só inglês no Air e no 2E; as velocidades de benchmark excluem o codec; a saída é aleatória a menos que se fixe uma semente.
O que é bom
- Roda em celulares, notebooks e Raspberry Pi via GGUF
- Clona uma voz com cerca de 3 segundos de áudio
- Marca d'água Perth em todo trecho por padrão
- Air sob Apache 2.0
O que não é
- 8,7% de erro em frases difíceis no teste da Gradium, contra 1,5% do Phonon
- Nano e 2E exigem licença paga a partir de $5 milhões de receita
- Contexto de 2.048 tokens, cerca de 30 segundos de áudio
- Instalar com uv sync remove a marca d'água sem aviso
Ideal para
Fabricantes de hardware e apps que precisam de clonagem de voz offline em celulares ou placas embarcadas, com marcação de procedência embutida.
Alternativas ao NeuTTS (Air, Nano, 2E)
NeuTTS (Air, Nano, 2E): perguntas frequentes
- NeuTTS (Air, Nano, 2E) vale a pena?
- O NeuTTS leva a clonagem de voz para um celular ou um Raspberry Pi com marca d'água incluída, ao custo de soar como um modelo pequeno. Damos nota 3.6 de 5.
- Quanto custa NeuTTS (Air, Nano, 2E)?
- O Air é gratuito sob Apache 2.0. O Nano e o 2E são gratuitos para pesquisa e para empresas com menos de $5 milhões de receita anual; acima disso, é preciso uma licença paga.
- Quais são as desvantagens de NeuTTS (Air, Nano, 2E)?
- 8,7% de erro em frases difíceis no teste da Gradium, contra 1,5% do Phonon; nano e 2E exigem licença paga a partir de $5 milhões de receita; contexto de 2.048 tokens, cerca de 30 segundos de áudio; instalar com uv sync remove a marca d'água sem aviso.
- Para quem NeuTTS (Air, Nano, 2E) é indicado?
- Fabricantes de hardware e apps que precisam de clonagem de voz offline em celulares ou placas embarcadas, com marcação de procedência embutida.
- Quanto custa NeuTTS (Air, Nano, 2E) para uma equipe ou em produção?
- O Air é gratuito em qualquer escala. Nano e 2E são gratuitos abaixo de $5 milhões de receita anual somando afiliadas; o preço da licença paga não é publicado.
- NeuTTS (Air, Nano, 2E) é seguro para dados da empresa?
- Roda localmente, então texto e trechos de voz ficam no dispositivo. Marca d'água Perth ligada por padrão na instalação com pip. Sem verificação de consentimento além de 'Don't use this model to do bad things'.
- Quais são as melhores alternativas ao NeuTTS (Air, Nano, 2E)?
- As alternativas mais próximas que analisamos são Gradium Phonon, Kokoro-82M, Chatterbox e KittenTTS 2.
Respostas verificadas em 7 de nov. de 2026.