O que é Underdog Woof?
Underdog Woof é um pequeno modelo de texto para fala em inglês da Conway Research, a empresa apoiada pela a16z por trás do assistente no dispositivo Underdog, publicado em 5 de novembro de 2026. Tem duas vozes, Juno e Mira, guardadas em um único arquivo de pesos int8 de 40,6 MB, e gera áudio mono a 24 kHz. Tem 38,24 milhões de parâmetros: um modelo de fala de 22,95 milhões e um decodificador de áudio adaptado do codec Mimi, da Kyutai.
Ele roda na CPU de um notebook só com numpy. Um normalizador baseado em regras reescreve números de telefone, datas, preços e códigos do jeito que as pessoas falam, textos longos são divididos em frases e cada trecho é gerado de novo até mais três vezes se ficar longo demais ou tiver um silêncio. Uma versão de uma voz, com 31,7 MB, roda no navegador em underdog.ai/woof.
A licença é a Underdog Non-Commercial License 1.0, da própria Underdog. Uso pessoal, de pesquisa, ensino e sem fins lucrativos é gratuito com crédito; qualquer uso comercial, inclusive o trabalho interno de uma empresa, precisa de uma licença paga cujo preço não é publicado. Este modelo é só em inglês e não clona vozes; um Woof japonês separado apareceu no Hugging Face em 10 de novembro.
Quanto custa Underdog Woof?
| Plano | Preço | O que inclui |
|---|---|---|
| Non-commercial | Free | Uso pessoal, de pesquisa, ensino e sem fins lucrativos, com crédito |
| Commercial licence | Not published | Qualquer uso empresarial ou com fins lucrativos; avaliação interna de 30 dias permitida |
Gratuito para uso não comercial com crédito sob a Underdog Non-Commercial License 1.0. Licença comercial exigida para qualquer uso empresarial; preço não publicado. Gratuito dentro dos apps da própria Underdog.
Underdog Woof vale a pena?
O argumento do Woof é precisão com um tamanho quase irrelevante. No TTS Hard Cases da Gradium, 500 frases em inglês cheias de números, códigos e nomes difíceis, a Underdog relata taxa de erro por palavra de 1,42% para a voz Mira, contra 5,17% do Kokoro 82M, 9,81% do único modelo menor testado, o Kitten Nano 0.8, e 1,89% do Fish Audio Drama 3, um download de 41,5 GB. É um modelo 1.022 vezes menor errando menos palavras.
Trate esses números como uma alegação. A Underdog rodou e pontuou todos os modelos: o qwen3.8-omni-flash transcreveu o áudio e o gemma-4-31b-it contou os erros. A taxa de erro por palavra mede se as palavras saem certas, não se a voz soa natural, e nenhum teste de escuta independente ou ranking de arena foi publicado.
A velocidade é o ganho prático. A voz Juno roda 13,8 vezes mais rápido que o tempo real em uma única thread de CPU de um Apple M5 Max, com pico de 402 MB de memória, e a Mira a 7,2 vezes. Não precisa de GPU, servidor nem chave de API, então serve para apps offline, quiosques e ferramentas de acessibilidade em hardware modesto.
O porém: a licença. Qualquer uso por ou para uma empresa conta como comercial, inclusive operações internas, e exige uma licença por escrito da Underdog, a um preço não publicado. Todo clipe publicado precisa dar crédito ao Underdog Woof, os apps precisam mostrar "Voice by Underdog Woof" e você não pode usar o áudio para treinar outro modelo de fala. São duas vozes em inglês e não há clonagem de voz.
Nossa opinião: para um projeto pessoal, um protótipo de pesquisa ou um app de leitura sem fins lucrativos, o Woof é, no papel, a voz mais precisa abaixo de 50 MB. Para um produto, a licença Apache 2.0 do Kokoro ganha a discussão antes de a qualidade entrar em jogo.
Onde ele se destaca
O desenvolvedor de um app de leitura gratuito e offline para uma ONG de alfabetização
Ler livros e avisos em voz alta em tablets Android baratos sem rede
Distribua o arquivo de duas vozes de 40,6 MB (o modelo de uma voz de 31,7 MB só roda na demo de navegador da Underdog); uso sem fins lucrativos é gratuito se o app mostrar "Voice by Underdog Woof" com um link. Existem versões ONNX e Rust da comunidade, mas não são oficiais.
Uma pesquisadora de fala que compara modelos TTS minúsculos
Comparar a inteligibilidade de modelos com menos de 100 MB em texto difícil
Rode python -m underdog_woof nas 500 frases da Gradium e pontue com seu próprio ASR, já que o 1,42% da Underdog usou o próprio pipeline. Uso em pesquisa é gratuito; treinar outro modelo de fala com áudio do Woof não é permitido.
Um gerente de produto em uma empresa de software para call centers
Ler números de pedido e de telefone em um bot de voz instalado localmente
O normalizador embutido lida com números como 415-555-0199 e horários como 5:30 p.m. Uso em empresa é comercial, então reserve verba para uma licença via license@conway.tech após a avaliação de 30 dias.
Antes de decidir
- Configuração
- pip install numpy, baixe o repositório com hf download e rode python -m underdog_woof "text" -o out.wav. Passe uma seed para obter áudio repetível.
- Integrações
- API em Python (Woof(voice="mira")) que devolve áudio float32 a 24 kHz; linha de comando. Projetos da comunidade acrescentam uma versão em Rust com servidor no estilo OpenAI, uma API HTTP em Docker e builds ONNX para Android, nenhum endossado pela Underdog.
- Dados e privacidade
- Roda localmente, então o texto nunca sai da máquina. A licença proíbe uso comercial sem licença por escrito, treinar modelos de fala ou áudio com as saídas e imitar vozes sem consentimento.
- Custo em escala
- Gratuito para trabalho não comercial em qualquer CPU, com cerca de 402 MB de memória por processo da Juno. O preço da licença comercial não é publicado; consulte license@conway.tech.
- Limites
- Só inglês, duas vozes fixas, mono a 24 kHz. Frases com mais de 120 caracteres são divididas na pontuação; não há nota de naturalidade publicada; treinado com LibriTTS-R e Emilia-YODAS.
O que é bom
- 40,6 MB para duas vozes; roda só com numpy
- Taxa de erro por palavra de 1,42% nos casos difíceis da Gradium (autodeclarada)
- 13,8 vezes o tempo real em uma thread de CPU
- Lê números, datas e códigos como as pessoas falam
O que não é
- Licença não comercial; uso empresarial exige licença paga, preço não publicado
- Todos os benchmarks rodados e pontuados pela Underdog
- Só inglês (o japonês é outro modelo), duas vozes, sem clonagem
- Crédito obrigatório em todo clipe publicado e em todo app
Ideal para
Hobbistas, pesquisadores e organizações sem fins lucrativos que querem uma voz clara em inglês rodando offline na CPU de qualquer notebook.
Alternativas ao Underdog Woof
Underdog Woof: perguntas frequentes
- Underdog Woof vale a pena?
- O Woof é o texto para fala mais preciso que cabe em 40 MB segundo o teste da própria Underdog, e a licença o deixa fora de quase todo uso empresarial sem uma conversa com o comercial. Damos nota 3.6 de 5.
- Quanto custa Underdog Woof?
- Gratuito para uso não comercial com crédito sob a Underdog Non-Commercial License 1.0. Licença comercial exigida para qualquer uso empresarial; preço não publicado. Gratuito dentro dos apps da própria Underdog.
- Quais são as desvantagens de Underdog Woof?
- Licença não comercial; uso empresarial exige licença paga, preço não publicado; todos os benchmarks rodados e pontuados pela Underdog; só inglês (o japonês é outro modelo), duas vozes, sem clonagem; crédito obrigatório em todo clipe publicado e em todo app.
- Para quem Underdog Woof é indicado?
- Hobbistas, pesquisadores e organizações sem fins lucrativos que querem uma voz clara em inglês rodando offline na CPU de qualquer notebook.
- Quanto custa Underdog Woof para uma equipe ou em produção?
- Gratuito para trabalho não comercial em qualquer CPU, com cerca de 402 MB de memória por processo da Juno. O preço da licença comercial não é publicado; consulte license@conway.tech.
- Underdog Woof é seguro para dados da empresa?
- Roda localmente, então o texto nunca sai da máquina. A licença proíbe uso comercial sem licença por escrito, treinar modelos de fala ou áudio com as saídas e imitar vozes sem consentimento.
- Quais são as melhores alternativas ao Underdog Woof?
- As alternativas mais próximas que analisamos são Kokoro-82M, KittenTTS 2, NeuTTS (Air, Nano, 2E) e Qwen3-TTS.
Respostas verificadas em 11 de nov. de 2026.