Sandbook

Traduzido do inglês. Ver original

Kokoro TTS online, grátis e privado no seu navegador

Kokoro TTS online grátis: digite um texto ou importe um arquivo EPUB, PDF, Word ou de texto, escolha uma das 41 vozes do Kokoro em seis idiomas e ouça a leitura em voz alta aqui mesmo. Seu texto e o áudio nunca saem do seu navegador.

Em resumo

Dá para usar o Kokoro TTS online de graça?

Sim. Esta página roda o Kokoro-82M, o modelo aberto de texto para voz, dentro da aba do seu navegador, de graça e sem conta. Ela oferece as 41 vozes que o Sandbook inclui, em inglês, espanhol, francês, italiano, português do Brasil e hindi. O texto digitado vai até 1.500 caracteres por vez, com download em WAV; um arquivo EPUB, PDF, Word ou de texto importado, de qualquer tamanho, abre em um modo de leitura em tela cheia e é lido em voz alta a partir de qualquer frase. Seu texto e o áudio nunca saem do seu navegador, porque a fala é gerada no seu próprio aparelho.

Verificado pela última vez em 11 de novembro de 2026

Como funciona

  1. Digite ou cole seu texto, ou importe um arquivo: EPUB, PDF, Word (.docx), Markdown, HTML ou texto simples.
  2. Escolha um idioma e uma voz. O botão de play ao lado do seletor de voz toca uma amostra gravada, sem carregar nada.
  3. Toque em Começar. O navegador baixa o modelo Kokoro-82M uma única vez e o guarda no cache; a partir daí, tudo acontece nesta aba. A primeira frase começa a tocar assim que fica pronta, enquanto as seguintes são geradas por trás, e o resultado é um WAV para baixar.

Um arquivo importado é aberto nesta aba do navegador; nada é enviado. Ele abre em um modo de leitura em tela cheia, com os capítulos de um EPUB no Sumário. Toque em qualquer frase e a ferramenta lê em voz alta a partir dali; a frase que está sendo lida fica destacada, e você pode pausar ou tocar em outra a qualquer momento.

Por dentro: frases, fonemizadores e o worker em segundo plano

O modelo roda no seu próprio computador. Seu texto é dividido em frases, cada frase vira fonemas, e o modelo transforma os fonemas em áudio de 24 kHz na voz que você escolheu. A inferência roda em um worker em segundo plano, então a página continua respondendo.

O texto em inglês passa pelo fonemizador de inglês do próprio Kokoro, que também lê por extenso números, preços e horários. Espanhol, francês, italiano, português e hindi passam pelo eSpeak NG, o mesmo fonemizador que o Kokoro usa para esses idiomas, carregado só quando você escolhe uma dessas vozes.

Em um arquivo importado, a ferramenta gera só uma ou duas frases à frente do que você ouve, então um livro inteiro nunca precisa ser processado de uma vez.

O mesmo motor está em outras quatro páginas, cada uma preparada para uma tarefa só: ler texto em voz alta, um leitor EPUB online, ler um PDF em voz alta e ouvir sua redação lida em voz alta.

Transformar texto em áudio: o que este gerador de texto para voz entrega

Se você veio procurando um jeito de transformar texto em áudio, ou uma ferramenta de texto para voz, é isto aqui. Digite ou cole até 1.500 caracteres, escolha uma das 41 vozes e toque em Gerar: o texto vira fala no seu navegador, e Baixar WAV o guarda como um arquivo mono de 24 kHz, que qualquer editor de vídeo ou de áudio abre. Para um roteiro maior do que uma geração, gere o áudio em partes e junte os arquivos no seu editor.

É um gerador de voz IA grátis no sentido literal das palavras: as vozes são sintéticas, não há cadastro nem contador de créditos, e a licença Apache-2.0 do Kokoro-82M permite uso comercial. Ele não clona vozes nem imita ninguém.

O que esperar: WebGPU ou CPU

A ferramenta escolhe o motor por você:

  • WebGPU (placa de vídeo): o modelo em precisão total, um download único de 326 MB. Em um notebook recente, um parágrafo de 40 palavras leva cerca de 3 segundos, e a primeira frase toca depois de mais ou menos 1 segundo. O Chrome, o Edge e o Safari atuais em um computador têm WebGPU.
  • CPU (WebAssembly): o modelo de 8 bits, um download único de 92 MB, usado quando o WebGPU não está disponível. É mais lento que o tempo real: conte com a primeira frase depois de 10 a 15 segundos e com 20 a 40 segundos para o mesmo parágrafo.
  • Celulares: a maioria dos celulares baixa uma única vez um modelo de CPU de 163 MB; os que têm pouca memória recebem o de 92 MB. Funciona em celulares recentes e é mais lento do que num computador, com pausas entre as frases.

Nos dois casos, a segunda visita pula o download: o modelo carrega do cache do navegador em poucos segundos.

Detalhes do motor: precisão do modelo, memória no celular, downloads interrompidos
  • Não há ajuste de qualidade com que se preocupar: no WebGPU, a ferramenta sempre usa o modelo completo, porque os modelos quantizados menores produzem ali uma fala distorcida.
  • Na CPU, a velocidade varia conforme o seu processador. Num computador, reserve cerca de 1 GB de memória na aba enquanto ele roda.
  • Os celulares rodam o modelo de CPU em uma configuração mais leve, que pede menos memória ao navegador e fala em trechos mais curtos. A fala é gerada mais devagar do que toca. Navegadores em que a aba fechou enquanto o motor estava rodando também recebem o modelo de 92 MB.
  • Se o download for interrompido, ele continua de onde parou. Fechar a aba logo depois do primeiro download pode, às vezes, impedir o navegador de terminar de gravar o cache; nesse caso, a próxima visita baixa o modelo de novo.

Seis idiomas, 41 vozes

A voz decide o idioma. A ferramenta oferece as mesmas 41 vozes do app Sandbook, com os nomes e as descrições do app:

  • Inglês: 28 vozes, 20 americanas e 8 britânicas, entre elas Heart, Bella, Michael, Emma e George.
  • Espanhol: 3 vozes (Dora, Alex, Santa).
  • Francês: 1 voz (Siwis).
  • Italiano: 2 vozes (Sara, Nicola).
  • Português do Brasil: 3 vozes (Dora, Alex, Santa).
  • Hindi: 4 vozes (Alpha, Beta, Omega, Psi).

As vozes beta do app também estão aqui, em francês, espanhol, italiano, português do Brasil, hindi e inglês britânico. Cada uma aparece depois das vozes do seu idioma, marcada com “(beta)”, e a ferramenta nunca escolhe uma por você. O conjunto beta pode mudar de uma atualização para outra.

Para ouvir uma voz sem carregar nada, toque no botão de play ao lado do seletor de voz, ou ouça todas as amostras de voz do Kokoro. A velocidade vai de 0,5× a 2,0×, e uma voz rápida ainda soa como uma pessoa falando depressa.

Download, direitos de uso e limites

  • Download. Cada geração de texto digitado pode ser salva como um arquivo WAV mono de 24 kHz. Ainda não é possível exportar em MP3 ou M4A. Os documentos importados são lidos em voz alta na página e não têm download de áudio.
  • Direitos de uso. O Kokoro-82M é publicado sob a licença Apache-2.0, que permite uso comercial. O áudio que você gera é seu; o Sandbook não reivindica nada sobre ele.
  • Limites. Texto digitado: até 1.500 caracteres por geração, cerca de um minuto e meio de fala. Arquivos importados: de qualquer tamanho; PDFs digitalizados (sem camada de texto) e livros protegidos por DRM não podem ser lidos.
  • Celulares. A ferramenta funciona melhor num computador. Também funciona em celulares recentes, mais devagar, e um celular mais antigo pode não ter memória suficiente; quando isso parece provável, a ferramenta avisa antes de baixar. A leitura para quando o celular é bloqueado ou a aba vai para segundo plano.
  • Privacidade. Seu texto e o áudio nunca saem do seu navegador. Um arquivo que você importa é aberto no seu aparelho e não é enviado. Os únicos arquivos que a ferramenta busca são o modelo, a voz que você escolhe, para vozes que não são em inglês o fonemizador, e o leitor do tipo de arquivo que você importa.
Créditos e licenças de código aberto

A ferramenta é feita com software de código aberto: Kokoro-82M (Apache-2.0), ONNX Runtime Web (MIT), Transformers.js (Apache-2.0), kokoro-js (Apache-2.0), eSpeak NG (GPL-3.0), PDF.js (Apache-2.0) e fflate (MIT). A Siwis e as vozes beta em francês se baseiam no corpus de fala francesa SIWIS (CC BY 4.0).

Quer isso offline no iPhone?

Esta página é uma demonstração do modelo. O Sandbook é o app: ele roda o mesmo modelo Kokoro-82M no iPhone, no iPad e no Mac, totalmente offline, com as 41 vozes e sem limite de tamanho. Lê em voz alta livros EPUB e PDFs (até os escaneados, que esta página não consegue ler), páginas da web e (no iPhone e no iPad) digitalizações pela câmera, destaca cada palavra enquanto ela é falada, lembra onde você parou e exporta um capítulo ou um livro inteiro como um único arquivo M4A. Grátis, sem conta e sem nada para comprar. Precisa de um iPhone XS, iPhone XR ou posterior com iOS 18.2, ou de um Mac com chip da Apple (M1 ou posterior) e macOS 15.2.

iPhone, iPad e Mac · Grátis, sem compras no app

Perguntas sobre o Kokoro TTS online

Esta ferramenta de Kokoro TTS online é mesmo grátis?

Sim. Não há conta, nem cadastro, nem limite de gerações. Cada geração de texto digitado aceita até 1.500 caracteres, e você pode gerar quantas vezes quiser; arquivos importados não têm limite de tamanho. Não custa nada porque o modelo roda no seu próprio aparelho, e não em um servidor.

Ele lê em voz alta um arquivo EPUB, PDF ou Word?

Sim. Toque em Importar um arquivo, ou solte o arquivo sobre a ferramenta, e escolha um arquivo EPUB, PDF, Word (.docx), Markdown, HTML ou de texto simples. Ele é aberto no seu navegador, nunca é enviado, e aparece em um modo de leitura em tela cheia: toque em uma frase e a leitura começa dali, então funciona até com um livro inteiro. PDFs digitalizados sem camada de texto e livros protegidos por DRM não podem ser lidos, e não há download de áudio para documentos inteiros.

Este gerador de texto para voz transforma texto em áudio para baixar?

Sim. O texto digitado ou colado, até 1.500 caracteres por geração, é transformado em fala com uma das 41 vozes, e cada resultado pode ser baixado como um arquivo de áudio WAV de 24 kHz. Não há cadastro nem limite de quantos arquivos você gera. WAV é o único formato de download, e a ferramenta não clona vozes.

Posso usar o áudio gerado para fins comerciais?

O Kokoro-82M é publicado sob a licença Apache-2.0, que permite uso comercial. O Sandbook não reivindica nenhum direito sobre o áudio que você cria aqui: baixe o WAV e use em um vídeo, um curso ou um produto. As vozes são sintéticas, então nenhuma voz de pessoa real está envolvida.

Por que fica lento no meu computador?

Sem WebGPU, a ferramenta roda um modelo de 92 MB na CPU via WebAssembly, que é mais lento que o tempo real: cerca de 20 a 40 segundos para um parágrafo de 40 palavras em um notebook rápido, com a primeira frase tocando depois de 10 a 15 segundos. Um navegador com WebGPU, como o Chrome ou o Edge atuais em um computador, usa o modelo completo na placa de vídeo e faz o mesmo parágrafo em uns 3 segundos.

Funciona no iPhone ou no Android?

Sim, em celulares recentes, mas mais devagar do que num computador. A maioria dos celulares baixa uma única vez um modelo de CPU de 163 MB (o navegador o guarda para as próximas visitas) e o roda em uma configuração mais leve; celulares com pouca memória, e navegadores em que a aba fechou enquanto o motor de voz estava rodando, recebem o modelo menor, de 92 MB. Nos dois casos, a fala é gerada mais devagar do que toca, então conte com uma espera antes da primeira frase e com pausas entre as frases. Mantenha a tela ligada e a aba em primeiro plano enquanto ele trabalha. Um celular mais antigo pode não ter memória suficiente: quando isso parece provável, a ferramenta avisa antes de baixar qualquer coisa e deixa você tentar mesmo assim ou ouvir as amostras gravadas. No iPhone e no iPad, o app gratuito Sandbook roda o mesmo modelo de forma nativa, mais rápido e offline.

Funciona offline?

Em parte. Depois do primeiro carregamento, os arquivos do modelo ficam no cache do navegador, e a fala é gerada na aba sem nenhum servidor envolvido. Abrir a página em si ainda exige conexão. Para Kokoro TTS totalmente offline no iPhone, no iPad ou no Mac, use o app Sandbook, que já traz o modelo incluído.

Fontes

  1. Ficha do modelo Kokoro-82M (hexgrad), com a lista de vozes — Hugging Face · consultado em 11 de novembro de 2026
  2. Licença Apache 2.0, sob a qual o Kokoro-82M é publicado — apache.org · consultado em 11 de novembro de 2026