Lucasllfs/Razo-piper-voice

🎙️ Razo — Voz Piper TTS (pt-BR)

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