Modelo de voz Woof, da Underdog, ocupa 32 MB e roda no navegador

O model card do Woof traz os detalhes. Ele fala inglês com duas vozes, Juno e Mira, e lê preços, datas e números de telefone do jeito que as pessoas falam. O download com as duas vozes tem 40.6 MB e roda em um processador de notebook usando apenas o numpy, uma biblioteca básica de matemática, a 13.8 vezes o tempo real com a voz Juno em uma thread de um Apple M5 Max.

A Underdog avaliou o próprio modelo em 500 frases difíceis em inglês. Pela contagem da empresa, a voz Mira do Woof erra 1,42% das palavras, contra 1,89% do Fish Audio Drama 3, um download de 41.5 GB, e 6,63% do ElevenLabs Flash v2.5. Esses são números da própria Underdog.

A licença traça uma linha clara. O Woof é gratuito para uso pessoal, em pesquisa, no ensino e sem fins lucrativos, desde que se dê crédito à Underdog, e sempre gratuito nos aplicativos da própria Underdog. Um anúncio, um vídeo monetizado ou o trabalho de uma empresa exige licença comercial, sem preço público.

O fundador Sigil Wen disse ao TechCrunch que quer modelos abertos, feitos nos Estados Unidos, que mantenham os dados nos dispositivos das pessoas.

Na nossa página de narração com IA, o plano Starter do ElevenLabs, de US$ 6, é o primeiro com licença comercial, e o plano Free cobre uso pessoal com atribuição, segundo nossa verificação de 8 de novembro.

Para quem anuncia, a voz na nuvem tem um preço que dá para ver hoje: US$ 6 por mês no ElevenLabs Starter. Já a voz local do Woof exige um e-mail para a Underdog antes de entrar em um anúncio.