Underdog lança modelo de voz de 32 MB que roda no navegador

A Underdog revelou um novo modelo de síntese de voz chamado Woof, com tamanho de apenas 32 MB, que pode ser executado diretamente no navegador sem necessidade de conexão à internet.

Como funciona a demonstração

Para ilustrar a capacidade do modelo, a startup desenvolveu um pequeno jogo com temática retro‑tech. O ambiente apresenta uma sala com máquina de escrever, monitor CRT, lâmpada de mesa que emite som ao ser acionada e um afinador musical. Ao digitar texto na máquina de escrever, o jogo devolve a fala usando o modelo Woof. Girando o afinador, o usuário gera diferentes timbres musicais, tudo dentro do próprio browser.

Características técnicas do modelo

Woof contém cerca de 31 milhões de parâmetros e ocupa 31,7 MB de espaço, o que permite seu carregamento em dispositivos comuns, como smartphones e computadores, sem depender de servidores em nuvem. A Underdog disponibiliza o modelo para download aberto, reforçando a ideia de que a geração de voz pode ser feita localmente.

Embora o tamanho reduzido limite a qualidade em comparação com grandes modelos de grande escala, a empresa aponta que a solução já é suficiente para criar assistentes pessoais locais ou podcasts personalizados sem enviar dados para a nuvem.

Contexto dos lançamentos da Underdog

Woof chega poucos semanas após a Underdog lançar Bark, um modelo de reconhecimento de fala de 167 MB projetado para transcrição e ditado em dispositivos de borda. Além desses dois modelos de voz, a startup também disponibilizou um modelo de 27 bilhões de parâmetros que roda em laptops, bem como um aplicativo em lista de espera que se propõe como alternativa local a serviços como Muse e Instinct.

Segundo o fundador Sigil Wen, a motivação por trás desses projetos é oferecer ferramentas de IA que funcionem nos próprios dispositivos dos usuários, permitindo que eles mantenham o controle sobre seus dados. Wen afirma que, nos próximos meses, será possível rodar os modelos mais avançados atuais nos aparelhos que já possuímos.

O que isso muda para o seu negócio

Para pequenas e médias empresas brasileiras, a disponibilidade de um modelo de voz tão leve traz algumas oportunidades práticas. Primeiro, elimina a dependência de serviços de nuvem pagos, reduzindo custos operacionais e simplificando a gestão de infraestrutura. Segundo, ao processar a fala localmente, a empresa garante maior privacidade dos dados dos clientes, um ponto sensível em setores como saúde, educação e finanças.

Empreendedores podem integrar a tecnologia em aplicativos de atendimento ao cliente, criando respostas automáticas que funcionam mesmo em áreas com conexão limitada. Também é viável gerar conteúdos de áudio – como podcasts internos, tutoriais ou anúncios – sem precisar de estúdios externos ou serviços de terceiros.

Além disso, a possibilidade de rodar o modelo em laptops ou smartphones abre espaço para soluções de campo, como assistentes de vendas que operam offline durante visitas a clientes em regiões rurais. Embora o modelo não substitua as versões mais robustas para tarefas complexas, ele oferece um ponto de partida acessível para experimentar a automação de voz e avaliar seu impacto antes de investir em soluções maiores.

Fonte: TechCrunch