Applio

A conversão de arquivo único é a porta de entrada para quase todo mundo. Suba um WAV, mantenha o pitch em 0 na primeira passada e o motor ressintetiza o trecho com a voz alvo sem perder as palavras nem o ritmo. O modo em lote repete o mesmo modelo e os mesmos ajustes por uma pasta inteira, o que economiza tempo quando existem dezenas de takes.

A área de trabalho em tempo real capta o microfone em blocos pequenos e devolve áudio convertido com latência baixa. Tamanho de bloco, crossfade e contexto extra são os controles que trocam atraso por estabilidade. A versão desktop ainda traz atalho de passthrough e controles na bandeja, então dá para voltar à voz natural sem sair da transmissão.

Aqui a voz é construída a partir de gravações, não copiada. O Applio conduz pré-processamento, extração de características, treino e geração do índice, seja numa rodada automática ou em etapas separadas que você repete quando quiser. O desktop aceita taxas de amostragem de 32 a 48 kHz quando a arquitetura escolhida permite, além de vocoders HiFi-GAN e RefineGAN.

O Applio envia o texto ao Edge TTS para sintetizar e depois passa esse áudio por um modelo RVC. A voz do TTS define o idioma e a cadência da leitura; o modelo entrega a identidade do falante. Essa divisão deixa o mesmo modelo ler inglês, português ou japonês, desde que você escolha uma voz TTS compatível.

Uma conversão pode carregar várias opções de processamento: dividir o áudio em arquivos longos, autotune para frequências de nota, tom proposto, limpeza de ruído, deslocamento de formantes e uma cadeia posterior com reverb, delay, limitador, chorus, compressor e bitcrush. Isso poupa uma ida a outro editor. Empilhar várias ao mesmo tempo atrapalha perceber o que mudou.

O motor é licenciado em MIT e o repositório inclui uma interface de linha de comando para inferência, conversão em lote e texto para fala. Uma conversão repetida vira um comando de shell em vez de uma dúzia de cliques, e o mesmo código pode entrar num projeto de pesquisa maior.

Um motor, duas frentes. O app de desktop junta área de trabalho, histórico de tarefas e diagnóstico de instalação; a versão Gradio roda numa aba do navegador e combina com fluxos locais ou notebooks na nuvem. Os modelos de voz transitam entre as duas desde que o embedder e o índice andem juntos.