A MUDANÇA
Da criação de conteúdo às experiências de voz com IA em tempo real
A primeira onda da IA generativa transformou a criação de conteúdo. Texto, imagens, vídeo e fala já podem ser produzidos sob demanda, e um prompt basta para transformar uma ideia em conteúdo. Ainda assim, a maior parte desse conteúdo continua sendo uma peça acabada: criada uma vez e depois consumida. A próxima onda traz interatividade — com IA de voz em tempo real dando vida a personagens, jogos, companheiros virtuais, histórias interativas e agentes de voz que respondem continuamente a cada usuário, cada contexto e cada momento.
Agora o conteúdo responde continuamente a quem o está vivenciando.
Essa mudança de paradigma amplia o que as pessoas esperam das vozes de IA de texto para voz para além da naturalidade. Uma fala com som natural continua sendo a base de uma experiência de voz de qualidade, mas as experiências interativas trazem três exigências adicionais:
Diversidade
Dar a cada personagem uma voz inconfundível.
Controlabilidade
Adaptar cada performance conforme a intenção e o contexto mudam.
Baixa latência
Preservar o ritmo natural da interação.
Juntas, essas capacidades permitem que uma voz seja desenhada para o personagem, dirigida para o momento e entregue em tempo real.
O NOVO MODELO
Breeze TTS 2: um novo modelo de fala feito para experiências interativas.
O Breeze TTS 2 reúne em um único modelo o design de voz por linguagem natural, a direção de voz para qualquer voz e a geração em streaming de baixa latência. Feito para a próxima geração de IA de voz em tempo real, ele permite desenhar qualquer voz, dirigir cada performance e trazê-la à vida em tempo real.
Avançar nessas capacidades também exige formas melhores de medi-las. A avaliação de TTS sempre girou em torno da naturalidade, deixando design de voz, direção de voz e latência pouco explorados de forma sistemática. O Breeze TTS 2 reúne essas capacidades em um único modelo criado para experiências de voz interativas, dando a criadores e desenvolvedores mais controle sobre como as vozes são desenhadas, interpretadas e entregues em tempo real. Para sustentar o progresso nessas áreas, também estamos publicando benchmarks de código aberto de design de voz, direção de voz e latência. Agora, vamos olhar de perto as quatro capacidades que definem o Breeze TTS 2: design de voz, direção de voz, baixa latência e fala multilíngue.
CAPACIDADE 01
Design de voz: a voz de IA certa para cada personagem
De um único protagonista a milhares de NPCs, o Breeze TTS 2 dá a cada personagem uma voz própria. Em vez de depender apenas de bibliotecas de vozes prontas, os criadores descrevem o personagem que têm em mente e geram vozes de IA de texto para voz marcantes, mais alinhadas a cada papel, personalidade e universo.
Breeze TTS 2
MiMo-V2.5-TTS
Inworld Voice Design
Fun-AudioGen-VD
Eleven v3
Qwen3-TTS-VD
VoxCPM2O Breeze TTS 2 lidera o Benchmark de Design de voz em TTS: tem a maior pontuação de Role Fit (78.02) e a maior Voice Diversity (708), com 98.5% de aprovação em Transcript Pass. Em Role Fit, supera o segundo colocado por 5.24 pontos, e gera 39% mais vozes distintas que o concorrente mais próximo.
Animation & Comics
PROMPT
Masculine, mature adult. Massive heavy-set alien. Deep, gravelly, resonant bass-baritone. Gruff, authoritative, commanding, drill-sergeant cadence. Fast, high-intensity. Rough, weathered, immense power, stern mentorship.
SCRIPT
Chest up, eyes forward. Space does not care if you're tired, scared, or homesick; it only rewards discipline. Stay on my count, recruit, and I'll drag a champion out of you yet.
Film & TV
PROMPT
Young adult female, mid-20s, American accent. Professional broadcast journalist turning frantic. Clear, articulate but strained by panic. High tension, rapid pace, breathless. Polished to raw desperation.
SCRIPT
This is Elena Vance, reporting live from the east block where the crowd just broke the barricade—if anyone can hear me, we need medical teams now, please, they're getting closer.
Games
PROMPT
Female, young adult, ethereal trickster. High-pitched, breathy, mischievous. Fast, rhythmic delivery with giggles. Mocking sing-song riddles. Playful, taunting, otherworldly.
SCRIPT
Oh, you heard the whisper too? Clever little heartbeat. Follow the violet shimmer if you dare, but mind your shadow, love. It tends to trade secrets when the veil grows thin.
Literature & Stage
PROMPT
Male, mid-20s to early 30s. Smooth velvety tenor-range speaking voice with a light rasp. Soulful and deeply emotive, shifting from weary struggle to optimistic conviction. Impeccable diction, gentle Southern lilt, deliberate pace, and broad expressive pitch arcs.
SCRIPT
I've walked through too many long nights to mistake silence for peace, so when I speak of tomorrow, believe me, brother, I mean a dawn we can finally stand in together.
Myth & Folklore
PROMPT
Mature nomadic storyteller. Weathered, resonant speaking voice with rhythmic pacing and expressive pitch contours. Wide dynamic range from hushed whispers to booming proclamations; soulful.
SCRIPT
Come closer to the fire, child; the wind is telling old truths tonight. Hear how it bends the grass, then remember this: every road you take is also taking measure of you.
Research & News
PROMPT
Mature male, 50s-60s, Japanese-accented English. Dignified, measured, stoic tone. Clear texture with slight age rasp. Deliberate pacing, significant pauses. Conveys wisdom, authority, and visionary caution.
SCRIPT
We do not rebuild a nation with noise or haste. We place each stone with care, and when doubt rises, we answer it with discipline, patience, and an unshaken sense of duty.
Web & Periodical
PROMPT
Ancient male, massive scale. Deep, resonant bass, gravelly, subterranean. Slow, deliberate, aristocratic. Terrifying power, sibilant, predatory intelligence.
SCRIPT
Careful where you place your little hands, treasure-seeker; every coin in this vault knows its master, and I am not inclined to forgive even the smallest theft.
CAPACIDADE 02
Direção de voz: a performance certa para cada momento
Use instruções em linguagem natural e tags inline para moldar emoção, intenção, ritmo e entrega mantendo cada personagem reconhecível. Assim, criadores e desenvolvedores ganham mais controle sobre como uma voz de IA atua de um momento para o outro, sem precisar redesenhar a voz.
Breeze TTS 2
MiMo-v2.5-TTS
StepAudio 2.5 TTS
Qwen-Audio 3.0-TTS-Plus
Inworld TTS-2
VoxCPM2O Breeze TTS 2 alcança a maior pontuação de direção de voz (4.25), 13% acima do segundo melhor modelo. Somado a um SIM de 0.67, o resultado mostra sua capacidade de seguir direção em linguagem natural quanto a emoção, intenção, ritmo e entrega, mantendo a voz escolhida reconhecível em performances diferentes.
Communicative Intent
PROMPT
Speak with an alluring, hushed intensity, using a hypnotic and persuasive rhythm to draw the listener in and convince them to acquire a rare item.
SCRIPT
You feel the energy radiating from it, don't you? This isn't just a piece of quartz. It's a conduit. For a small offering, you can take it home and finally clear that dark cloud hanging over your future. Trust me, you need this.
REFERENCE
OUTPUT
Composition
PROMPT
Speaking while heavily out of breath and gasping for air, trying to reassure the listener that everything is fine.
SCRIPT
[gasps] I'm okay... [pants] just give me a second to catch my breath. [gasps] I promise, I'm completely fine... just ran a little too fast.
REFERENCE
OUTPUT
Emotion
PROMPT
The speaker sounds acerbic and bitter, delivering the lines with heavy, passive-aggressive sarcasm.
SCRIPT
Enjoy your vacation while I stay here and clean up the mess you left behind for me. Have a wonderful time.
REFERENCE
OUTPUT
Role
PROMPT
Speak with a gritty, swaggering, and theatrical tone, projecting an aggressive and boastful attitude of a seafaring marauder.
SCRIPT
Drop the anchor and bring out the gold! If any of you scallywags think about crossing me, you'll be swimming with the sharks before sunset. This ocean belongs to me!
REFERENCE
OUTPUT
Variation
PROMPT
Start with a confident, reassuring tone. At the word 'Wait', suddenly shift to terrified, breathless alarm as if reacting to a frightening noise.
SCRIPT
There's absolutely nothing to worry about, I've done this a hundred times before. Wait... did you hear that sound? Something's definitely not right here.
REFERENCE
OUTPUT
CAPACIDADE 03
Baixa latência: IA de voz em tempo real na velocidade da conversa
O Breeze TTS 2 reúne naturalidade, design de voz e direção de voz em um único modelo de baixa latência, feito para aplicações de IA de voz em tempo real. Um tempo curto até o primeiro áudio mantém a conversa responsiva e preserva o ritmo natural das experiências de voz interativas.
O Breeze TTS 2 lidera o Benchmark de latência em TTS, com o menor tempo até o primeiro áudio tanto em p50 quanto em p95. Uma latência baixa e consistente mantém as interações em tempo real ágeis e preserva o ritmo natural da conversa.
Breeze TTS 2 em streaming, em tempo real
A API realtime mantém uma única sessão WebSocket aberta ao longo dos turnos da conversa: você acrescenta o texto conforme ele chega e o áudio PCM bruto volta em streaming enquanto o modelo ainda está gerando.
import { BreezeBlueClient } from "@breeze.blue/sdk";
const client = new BreezeBlueClient();
// One WebSocket session, many conversation turns.
const connection = await client.textToSpeech.realtime.connect("voc_...", {
modelId: "breeze-tts-2",
});
const consumer = (async () => {
for await (const message of connection) {
if (message.type === "audio") {
play(message.audio); // raw PCM, streamed while the model generates
} else if (message.type === "turn.done") {
return;
}
}
})();
connection.startTurn("turn_1");
connection.appendText("Hello from Breeze TTS 2.");
connection.flush();
connection.endTurn();
await consumer;
connection.close();CAPACIDADE 04
Fala multilíngue
Crie vozes de IA de texto para voz naturais e expressivas em 50 idiomas, com controle de sotaque para adaptar a entrega a diferentes regiões e públicos.
Escolha um idioma
Every journey finds its meaning when someone dares to take the first step.
Original: Every journey finds its meaning when someone dares to take the first step.
