Canopy Labs: Orpheus 3B

Canopy Labs: Orpheus 3B é um modelo de conversão de texto em fala da Canopy Labs. É um modelo de 3B parâmetros ajustado para síntese de fala em inglês, com foco em prosódia natural e entrega expressiva. O modelo foi lançado pelo fornecedor em 23 de abril de 2026. Sua categoria principal é fala, e ele é posicionado como um modelo especialista em vez de um modelo de linguagem de propósito geral.

O modelo recebe texto como sua única entrada e produz fala como sua única saída. Ele tem um comprimento de contexto de 4096 tokens, e a saída máxima é de 3686 tokens. O Orpheus 3B vem com 7 vozes predefinidas: tara, leah, jess, leo, dan, mia e zac. O fornecedor o descreve como ajustado para prosódia natural e entrega expressiva, o que significa que a ênfase está em como a fala gerada soa, e não na compreensão de texto ou no raciocínio.

Essas capacidades apontam para um conjunto bastante específico de casos de uso. A narração é um encaixe natural, já que o modelo é ajustado para prosódia e expressão em passagens mais longas de texto em inglês. Assistentes de voz são outro, onde as sete vozes predefinidas permitem escolher um falante consistente para respostas faladas. O mesmo se aplica a qualquer aplicação que precise transformar conteúdo escrito em áudio, como ler artigos em voz alta, gerar prompts falados ou produzir faixas de voz para um conjunto fixo de personagens ou apresentadores. Como a entrada é apenas texto, o modelo não aceita áudio para clonagem ou transcrição, e como a saída é apenas fala, ele não retorna texto que você possa pós-processar.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "canopylabs/orpheus-3b-0.1-ft". A requisição segue o mesmo formato de outros endpoints de fala compatíveis com OpenAI, com seu texto como entrada. O modelo não lista parâmetros suportados, então você não deve esperar passar controles de amostragem, flags de seleção de voz ou outras opções de ajuste através da requisição. As sete vozes fazem parte da configuração fixa do modelo, e não de parâmetros da requisição.

O contexto de 4096 tokens e o limite de saída de 3686 tokens merecem planejamento. Documentos muito longos precisarão ser divididos em blocos antes da síntese, e o foco apenas em inglês significa que outros idiomas estão fora do escopo. Se sua tarefa é geração de texto, raciocínio, tradução ou qualquer coisa que retorne texto, um modelo de linguagem de propósito geral se encaixará melhor. O Orpheus 3B é a escolha certa quando o resultado é áudio falado em inglês e você quer que a prosódia seja tratada pelo próprio modelo.