{"kind":"compare","slug":"fish-audio","path":"/compare/fish-audio","title":"Alternative à Fish Audio qui tourne sur CPU | SuperClonica","description":"Fish Audio S2 Pro et Fish Speech face à SuperClonica : vitesse sur CPU, qualité, langues, licences, et quand le modèle plus lourd de Fish Audio est préférable.","h1":"Fish Audio et Fish Speech face à SuperClonica","intro":"Fish Audio conçoit certains des modèles de synthèse vocale ouverts les plus expressifs, et notre propre comparatif attribue à S2 Pro la meilleure note de qualité. C’est aussi un gros modèle pensé pour les GPU. SuperClonica prend le chemin inverse : un petit fichier de voix Supertonic 3 qui tourne vite sur un processeur ordinaire, hors ligne.\n\nSi vous cherchez une alternative à Fish Audio ou à Fish Speech parce que vous n’avez pas de GPU ou que vous voulez intégrer la voix dans une application, lisez la suite. S’il vous faut un maximum d’expressivité ou du chinois, Fish Audio est sans doute le meilleur outil.","sections":[{"heading":"Fish Audio, Fish Speech et S2 Pro : qui est qui","paragraphs":["Fish Audio publie ses modèles ouverts dans un dépôt GitHub nommé fish-speech, et les premières versions portaient ce nom : Fish Speech 1.5, par exemple, couvre 13 langues sous licence CC-BY-NC-SA-4.0. Les modèles plus récents s’appellent Fish Audio S2 et S2 Pro.","S2 Pro, le modèle de notre tableau, repose sur une architecture double autorégressive : un modèle de 4 milliards de paramètres prédit le codebook principal, un modèle de 400 millions complète les neuf autres. Sa fiche annonce plus de 80 langues et des balises libres dans le texte, comme [whisper in small voice] ou [pitch up]. Le dépôt mentionne aussi Fish Audio Drama 3, un modèle plus récent et plus gros que notre tableau ne couvre pas encore."]},{"heading":"Fish Audio S2 Pro contre SuperClonica : vitesse sur CPU","paragraphs":["D’après notre estimation pour un processeur de bureau à 8 cœurs, S2 Pro a besoin de 4 à 10 secondes de calcul par seconde d’audio : une réplique de 10 secondes prend 40 à 100 secondes. SuperClonica la produit en 1,0 à 1,6 seconde environ.","C’est le chiffre le plus approximatif de notre tableau. Faute de benchmark CPU public, nous l’avons déduit du client GGUF s2.cpp et de l’architecture du modèle, en supposant une bande passante mémoire effective de 30 à 50 Go/s. Sur GPU, la situation change : Fish Audio annonce un RTF de 0,195 et environ 100 ms avant le premier son sur une seule NVIDIA H200."]},{"heading":"Là où Fish Audio fait mieux","paragraphs":["Pour une voix expressive, Fish Audio S2 Pro a de vrais atouts."],"points":["Qualité : 5 sur 5 dans notre tableau, contre 4,5 pour SuperClonica.","Langues : plus de 80, chinois compris. Supertonic 3 en compte 31, sans le chinois pour l’instant.","Cloner une voix sans entraînement : selon le dépôt fish-speech, 10 à 30 secondes de référence suffisent pour reproduire un timbre.","Contrôle des émotions : des balises libres dans le texte pour chuchoter, rire, appuyer un mot ou changer de hauteur."]},{"heading":"Licences et usage commercial","paragraphs":["Les poids de S2 Pro sont publiés sous la Fish Audio Research License : la recherche et l’usage non commercial sont gratuits, l’usage commercial exige une licence séparée de Fish Audio. Le code du dépôt et les autres poids relèvent de la Fish Audio Community License.","Supertonic 3 est publié sous OpenRAIL-M, une licence gratuite qui liste des usages interdits (se faire passer pour quelqu’un sans son accord, par exemple) plutôt qu’une clause non commerciale. Une voix achetée sur SuperClonica sert à vos propres projets et ne peut pas être revendue."]},{"heading":"Fish Audio ou SuperClonica : comment choisir","paragraphs":["SuperClonica prend l’avantage sur la vitesse CPU et la stabilité du timbre : 5 sur 5 dans les deux cas, contre 1 et 4 pour S2 Pro. Pour des heures de narration sur un portable, ou une voix générée sur la machine du joueur, cela pèse plus que la dernière demi-étoile de qualité."],"points":["Fish Audio S2 Pro si vous avez un bon GPU, s’il vous faut le chinois ou une langue plus rare, un clonage instantané à partir d’un court extrait ou des balises d’émotion.","SuperClonica si la voix doit tourner sur CPU, hors ligne, à vitesse prévisible ou dans une application que vous distribuez."]}],"faq":[{"question":"Existe-t-il une alternative gratuite à Fish Audio qui tourne sur CPU ?","answer":"Supertonic 3 est un modèle ouvert, livré avec des voix prédéfinies, qui se passe de GPU. Notre catalogue ajoute des voix gratuites et payantes, et d’après notre estimation le moteur SuperClonica les fait parler 6,4 à 9,7 fois plus vite que le temps réel sur un processeur de bureau à 8 cœurs. Vous n’aurez pas l’expressivité de S2 Pro, mais ça tourne là où S2 Pro est très lent."},{"question":"Fish Speech fonctionne-t-il sans carte graphique ?","answer":"Les chiffres publiés par Fish Audio concernent des GPU. Il existe un client communautaire, s2.cpp, basé sur ggml. D’après notre estimation approximative, sur un CPU de bureau c’est 4 à 10 fois plus lent que le temps réel : une minute de parole demande 4 à 10 minutes."},{"question":"Peut-on utiliser Fish Audio S2 Pro à des fins commerciales ?","answer":"Pas avec les conditions par défaut. La fiche du modèle indique que la recherche et l’usage non commercial sont gratuits, et que l’usage commercial nécessite une licence séparée de Fish Audio."},{"question":"SuperClonica clone-t-il les voix comme Fish Audio ?","answer":"Non. Fish Audio clone une voix au moment de la génération, à partir d’un extrait de 10 à 30 secondes. SuperClonica entraîne un fichier de voix distinct à partir d’un enregistrement de 5 à 10 secondes, gratuitement sur votre GPU NVIDIA ou par un auteur que vous mandatez. C’est plus long, mais le fichier tourne ensuite vite sur n’importe quel CPU."}],"cta":{"catalog":"Écouter les voix Supertonic 3","install":"Installer le moteur SuperClonica"},"sources":[{"label":"Fiche du modèle Fish Audio S2 Pro (Hugging Face)","url":"https://huggingface.co/fishaudio/s2-pro"},{"label":"Dépôt fish-speech (GitHub)","url":"https://github.com/fishaudio/fish-speech"},{"label":"Fiche du modèle Fish Speech 1.5","url":"https://huggingface.co/fishaudio/fish-speech-1.5"},{"label":"s2.cpp : S2 Pro sur ggml","url":"https://github.com/rodrigomatta/s2.cpp"},{"label":"Fiche du modèle Supertonic 3","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"Une synthèse vocale qui tourne sur votre propre ordinateur"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic vs SuperClonica : le même modèle, plus rapide et plus net"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio et Fish Speech face à SuperClonica"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice ou SuperClonica : plus de langues ou plus de vitesse"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"Qwen3-TTS ou SuperClonica pour une synthèse vocale locale"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 ou SuperClonica : son studio ou vitesse sur CPU"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS ou SuperClonica : clonage zero-shot ou synthèse rapide sur CPU"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"Une alternative hors ligne à ElevenLabs"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS ou SuperClonica : deux petits modèles de synthèse vocale locale"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS ou SuperClonica : petits appareils ou voix sur mesure"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 ou SuperClonica : une alternative à Coqui TTS"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS ou SuperClonica : clonage instantané ou fichier de voix entraîné"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"Convertir un texte en voix hors ligne sur votre ordinateur"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"Clonage de voix : obtenir une voix proche d’un enregistrement"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"Les meilleurs modèles de synthèse vocale gratuits pour un usage local en 2026"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"Synthèse vocale pour vidéos, livres audio, jeux et applications"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Voix Supertonic 3 : où trouver des voix personnalisées et comment les utiliser"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Synthèse vocale en Python : hors ligne, gratuite et avec des voix naturelles"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"API de synthèse vocale auto-hébergée dans Docker"}]}