{"kind":"compare","slug":"voxcpm","path":"/compare/voxcpm","title":"Alternative à VoxCPM 2 : synthèse sur CPU | SuperClonica","description":"VoxCPM 2 ou SuperClonica : audio 48 kHz, design de voix et 30 langues face à un petit moteur Supertonic 3 plus rapide sur CPU. Nos estimations et nos conseils.","h1":"VoxCPM 2 ou SuperClonica : son studio ou vitesse sur CPU","intro":"VoxCPM 2, d’OpenBMB, est un modèle de synthèse vocale de 2 milliards de paramètres sorti en avril 2026. Il produit de l’audio en 48 kHz, parle 30 langues, clone des voix et en crée de nouvelles à partir d’une description textuelle, le tout sous Apache 2.0. SuperClonica fait tourner des voix Supertonic 3 ; ce modèle est une vingtaine de fois plus petit, donc beaucoup plus rapide sur CPU, mais moins polyvalent.\n\nLa comparaison ci-dessous s’appuie sur la documentation de VoxCPM et sur notre propre tableau.","sections":[{"heading":"Ce que sait faire VoxCPM 2","paragraphs":["VoxCPM se passe de tokenizer : la parole est générée dans l’espace latent d’un VAE audio par un pipeline autorégressif à diffusion, bâti sur MiniCPM-4."],"points":["30 langues sans balise de langue, plus neuf dialectes chinois, dont le cantonais et le sichuanais.","Sortie en 48 kHz à partir d’une référence en 16 kHz, avec super-résolution intégrée.","Design de voix à partir d’une description en langage naturel, et clonage contrôlable.","Clonage fidèle à partir d’un extrait de référence et de sa transcription.","Poids et code sous Apache 2.0, présentés par les auteurs comme gratuits pour un usage commercial."]},{"heading":"VoxCPM 2 sur CPU et sur GPU","paragraphs":["Sur une RTX 4090, les auteurs annoncent un RTF d’environ 0,3, et d’environ 0,13 avec Nano-vLLM ; le modèle demande autour de 8 Go de VRAM. Sur un Apple M4 Pro via llama.cpp-omni, en poids Q8_0, ils indiquent environ 1,76.","Pour un processeur de bureau à 8 cœurs, nous estimons 2 à 4 fois plus lent que le temps réel : une phrase de 10 secondes prend 20 à 40 secondes. Le point de départ est un export ONNX qui indique 3,8 en poids INT8 sur un Core i3-12300, avec l’hypothèse qu’un CPU plus rapide double au mieux la vitesse. SuperClonica tourne 6,4 à 9,7 fois plus vite que le temps réel, soit 1,0 à 1,6 seconde environ pour la même phrase."]},{"heading":"Qualité et stabilité","paragraphs":["Notre tableau donne à VoxCPM 2 et à SuperClonica la même note de qualité, 4,5 sur 5. Pour la stabilité du timbre, VoxCPM 2 obtient 3,5 et SuperClonica 5.","Les auteurs de VoxCPM reconnaissent que le design de voix et le clonage contrôlable peuvent varier d’un essai à l’autre, et conseillent de générer une à trois fois. Pour une bande-annonce, ce n’est pas gênant. Pour un jeu où un personnage prononce des milliers de répliques, un fichier de voix fixe est plus simple à garder cohérent."]},{"heading":"Quand VoxCPM 2 est le meilleur choix","paragraphs":["Optez pour SuperClonica quand la voix tourne sur CPU, hors ligne et en volume, dans l’une des 31 langues de Supertonic 3. VoxCPM 2 l’emporte si :"],"points":["vous avez besoin du chinois ou de l’un de ses dialectes ;","le 48 kHz compte pour de la pub, de la musique ou de la vidéo ;","vous voulez créer une voix à partir d’une description ou cloner instantanément ;","vous disposez d’un GPU avec environ 8 Go de mémoire ou plus."]}],"faq":[{"question":"VoxCPM fonctionne-t-il sur CPU ?","answer":"Oui, via des portages comme un export ONNX, qui indique un RTF de 3,8 en INT8 sur un Core i3-12300. Nous estimons 2 à 4 fois plus lent que le temps réel sur un CPU de bureau à 8 cœurs. La configuration officielle demande CUDA 12.0 ou plus récent."},{"question":"Combien de VRAM faut-il pour VoxCPM 2 ?","answer":"Environ 8 Go, d’après le tableau comparatif du dépôt VoxCPM."},{"question":"VoxCPM est-il gratuit pour un usage commercial ?","answer":"Oui. Les poids et le code sont publiés sous Apache 2.0, et les auteurs les présentent explicitement comme gratuits pour un usage commercial."},{"question":"Lequel est le plus rapide pour une longue narration sans carte graphique ?","answer":"SuperClonica. D’après nos estimations pour un CPU de bureau à 8 cœurs, une heure d’audio prend environ 7 à 11 minutes avec SuperClonica, et 2 à 4 heures avec VoxCPM 2."}],"cta":{"catalog":"Ouvrir le catalogue de voix","install":"Guide d’installation de SuperClonica"},"sources":[{"label":"Dépôt VoxCPM (GitHub)","url":"https://github.com/OpenBMB/VoxCPM"},{"label":"Fiche du modèle VoxCPM2 (Hugging Face)","url":"https://huggingface.co/openbmb/VoxCPM2"},{"label":"Export ONNX avec mesures CPU","url":"https://github.com/DakeQQ/Text-to-Speech-TTS-ONNX#performance"},{"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"}]}