# F5-TTS ou SuperClonica : clonage zero-shot ou synthèse rapide sur CPU

Mis à jour 2026-10-23

F5-TTS est un modèle de synthèse vocale ouvert fondé sur le flow matching et un Diffusion Transformer, publié pour la première fois en octobre 2024, puis complété en mars 2025 par un modèle de base v1 amélioré. Il clone les voix en zero-shot : vous lui donnez un court extrait de référence et son texte, et il parle avec cette voix. SuperClonica fonctionne autrement. Une voix est entraînée une fois dans un fichier Supertonic 3, qui tourne ensuite vite sur un CPU ordinaire.

Si vous cherchez une alternative à F5-TTS pour le CPU ou pour un usage commercial, voici ce qui change.

## Comment fonctionne F5-TTS

F5-TTS est un Diffusion Transformer avec ConvNeXt V2, entraîné sur environ 100 000 heures de données multilingues publiques issues du jeu de données Emilia. Le modèle de base officiel est le modèle chinois-anglais. Vous fournissez un enregistrement de référence et sa transcription ; si la transcription est vide, un modèle de reconnaissance vocale la complète, au prix de mémoire GPU supplémentaire.

La communauté a réentraîné F5-TTS pour d’autres langues, et le dépôt renvoie vers ces modèles. Notre tableau retient les deux langues du modèle de base officiel.

## Vitesse de F5-TTS sur CPU et sur GPU

Sur GPU, F5-TTS est rapide : le dépôt indique un RTF de 0,0402 avec TensorRT-LLM et de 0,1467 avec PyTorch sur une seule NVIDIA L20, à 16 étapes.

Sur CPU, c’est le modèle le plus lent de notre tableau. L’article sur ZipVoice a mesuré 37,284 à 32 étapes sur un seul thread d’un Xeon Platinum 8457C. En supposant un gain effectif de 2,5 à 7,5 fois avec un CPU de bureau moderne à 16 threads, on obtient 5 à 15 fois plus lent que le temps réel : 50 à 150 secondes pour une phrase de 10 secondes. SuperClonica a besoin de 1,0 à 1,6 seconde environ.

## Qualité et stabilité du timbre

Nous donnons à F5-TTS 3 sur 5 pour la qualité et 3 pour la stabilité du timbre, contre 4,5 et 5 pour SuperClonica. Le clonage zero-shot reconstruit la voix à partir de la référence à chaque requête : le résultat dépend donc de l’extrait. Un fichier de voix entraîné part du même timbre à chaque fois.

## Licence : à vérifier avant un usage commercial

Le code de F5-TTS est sous licence MIT. Les modèles pré-entraînés sont sous CC-BY-NC à cause des données d’entraînement Emilia : avec les conditions par défaut, les poids officiels ne peuvent pas servir à un usage commercial.

Supertonic 3 est sous OpenRAIL-M, une licence gratuite qui liste des usages interdits au lieu d’une clause non commerciale. Les voix achetées sur SuperClonica servent à vos propres projets et ne peuvent pas être revendues.

## Quand choisir F5-TTS

SuperClonica convient aux produits dans les 31 langues de Supertonic 3, aux machines sans GPU et aux textes longs, où chaque seconde gagnée s’additionne. F5-TTS est le bon choix dans ces cas :

- Recherche et expérimentations non commerciales sur le clonage zero-shot.
- Voix en chinois ou en anglais sur GPU, ou modèle communautaire pour votre langue.
- Un clone à partir d’un extrait, tout de suite, sans étape d’entraînement.

## En savoir plus sur la synthèse vocale

- [Une synthèse vocale qui tourne sur votre propre ordinateur](https://superclonica.com/fr/text-to-speech)
- [Supertonic vs SuperClonica : le même modèle, plus rapide et plus net](https://superclonica.com/fr/compare/supertonic)
- [Fish Audio et Fish Speech face à SuperClonica](https://superclonica.com/fr/compare/fish-audio)
- [OmniVoice ou SuperClonica : plus de langues ou plus de vitesse](https://superclonica.com/fr/compare/omnivoice)
- [Qwen3-TTS ou SuperClonica pour une synthèse vocale locale](https://superclonica.com/fr/compare/qwen3-tts)
- [VoxCPM 2 ou SuperClonica : son studio ou vitesse sur CPU](https://superclonica.com/fr/compare/voxcpm)
- [Une alternative hors ligne à ElevenLabs](https://superclonica.com/fr/compare/elevenlabs)
- [Kokoro TTS ou SuperClonica : deux petits modèles de synthèse vocale locale](https://superclonica.com/fr/compare/kokoro)
- [Piper TTS ou SuperClonica : petits appareils ou voix sur mesure](https://superclonica.com/fr/compare/piper)
- [Coqui XTTS-v2 ou SuperClonica : une alternative à Coqui TTS](https://superclonica.com/fr/compare/xtts)
- [Chatterbox TTS ou SuperClonica : clonage instantané ou fichier de voix entraîné](https://superclonica.com/fr/compare/chatterbox)

## Guides de synthèse vocale

- [Convertir un texte en voix hors ligne sur votre ordinateur](https://superclonica.com/fr/guides/offline-text-to-speech)
- [Clonage de voix : obtenir une voix proche d’un enregistrement](https://superclonica.com/fr/guides/voice-cloning)
- [Les meilleurs modèles de synthèse vocale gratuits pour un usage local en 2026](https://superclonica.com/fr/guides/best-free-tts-models)
- [Synthèse vocale pour vidéos, livres audio, jeux et applications](https://superclonica.com/fr/guides/text-to-speech-for-videos)
- [Voix Supertonic 3 : où trouver des voix personnalisées et comment les utiliser](https://superclonica.com/fr/guides/supertonic-3-voices)
- [Synthèse vocale en Python : hors ligne, gratuite et avec des voix naturelles](https://superclonica.com/fr/guides/python-text-to-speech)
- [API de synthèse vocale auto-hébergée dans Docker](https://superclonica.com/fr/guides/text-to-speech-api-docker)

## Questions fréquentes

### F5-TTS fonctionne-t-il sur CPU ?

Oui, mais lentement. L’article sur ZipVoice a mesuré un RTF d’environ 37 sur un seul thread CPU ; pour un CPU de bureau à 16 threads, nous estimons 5 à 15 fois plus lent que le temps réel.

### Peut-on utiliser F5-TTS à des fins commerciales ?

Pas avec les modèles pré-entraînés officiels : ils sont sous CC-BY-NC à cause de leurs données d’entraînement. Le code, lui, est sous MIT.

### Quelles langues F5-TTS prend-il en charge ?

Le modèle de base officiel a été entraîné sur le chinois et l’anglais. Des modèles communautaires ajoutent d’autres langues, avec une qualité et des licences variables.

### Quelle alternative plus rapide à F5-TTS pour cloner une voix ?

Si vous pouvez attendre l’entraînement : une voix Supertonic 3 entraînée sur votre enregistrement et lue avec SuperClonica, d’après notre estimation 6,4 à 9,7 fois plus vite que le temps réel sur un CPU de bureau. S’il vous faut un clone sans entraînement, regardez Qwen3-TTS ou OmniVoice, qui se contentent de quelques secondes d’audio.

- [Essayer des voix pensées pour le CPU](https://superclonica.com/fr/explore)
- [Installer le moteur](https://superclonica.com/fr/superclonica)

## Sources

- [Dépôt F5-TTS (GitHub)](https://github.com/SWivid/F5-TTS)
- [Fiche du modèle F5-TTS (Hugging Face)](https://huggingface.co/SWivid/F5-TTS)
- [Article F5-TTS (arXiv)](https://arxiv.org/abs/2410.06885)
- [Article ZipVoice, tableau II : vitesse CPU](https://arxiv.org/html/2506.13053v1#S5.T2)
- [Fiche du modèle Supertonic 3](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [SuperClonica](https://superclonica.com/fr/)
- [Catalogue de voix IA pour la synthèse vocale](https://superclonica.com/fr/explore)
- [Commandes de voix personnalisées](https://superclonica.com/fr/requests)
- [Guide: voix, TTS local et entraînement](https://superclonica.com/fr/guide)
- [Installer le moteur rapide pour Supertonic 3](https://superclonica.com/fr/superclonica)
- [À propos: des passionnés de synthèse vocale](https://superclonica.com/fr/about)
- [Contact, support et signalement de voix](https://superclonica.com/fr/contacts)
- [Politique de confidentialité](https://superclonica.com/fr/privacy)
- [Conditions d'utilisation](https://superclonica.com/fr/terms)
- [Synthèse vocale](https://superclonica.com/fr/text-to-speech)