Piper TTS ou SuperClonica : petits appareils ou voix sur mesure
Piper est un système neuronal de synthèse vocale rapide et local, connu comme la voix de Home Assistant et comme l’une des voix du lecteur d’écran NVDA. Ses voix sont entraînées avec VITS et exportées en ONNX, et le projet d’origine était optimisé pour le Raspberry Pi 4. En octobre 2025, le dépôt d’origine a été archivé ; le développement continue dans OHF-Voice/piper1-gpl, sous l’égide de l’Open Home Foundation.
SuperClonica génère aussi la voix en local, avec une autre approche : des voix Supertonic 3 dans un seul fichier JSON, un catalogue de voix d’auteurs et des voix sur commande. Piper ne figure pas dans notre tableau comparatif : cette page s’en tient aux faits de ses dépôts officiels et dit à quoi chacun sert le mieux.
Comment fonctionne Piper
Chaque voix Piper est un modèle ONNX distinct, avec sa configuration JSON, entraîné pour une langue. Pour passer du texte aux phonèmes, Piper intègre espeak-ng. Le paquet actuel s’installe avec pip install piper-tts et comprend un outil en ligne de commande, une API Python, un serveur HTTP et une bibliothèque C/C++ ; l’accélération GPU via CUDA est facultative.
La liste des voix couvre 39 langues, de l’arabe et du catalan au vietnamien et au gallois, dont le français, l’allemand, l’espagnol, le portugais, le russe et le chinois. Le japonais et le coréen n’y figurent pas.
Licences : le moteur et chaque voix
Le moteur actuel, piper1-gpl, est sous GPL-3.0 ; l’original archivé était sous MIT. C’est important si vous intégrez la bibliothèque à un produit fermé. Les voix ont leurs propres conditions : la liste demande de lire le MODEL_CARD de chaque voix, prévient que certaines ont des licences restrictives et présente Piper comme un outil destiné à l’usage personnel et à la recherche en synthèse vocale.
Supertonic 3 est sous OpenRAIL-M, une seule licence gratuite pour le modèle, avec une liste d’usages interdits. Les voix achetées sur SuperClonica servent à vos propres projets et ne peuvent pas être revendues.
Une nouvelle voix : entraîner pour Piper ou pour SuperClonica
Piper ne clone pas une voix à partir d’un court extrait. Une nouvelle voix, c’est un entraînement sur un jeu d’enregistrements avec transcriptions. Le guide officiel recommande de partir d’un checkpoint existant ; la plupart des voix officielles ont été entraînées sur des cartes de 24 à 48 Go, et des utilisateurs y sont parvenus avec 8 Go de VRAM.
Sur SuperClonica, un enregistrement propre de 5 à 10 secondes avec sa transcription exacte suffit pour commencer. L’entraînement tourne sur votre propre GPU NVIDIA, vous comparez les checkpoints, et le JSON final se télécharge gratuitement. Sans GPU, commandez la voix à un auteur ou choisissez une voix prête avec démos dans le catalogue.
Vitesse et matériel
Piper a été conçu pour les petits appareils, et c’est son point fort. Nous ne l’avons pas mesuré et ne le notons pas dans notre tableau.
Supertonic 3 a besoin d’un modèle de base d’environ 400 Mo plus le moteur. Ses cibles habituelles sont les ordinateurs de bureau, les portables, les serveurs et le navigateur via ONNX Runtime Web ; nous n’avons pas de mesures sur Raspberry Pi. Sur un CPU de bureau à 8 cœurs, nous estimons SuperClonica 6,4 à 9,7 fois plus rapide que le temps réel, et le moteur est en moyenne 61 % plus rapide que le client standard de Supertonic 3 sur CPU.
Quand Piper est le meilleur choix
SuperClonica convient si vous cherchez une voix absente de la liste de Piper, du japonais ou du coréen, ou une voix commandée pour votre projet. Choisissez Piper pour :
- Le Raspberry Pi et les autres petits appareils, les assistants vocaux domotiques et Home Assistant.
- Les langues que Supertonic 3 ne couvre pas, comme le catalan, le gallois, le persan, le kazakh, le népalais, le swahili ou le chinois.
- Une bibliothèque C/C++ ou un serveur HTTP prêt pour un système existant.
- Les projets compatibles avec la GPL-3.0 et avec la licence de la voix choisie.