# VoxCPM 2 ou SuperClonica : son studio ou vitesse sur CPU

Mis à jour 2026-10-23

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.

La comparaison ci-dessous s’appuie sur la documentation de VoxCPM et sur notre propre tableau.

## Ce que sait faire VoxCPM 2

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.

- 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.

## VoxCPM 2 sur CPU et sur GPU

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.

## Qualité et stabilité

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.

## Quand VoxCPM 2 est le meilleur choix

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 :

- 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.

## 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)
- [F5-TTS ou SuperClonica : clonage zero-shot ou synthèse rapide sur CPU](https://superclonica.com/fr/compare/f5-tts)
- [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

### VoxCPM fonctionne-t-il sur CPU ?

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.

### Combien de VRAM faut-il pour VoxCPM 2 ?

Environ 8 Go, d’après le tableau comparatif du dépôt VoxCPM.

### VoxCPM est-il gratuit pour un usage commercial ?

Oui. Les poids et le code sont publiés sous Apache 2.0, et les auteurs les présentent explicitement comme gratuits pour un usage commercial.

### Lequel est le plus rapide pour une longue narration sans carte graphique ?

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.

- [Ouvrir le catalogue de voix](https://superclonica.com/fr/explore)
- [Guide d’installation de SuperClonica](https://superclonica.com/fr/superclonica)

## Sources

- [Dépôt VoxCPM (GitHub)](https://github.com/OpenBMB/VoxCPM)
- [Fiche du modèle VoxCPM2 (Hugging Face)](https://huggingface.co/openbmb/VoxCPM2)
- [Export ONNX avec mesures CPU](https://github.com/DakeQQ/Text-to-Speech-TTS-ONNX#performance)
- [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)