Une alternative à Bark et Tortoise TTS qui tourne sur CPU
Bark et Tortoise TTS ont montré à quel point la synthèse vocale open source pouvait sonner naturel, et on les télécharge encore chaque jour. En production, ils sont difficiles à vivre : Bark improvise, Tortoise exige une carte graphique NVIDIA et de la patience, et aucun des deux dépôts n’a été mis à jour depuis 2024.
Le moteur gratuit SuperClonica fait tourner le modèle Supertonic 3 sur un processeur ordinaire, lit le texte tel qu’il est écrit et vocalise rapidement les longs textes. Ce guide compare honnêtement les trois, y compris là où Bark ou Tortoise restent meilleurs.
Pourquoi chercher une alternative
Ce sont deux projets de recherche importants ; les difficultés commencent avec les longs textes, les centaines de répliques et les ordinateurs ordinaires.
- Bark est un modèle texte-vers-audio qui, selon ses auteurs, peut s’écarter du script de façon inattendue.
- Bark demande environ 12 Go de mémoire vidéo, ou 8 Go avec ses petits modèles, et il est bien plus lent sur processeur.
- Tortoise exige une carte graphique NVIDIA sur votre ordinateur et a été conçu pour la qualité, pas pour la vitesse.
- Les deux dépôts ont été mis à jour pour la dernière fois en 2024.
Comparer le son gratuitement
Sur la page de n’importe quelle voix, collez une phrase que vous avez vocalisée avec Bark ou Tortoise, 30 à 100 caractères, choisissez la langue et cliquez sur le bouton de synthèse. En quelques secondes, vous pouvez comparer, sans compte.
Ce qui change avec SuperClonica
Un résultat prévisible compte surtout quand des centaines de répliques doivent être vérifiées à l’oreille.
- Installation en une commande : python -m pip install superclonica-cpu, ou l’image Docker comme service HTTP.
- Une phrase courte prend bien moins d’une seconde sur un processeur ordinaire ; dans nos tests, 0,43 s sur quatre threads d’un Ryzen 7 5800X.
- Le texte est lu tel qu’il est écrit, sans sons improvisés, et le même seed redonne la même prise.
- Les longs textes sont découpés aux pauses naturelles et réunis en un seul fichier.
Préréglages, extraits et voix entraînées
Bark propose plus de 100 préréglages de locuteurs, mais ne clone pas votre propre voix. Tortoise copie une voix à partir d’extraits de référence à chaque génération, sur la carte graphique. SuperClonica a dix voix de base et plus de 170 voix au catalogue, chacune avec une démo gratuite ; votre propre voix s’entraîne une fois dans le studio SuperClonica à partir d’un enregistrement propre de 5 à 10 secondes d’un locuteur consentant, sur un ordinateur doté d’une carte graphique NVIDIA, ou se commande sur la bourse. Ensuite, elle tourne sur n’importe quel processeur.
Quand Bark ou Tortoise restent meilleurs
Choisissez Bark s’il vous faut des rires, des soupirs, de la musique ou des effets sonores dans l’audio, ou le chinois, que Supertonic 3 ne parle pas. Choisissez Tortoise si vous voulez copier une voix à partir de quelques extraits tout de suite et disposez d’une carte NVIDIA pour chaque génération. Choisissez SuperClonica pour une parole propre et prévisible en 31 langues, en volume, sur du matériel ordinaire.