GUIDE

Une alternative à CosyVoice, IndexTTS et Spark-TTS

CosyVoice, IndexTTS et Spark-TTS comptent parmi les modèles vocaux ouverts les plus puissants fondés sur les modèles de langage : ils copient une voix à partir d’un seul extrait, suivent des consignes d’émotion et gèrent le chinois à merveille. Ce sont de gros modèles, généralement exécutés sur des cartes graphiques NVIDIA, et leurs listes de langues sont courtes.

Le moteur gratuit SuperClonica fait tourner le modèle plus compact Supertonic 3 sur un processeur ordinaire en 31 langues, avec un catalogue de voix prêtes. Ce guide les compare honnêtement et dit quand l’un des trois reste le meilleur choix.

Voir les voix Installer le moteur SuperClonica

Ce que les trois font bien

Pour le chinois, ses dialectes et le clonage instantané à partir d’un extrait, ce sont d’excellents outils.

  • Fun-CosyVoice 3.0 couvre 9 langues, dont le chinois, l’anglais, le japonais, le coréen, l’allemand, l’espagnol, le français, l’italien et le russe, plus de 18 dialectes chinois, et suit des consignes d’émotion et de vitesse.
  • IndexTTS-2.5 clone une voix à partir d’un extrait de référence en chinois, anglais, japonais, espagnol et arabe, avec un contrôle fin de l’émotion.
  • Spark-TTS parle chinois et anglais et clone des voix d’une langue à l’autre.
  • Les licences diffèrent : CosyVoice est sous Apache 2.0, IndexTTS sous le bilibili Model Use License Agreement ; vérifiez chaque modèle avant un usage commercial.

Comparer le son gratuitement

Sur la page de n’importe quelle voix, collez une phrase que vous avez vocalisée avec l’un d’eux, 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

Le texte est lu tel qu’il est écrit, et le même seed redonne la même prise, ce qui garde les longs projets cohérents.

  • 31 langues, dont le portugais, le polonais, le néerlandais, le turc, l’ukrainien, l’hindi, l’indonésien et le vietnamien ; le chinois n’en fait pas partie.
  • Il tourne sur un processeur ordinaire : dans nos tests, une phrase courte a pris 0,43 s sur quatre threads d’un Ryzen 7 5800X.
  • Des voix prêtes : dix voix de base et plus de 170 voix au catalogue avec démo gratuite.
  • Installation en une commande : python -m pip install superclonica-cpu, ou une image Docker avec API HTTP.

Copier une voix ou l’entraîner

Les trois copient une voix à partir d’un extrait à chaque génération. Dans SuperClonica, une voix s’entraîne une fois dans le studio à partir d’un enregistrement propre de 5 à 10 secondes, sur un ordinateur doté d’une carte graphique NVIDIA, ou se commande sur la bourse auprès d’un auteur qui l’entraîne. Ensuite, elle tourne sur n’importe quel processeur et dans les 31 langues, avec une trace de l’accent de l’enregistrement d’origine. Ne clonez que des voix dont les propriétaires sont d’accord.

Lequel choisir

Choisissez CosyVoice, IndexTTS ou Spark-TTS pour le chinois et ses dialectes, le clonage instantané à partir d’un extrait et les consignes d’émotion, si vous avez une carte graphique. Choisissez SuperClonica pour les nombreuses langues qu’ils ne couvrent pas, pour des voix prêtes de personnages et de narrateurs et pour produire de la voix en volume sur des serveurs et des portables ordinaires.