GUIDE

Une alternative hors ligne à Google Cloud Text-to-Speech

Google Cloud Text-to-Speech, Amazon Polly et Azure AI Speech sont des API cloud : chaque requête envoie votre texte au fournisseur, l’usage au-delà d’un palier gratuit est facturé au caractère, et il faut un compte, une clé et une connexion Internet. SuperClonica propose la même brique, mais sur votre propre machine.

Cette page compare honnêtement les deux approches, dit quand une API cloud est le meilleur choix et montre comment remplacer un appel cloud par un appel local.

Voir les voix Installer le moteur SuperClonica

API cloud ou voix que vous faites tourner

Les API cloud sont plus simples à démarrer et absorbent toute charge ; un moteur local échange cela contre la confidentialité et un coût fixe.

  • TTS cloud : serveurs gérés, nombreuses langues et voix, facturation à l’usage, texte envoyé au fournisseur.
  • SuperClonica : une image Docker avec un endpoint HTTP, une bibliothèque Python et un outil en ligne de commande, le tout en local.
  • Après le téléchargement unique du modèle, environ 385 Mo, le serveur n’a plus besoin d’Internet.
  • Les voix sont des fichiers JSON : les dix voix intégrées, des voix du catalogue ou une voix entraînée à partir de votre propre enregistrement.

Quand une API cloud est le meilleur choix

Choisissez une API cloud s’il vous faut le chinois ou une très longue liste de langues et de variantes régionales, le contrôle par SSML, une montée en charge gérée avec des garanties de service, ou simplement aucun serveur à maintenir. SuperClonica parle 31 langues, n’a pas de SSML et tourne sur du matériel que vous gérez.

Quand SuperClonica convient mieux

Dans nos tests, une phrase courte a pris 0,12 s sur une RTX 5070 Ti et 0,43 s sur quatre threads d’un Ryzen 7 5800X.

  • Vos textes sont confidentiels : notes médicales, documents internes, dialogues d’un jeu non publié.
  • Vous devez travailler hors ligne ou dans un réseau fermé.
  • Votre volume est grand ou imprévisible, et une facture au caractère grandirait avec lui.
  • Vous voulez des voix de personnages, une voix de marque entraînée avec votre propre speaker et la même voix dans les 31 langues.

Remplacer l’appel d’API

Lancez le serveur sur n’importe quel processeur : docker run -d --name tts -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Quand GET http://localhost:8000/health répond, envoyez une requête : curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Bonjour depuis mon serveur !", "voice": "F1", "lang": "fr"}' -o hello.wav. POST /synthesize accepte text, voice, lang, seed et normalize et renvoie un WAV mono 16 bits. Définissez SUPERCLONICA_API_KEY pour exiger un en-tête Authorization, et gardez le serveur derrière HTTPS ou sur un réseau privé. Une voix personnalisée passe dans la requête sous forme de son objet JSON.

Coûts et licences

Le moteur SuperClonica et l’image Docker sont publiés sous licence Apache 2.0. Le modèle Supertonic 3 est sous OpenRAIL-M, une licence gratuite qui autorise l’usage commercial dans le cadre de sa liste d’usages interdits. Les voix intégrées et plusieurs voix du catalogue sont gratuites ; les autres s’achètent une fois. Vérifiez les prix actuels des fournisseurs cloud sur leurs propres sites avant de comparer.