Une alternative à GPT-SoVITS en 31 langues

GPT-SoVITS en bref

C’est un excellent outil pour les voix chinoises et japonaises et pour qui aime préparer des datasets.

• Clonage sans entraînement à partir d’un échantillon de 5 secondes, et affinage sur environ une minute de parole.
• Cinq langues : chinois, anglais, japonais, coréen et cantonais.
• Une WebUI avec des outils pour séparer les voix, découper les enregistrements et annoter les données.
• Licence MIT, développement actif ; rapide sur cartes graphiques NVIDIA, plus lent sur processeur.

Comparer le son gratuitement

Sur la page de n’importe quelle voix, collez une phrase que vous avez vocalisée avec GPT-SoVITS, 30 à 100 caractères, choisissez la langue et cliquez sur le bouton de synthèse. En quelques secondes, vous pouvez comparer, sans compte.

Ce que SuperClonica fait autrement

La synthèse tourne sur un processeur ordinaire : dans nos tests, une phrase courte a pris 0,43 s sur quatre threads d’un Ryzen 7 5800X.

• 31 langues, dont le français, l’espagnol, l’allemand, le russe, le portugais, l’italien, le polonais et l’hindi ; le chinois et le cantonais n’en font pas partie.
• Des voix prêtes : dix voix de base et plus de 170 voix au catalogue avec démo gratuite, sans dataset.
• Chaque voix est un fichier JSON d’environ 0,3 Mo et parle toutes les langues du modèle.
• Installation en une commande : python -m pip install superclonica-cpu, ou une image Docker avec API HTTP.

Votre propre voix

GPT-SoVITS imite une voix à partir d’un échantillon au moment de la 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 GPT-SoVITS pour les voix chinoises, cantonaises et japonaises, pour cloner aussitôt à partir d’un échantillon et si vous avez une carte graphique NVIDIA. Choisissez SuperClonica pour les langues européennes et les autres langues prises en charge, pour des voix prêtes de personnages et de narrateurs et pour un déploiement simple sur des serveurs ordinaires. Rien n’empêche d’utiliser les deux : l’un pour le chinois et le cantonais, l’autre pour le reste.