GUIDE

Une API Kokoro TTS : auto-hébergée, chez un tiers ou une alternative hébergée

Kokoro-82M est un modèle ouvert de synthèse vocale très populaire : 82 millions de paramètres, des poids sous licence Apache et, en version 1.0, 54 voix en 8 langues. Sa fiche ne cite aucune API hébergée officielle de son auteur : une « API Kokoro » signifie donc faire tourner le modèle sur votre serveur ou payer un hébergeur tiers.

Ce guide compare ces options avec l’API vocale de SuperClonica, qui fait tourner un autre modèle ouvert, Supertonic 3, comme service hébergé avec 190 voix de catalogue.

Obtenir une clé API gratuite Écouter les voix Ou faire tourner le moteur vous-même

Option 1 : héberger Kokoro vous-même

Les poids sont sous licence Apache : vous pouvez envelopper le modèle dans votre propre serveur HTTP et le faire tourner sur CPU ou GPU. Vous gardez le contrôle total et ne payez que la machine, mais le serveur, la montée en charge et les mises à jour sont pour vous. La fiche prévient que certains sites portant le nom Kokoro n’appartiennent pas à l’auteur du modèle et ne lui sont pas affiliés.

Option 2 : un hébergeur tiers de Kokoro

Selon la fiche, Kokoro est déployé dans de nombreuses API commerciales ; en avril 2025, elle citait des prix de marché sous 1 $ par million de caractères, environ 0,65 $ et 0,80 $ chez deux hébergeurs, soit à peu près 0,04 à 0,05 $ l’heure d’audio. Vérifiez vous-même le prix, les limites et les conditions actuels de chaque hébergeur.

Option 3 : l’API vocale de SuperClonica

SuperClonica fait tourner Supertonic 3, un modèle ouvert de même taille, comme API hébergée. Elle renvoie le son en flux dès environ 300 ms selon nos mesures et donne accès à 190 voix de catalogue créées par des auteurs (personnages, narrateurs, annonceurs) ainsi qu’aux voix entraînées sur votre enregistrement. La facturation est au temps : une clé gratuite donne une minute par jour, et Débutant coûte 5 $ par mois pour jusqu’à 216 heures, environ 0,023 $ l’heure en pleine utilisation.

Lequel choisir

Choisissez Kokoro s’il vous faut le chinois, que Supertonic 3 ne parle pas encore, ou les voix propres à Kokoro, et que vous acceptez de l’héberger ou de choisir un hébergeur. Choisissez SuperClonica pour beaucoup de voix prêtes de personnages et de narrateurs, des voix entraînées sur mesure et une API hébergée en flux sans serveur à maintenir. Les deux modèles sont petits et tournent sur CPU : essayez chacun en local d’abord.