Alternative à Kyutai TTS : plus de langues, vos voix, sans GPU
Kyutai TTS est un modèle ouvert de synthèse vocale en streaming du laboratoire français Kyutai : il commence à parler dès les premiers mots du texte, ce qui le rend intéressant pour les assistants vocaux. Il parle anglais et français, et ses voix sont fournies sous forme d’embeddings précalculés.
Ce guide résume la fiche du modèle, quand Kyutai TTS est le bon choix, et quand SuperClonica, basé sur le petit modèle Supertonic 3, convient mieux.
Kyutai TTS en bref
Malgré le 1.6b de son nom, la fiche indique 1,8 milliard de paramètres : un backbone d’un milliard et un depth transformer de 600 millions. Il parle anglais et français et fonctionne en streaming : l’audio démarre dès l’arrivée des premiers mots. Les poids sont publiés sous CC-BY 4.0, il tourne avec le paquet Python moshi de Kyutai, et le code d’exemple utilise un GPU CUDA.
Voix et clonage
Kyutai a choisi de limiter le clonage de voix à des embeddings précalculés, publiés dans un dépôt séparé, tts-voices : vous choisissez parmi les voix fournies au lieu de cloner n’importe quel enregistrement. La fiche précise aussi qu’il n’y a pas de filigrane.
Ce qui change avec SuperClonica
SuperClonica utilise Supertonic 3, un modèle bien plus petit, sur un processeur ordinaire sans GPU, et chaque voix parle 31 langues, de l’anglais et du français au russe, au japonais et au coréen. Le catalogue propose des narrateurs et des voix de personnages, dix voix standard sont gratuites, et le studio entraîne une voix à partir de votre enregistrement propre de 5 à 10 secondes. Pour les apps, la Speech API hébergée diffuse aussi l’audio en streaming, comme le montre notre guide de l’API en streaming.
Lequel choisir
Choisissez Kyutai TTS si vous construisez un assistant anglais ou français sur votre propre GPU et voulez son design en streaming et ses poids ouverts. Choisissez SuperClonica pour plus de langues, un portable ou un serveur sans GPU, des voix de personnages ou votre propre voix. Kyutai fait aussi le plus petit Pocket TTS, que compare notre guide Pocket TTS. Essayez n’importe quelle voix SuperClonica gratuitement sur sa page avec 30 à 100 caractères, ou installez le moteur avec python -m pip install superclonica-cpu.