Une alternative hors ligne à la synthèse vocale d’OpenAI
L’endpoint vocal d’OpenAI a fait de la synthèse vocale un simple appel d’API. Selon la documentation d’OpenAI, ses modèles sont désormais obsolètes et s’arrêtent le 6 janvier 2027, et leur remplaçant passe par une autre API. Si l’intégration doit de toute façon être réécrite, c’est le bon moment pour se demander si la voix doit vraiment quitter vos serveurs.
Le moteur gratuit SuperClonica fait tourner Supertonic 3 comme votre propre service HTTP, sur un processeur ordinaire, avec des voix de base, du catalogue ou entraînées. Ce guide compare honnêtement les deux et montre comment remplacer l’endpoint.
Pourquoi changer maintenant
Les voix d’OpenAI sont bonnes et rapides à mettre en place ; les raisons de changer sont le contrôle et le coût, pas la qualité.
- Les modèles de l’endpoint vocal, tts-1, tts-1-hd, gpt-4o-mini-tts, sont obsolètes et s’arrêtent le 6 janvier 2027.
- Leur remplaçant passe par la Realtime API, un autre mode de fonctionnement : le code change de toute façon.
- Chaque requête envoie votre texte à un service cloud et est facturée à l’usage.
- Sans internet ni clé d’API, pas de voix.
Comparer le son gratuitement
Sur la page de n’importe quelle voix, collez une phrase typique de votre application, 30 à 100 caractères, choisissez la langue et cliquez sur le bouton de synthèse. En quelques secondes, vous entendez si elle peut remplacer la voix actuelle, sans compte.
Remplacer l’endpoint
La plupart des applications appellent la voix à un seul endroit, le changement tient donc souvent en quelques lignes.
- Lancez le serveur sur n’importe quel processeur : docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu.
- Envoyez POST /synthesize avec text, voice et lang ; la réponse est un fichier WAV mono 16 bits.
- Le format n’est pas compatible OpenAI : un petit adaptateur convertit input en text et vos noms de voix en M1–M5, F1–F5 ou vos propres fichiers de voix.
- Définissez SUPERCLONICA_API_KEY et gardez le serveur derrière HTTPS ou sur un réseau privé.
Vos propres voix
Au lieu d’un ensemble fixe de voix intégrées, choisissez parmi plus de 170 voix du catalogue, chacune avec une démo gratuite, ou parmi les voix gratuites du dépôt superclonica/supertonic-voices sur GitHub. Pour votre propre voix, entraînez-la dans le studio SuperClonica à partir d’un enregistrement propre d’un locuteur consentant, sur un ordinateur doté d’une carte graphique NVIDIA, ou commandez-la sur la bourse. Le fichier de voix voyage dans chaque requête, le serveur ne stocke donc aucune voix.
Quand OpenAI reste le meilleur choix
Supertonic 3 parle 31 langues, et le chinois n’en fait pas partie ; la synthèse d’OpenAI couvre le chinois et davantage de langues. Le moteur n’accepte pas d’instructions écrites sur le ton : l’interprétation vient de la voix et de la ponctuation. Et une API hébergée ne demande aucun serveur à vous. Si c’est l’essentiel, restez chez OpenAI ; si la confidentialité, le coût et vos propres voix comptent davantage, hébergez la voix vous-même.