GUIDE

OuteTTS, Llasa, MegaTTS3 et MaskGCT : une comparaison honnête

OuteTTS, Llasa, MegaTTS3 et MaskGCT sont des modèles de recherche ouverts qui clonent une voix à partir d’un court enregistrement, et on les croise souvent ensemble quand on cherche une alternative auto-hébergée aux voix cloud. Avant de bâtir sur l’un d’eux, deux points comptent surtout : les langues qu’il parle et ce que sa licence autorise.

Ce guide résume leurs fiches et explique quand SuperClonica, basé sur le petit modèle Supertonic 3, est le choix le plus simple.

Voir les voix Installer le moteur SuperClonica

OuteTTS 1.0

OuteTTS 1.0 1B repose sur Llama 3.2 1B et parle 23 langues, dont 12 bien entraînées, et clone une voix à partir d’environ 10 secondes d’audio ; une version GGUF tourne avec llama.cpp. Sa licence combine la Llama 3.2 Community License et CC-BY-NC-SA 4.0 pour les ajouts d’OuteAI : l’usage commercial est restreint.

Llasa

Llasa existe en tailles 1B, 3B et 8B basées sur des modèles Llama, a été entraîné sur 250 000 heures de parole chinoise et anglaise et clone à partir d’un extrait en 16 kHz. Il parle chinois et anglais, et sa licence CC BY-NC 4.0 interdit l’usage commercial libre.

MegaTTS3 et MaskGCT

MegaTTS3 de ByteDance est sous Apache-2.0 et parle anglais et chinois, mais son encodeur WaveVAE n’est pas publié : il ne clone qu’à partir de latents déjà extraits, et la fiche le dit surtout destiné à un usage académique ; sur CPU il est lent. MaskGCT d’Amphion est un modèle zero-shot entièrement non autorégressif, entraîné sur environ 100 000 heures de parole anglaise et chinoise, sous CC-BY-NC 4.0.

Quand SuperClonica convient mieux

Si vous avez besoin d’un usage commercial, de plus de langues ou d’un ordinateur sans GPU, SuperClonica est plus simple : Supertonic 3 tourne sur un processeur ordinaire, chaque voix parle 31 langues, les dix voix standard sont gratuites sous OpenRAIL-M, les voix du catalogue coûtent 2,99 $ une fois, et le studio entraîne votre propre voix à partir de 5 à 10 secondes d’enregistrement. Essayez n’importe quelle voix gratuitement sur sa page avec 30 à 100 caractères, ou installez le moteur avec python -m pip install superclonica-cpu.