Une alternative à Pocket TTS : 31 langues, des voix prêtes et une API hébergée
Pocket TTS est un petit modèle ouvert de synthèse vocale de Kyutai : environ 100 millions de paramètres, du temps réel sur un processeur de portable ordinaire et le clonage de voix à partir d’un court enregistrement WAV. Il parle six langues : anglais, français, allemand, portugais, italien et espagnol.
SuperClonica s’appuie sur Supertonic 3, un modèle de même taille qui parle 31 langues, et ajoute un catalogue de 190 voix créées par des auteurs, un moteur gratuit hors ligne et une API hébergée. Ce guide les compare honnêtement et dit quand choisir l’un ou l’autre.
Pocket TTS en bref
Selon sa fiche, Pocket TTS compte environ 100M de paramètres, tourne environ 6 fois plus vite que le temps réel sur un processeur MacBook Air M4 avec deux cœurs et donne son premier morceau d’audio en environ 200 ms. Il clone une voix à partir d’un fichier WAV fourni ; la fiche conseille de nettoyer l’échantillon d’abord, car sa qualité se retrouve dans le résultat. Les poids sont publiés sous CC-BY 4.0 et soumis à conditions : on les accepte sur Hugging Face avant le téléchargement. Ses règles interdisent de cloner une voix sans consentement explicite et légal.
Ce qui distingue SuperClonica
Langues : Supertonic 3 en parle 31, dont le russe, le japonais, le coréen, l’arabe, le hindi, le polonais et le turc, absents de Pocket TTS ; aucun des deux ne parle chinois.
Voix : au lieu de cloner un extrait à chaque requête, les voix SuperClonica sont des fichiers de style entraînés. Choisissez l’une des 190 voix du catalogue, écoutez-la et faites lire gratuitement une phrase test en ligne, ou entraînez votre propre voix à partir d’un enregistrement dans le studio.
Hébergement : en plus du moteur gratuit hors ligne, l’API vocale de SuperClonica fait tourner les voix pour vous, renvoie le son en flux dès environ 300 ms selon nos mesures et coûte 5 $ par mois pour jusqu’à 216 heures d’audio, avec une clé gratuite pour une minute par jour.
Lequel choisir
Choisissez Pocket TTS pour un clonage instantané à partir de quelques secondes d’audio dans l’une de ses six langues, en faisant tout tourner vous-même. Choisissez SuperClonica pour plus de langues, des voix prêtes de personnages et de narrateurs, ou une API hébergée en flux sans serveur à maintenir. Les deux tournent sur CPU : vous pouvez essayer chacun sur votre machine.