Une alternative à Soprano, Kani TTS et Marvis TTS
Une nouvelle vague de petits modèles ouverts de synthèse vocale vise la parole en temps réel sur du matériel modeste. Soprano 1.1 compte 80 millions de paramètres et ne parle qu’anglais ; Kani TTS 370M parle six langues dont le chinois ; Marvis TTS 250M diffuse la parole en anglais, français et allemand et clone une voix à partir d’un audio de référence.
SuperClonica fait tourner Supertonic 3, environ 99 millions de paramètres, en 31 langues sur un processeur ordinaire. Ce guide les compare avec les faits de leurs fiches ; nous ne les avons pas mesurés, les chiffres de vitesse sont donc leurs propres annonces.
Soprano 1.1
Un modèle Apache 2.0 de 80 millions de paramètres qui annonce jusqu’à 2000 fois le temps réel sur GPU et 20 fois sur CPU, diffuse avec moins de 250 ms de latence sur CPU et demande moins de 1 Go de mémoire. Sa fiche indique qu’il ne parle qu’anglais, ne clone pas de voix et a été entraîné sur environ 1 000 heures d’audio : les mots rares peuvent être mal prononcés.
Kani TTS 370M
Un modèle de 370 millions de paramètres à 22 kHz pour l’anglais, l’allemand, le chinois, le coréen, l’arabe et l’espagnol, avec environ 2 Go de mémoire GPU. Vérifiez sa licence avant un usage commercial : les métadonnées de la fiche citent la licence LFM 1.0, son texte Apache 2.0.
Marvis TTS 250M
Un modèle conversationnel Apache 2.0 avec une base de 250M et un décodeur audio de 60M, conçu pour la diffusion en temps réel sur des appareils comme l’iPhone et l’iPad. Il est optimisé pour l’anglais, le français et l’allemand et clone une voix à partir d’un audio de référence.
La place de SuperClonica
Supertonic 3 parle 31 langues et chaque voix les parle toutes, avec environ 190 voix de catalogue, des narrateurs aux personnages de jeux et d’anime, achetées une fois ; les dix voix standard sont gratuites et utilisables commercialement. Nous estimons le moteur entre 6,4 et 9,7 fois le temps réel sur un CPU de bureau à 8 cœurs. Installez-le avec python -m pip install superclonica-cpu et lancez superclonica --text "Bonjour" --voice F1 --lang fr --output hello.mp3 ; chaque page de voix lit aussi une phrase gratuitement.
Lequel choisir
Soprano pour l’anglais le plus rapide sur un matériel minuscule, Kani pour le chinois ou le coréen avec un GPU, Marvis pour le streaming et le clonage en trois langues européennes. SuperClonica pour 31 langues sur CPU, des voix de personnages prêtes, des voix entraînées dans son studio et une API avec 3 minutes gratuites par jour.