Une alternative à StyleTTS 2 et Parler-TTS en 31 langues

StyleTTS 2 et Parler-TTS en bref

Pour la recherche en anglais, des essais de fine-tuning ou des voix décrites en mots, les deux sont des outils sérieux.

• StyleTTS 2 : des modèles anglais entraînés sur LJSpeech et LibriTTS, un code sous licence MIT et un transfert de style depuis un extrait de référence avec le modèle LibriTTS.
• Ses modèles pré-entraînés sont assortis d’une condition : indiquer aux auditeurs que la voix est synthétique, sauf si vous avez la permission d’utiliser cette voix. L’inférence s’appuie sur le phonémiseur espeak-ng, sous GPL.
• Parler-TTS : Mini, 880 millions de paramètres, et Large, 2,3 milliards, en anglais, plus Mini Multilingual v1.1 en huit langues européennes, tous sous Apache 2.0.
• Une voix Parler-TTS se règle par une description du genre, du débit et de la hauteur, ou par l’un de 34 locuteurs nommés.

Comparer le son gratuitement

Sur la page de n’importe quelle voix, collez une phrase vocalisée avec StyleTTS 2 ou Parler-TTS, 30 à 100 caractères, choisissez la langue et cliquez sur le bouton de synthèse. En quelques secondes, vous comparez sur votre propre texte, sans compte.

Ce que SuperClonica fait autrement

Il tourne sur un processeur ordinaire : dans nos tests, une phrase courte a pris 0,43 s sur quatre threads d’un Ryzen 7 5800X.

• 31 langues, dont le russe, le japonais, le coréen, le turc, l’hindi et l’arabe ; le chinois n’en fait pas partie.
• Des voix prêtes : dix voix de base et plus de 170 voix du catalogue avec démos gratuites.
• Chaque voix est un fichier JSON d’environ 0,3 Mo et parle toutes les langues du modèle.
• Une commande pour installer, python -m pip install superclonica-cpu, ou une image Docker avec une API HTTP.

Décrire une voix ou l’entraîner

Parler-TTS reçoit une nouvelle description à chaque requête, et StyleTTS 2 adapte le style d’un extrait de référence. Dans SuperClonica, une voix est entraînée une fois dans le studio à partir d’un enregistrement propre de 5 à 10 secondes, sur un ordinateur avec une carte graphique NVIDIA, ou commandée sur la bourse à un auteur qui l’entraîne. Ensuite, elle tourne sur n’importe quel processeur et dans les 31 langues, avec une trace de l’accent de l’enregistrement d’origine. Ne clonez que des voix dont les propriétaires sont d’accord.

Lequel choisir

Choisissez StyleTTS 2 pour la recherche et le fine-tuning en anglais, et Parler-TTS pour décrire une voix en mots en anglais ou dans l’une de ses huit langues européennes. Choisissez SuperClonica pour les autres langues, pour des voix prêtes de narrateurs et de personnages, pour la vitesse sur processeur et pour une installation en une commande pip ou une image Docker.