Entraînez votre propre voix TTS sur votre GPU NVIDIA
Entraîner un modèle de synthèse vocale de zéro demande des heures d’enregistrements propres et du matériel sérieux. La plupart des gens n’en ont pas besoin : il leur faut une nouvelle voix pour un bon modèle. C’est ce qu’entraîne SuperClonica : une voix pour Supertonic 3, un modèle ouvert et multilingue, à partir d’un seul enregistrement propre de 5 à 10 secondes.
Ce guide montre ce qu’il faut, comment connecter votre ordinateur équipé d’une carte graphique NVIDIA comme worker, comment se déroule l’entraînement dans le studio et comment utiliser ou vendre la voix terminée. L’entraînement sur votre propre matériel est gratuit.
Ce qui est entraîné, et pourquoi c’est rapide
Le modèle de base sait déjà parler 31 langues. L’entraînement lui trouve une voix : un petit fichier JSON qui décrit le timbre et la manière de votre enregistrement. C’est pourquoi une courte référence suffit, et pourquoi la voix terminée fonctionne hors ligne sur un processeur ordinaire.
Configuration requise
Le client du worker fonctionne sous Windows ; le mode se choisit sur la carte du worker, et en mode Auto le worker attend de la mémoire libre puis passe en Mini après 15 minutes.
- Windows 10/11 (64 bits), une carte NVIDIA RTX série 20 ou plus récente (une GTX 16 convient aussi), pilote 580 ou plus récent.
- Qualité complète : carte graphique de 12 Go (16 Go c’est mieux) et 32 Go de RAM.
- Mode Mini : 8 Go de mémoire vidéo et 16 Go de RAM ; la voix est un peu moins ressemblante.
- 15 Go d’espace disque libre et le fichier d’échange de Windows activé.
Étape 1 : créez la voix et sa référence
Dans le studio, créez une voix et ajoutez une référence : un enregistrement propre de 5 à 10 secondes avec son texte exact, mot pour mot. Enregistrez dans une pièce calme, une seule voix, un volume stable, dans la manière voulue. Utilisez votre propre voix ou celle d’une personne qui a donné son accord.
Étape 2 : connectez votre ordinateur comme worker
Ouvrez Mes workers, ajoutez un worker et téléchargez SuperClonicaWorker.zip : le client avec votre worker.json, qui contient l’adresse de la plateforme et votre jeton personnel. Décompressez-le et lancez SuperClonicaWorker.exe. Au premier lancement, il télécharge le reste, puis se met à jour tout seul. Le worker n’entraîne que vos voix.
Étape 3 : entraînez et comparez les checkpoints
Cliquez sur Entraîner sur la référence, choisissez le nombre de pas et lancez ; la page estime la durée de 500 pas d’après les entraînements précédents. Pendant l’entraînement, comparez les checkpoints par leurs démos et leur ressemblance avec la référence, et poursuivez l’entraînement du plus prometteur.
Étape 4 : utilisez ou vendez la voix
Téléchargez le JSON gratuitement sur la page de l’entraînement et lisez n’importe quel texte hors ligne avec le moteur gratuit SuperClonica : python -m pip install superclonica-cpu, puis superclonica --text "Bonjour !" --voice ma-voix.json --lang fr --output bonjour.wav. Si vous le souhaitez, publiez la voix dans le catalogue avec une couverture, une description et un prix, ou acceptez des commandes de voix d’autres utilisateurs sur la bourse.