GUIDE

Une alternative hors ligne à Yandex SpeechKit

SpeechKit est la synthèse vocale cloud de Yandex : 18 voix russes, dont beaucoup avec des rôles allant du neutre au chuchotement, plus l’anglais, l’allemand, l’hébreu, le kazakh et l’ouzbek. Comme toute API cloud, il demande un compte, facture au caractère ou par blocs de 250 caractères et reçoit chaque texte que vous vocalisez.

Le moteur gratuit SuperClonica offre la même brique sur votre propre ordinateur ou serveur. Ce guide compare honnêtement les deux approches, dit quand SpeechKit est le meilleur choix et montre comment remplacer l’appel d’API.

Voir les voix Installer le moteur SuperClonica

SpeechKit en bref

Pour le kazakh, l’ouzbek ou l’hébreu, pour des rôles de voix comme le chuchotement, ou pour un service géré à grande échelle, SpeechKit est un choix solide.

  • 18 voix russes, dont filipp, ermil, jane, alexander et kirill ; beaucoup ont des rôles comme neutral, good, evil, strict, friendly et whisper.
  • Langues : russe, anglais, allemand, hébreu, kazakh et ouzbek.
  • L’API v1 est facturée au caractère, l’API v3 par blocs de 250 caractères ; vérifiez les prix actuels sur le site de Yandex.
  • Les voix personnalisées sont un service à part, Brand Voice.

Comparer le son gratuitement

Sur la page de n’importe quelle voix, collez une phrase vocalisée avec SpeechKit, 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

Dans nos tests, une phrase courte a pris 0,43 s sur quatre threads d’un Ryzen 7 5800X, si bien qu’un serveur ordinaire tient la plupart des charges.

  • Les textes restent chez vous : rien n’est envoyé à un fournisseur, ce qui compte pour les documents médicaux, juridiques et internes.
  • Pas de facture au caractère : le coût, c’est votre matériel, quel que soit le nombre d’heures vocalisées.
  • 31 langues, dont le russe, l’ukrainien, le polonais, l’anglais, l’allemand, le japonais, le coréen, l’hindi et l’arabe.
  • Dix voix de base, plus de 170 voix du catalogue et votre propre voix, entraînée une fois à partir d’un enregistrement propre de 5 à 10 secondes.

Remplacer l’appel d’API

Lancez le serveur sur n’importe quel processeur : docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Quand GET /health répond, envoyez une requête : curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Bonjour depuis mon propre serveur !", "voice": "F1", "lang": "fr"}' -o hello.wav. POST /synthesize reçoit text, voice, lang, seed et normalize, et répond par un WAV mono 16 bits. Définissez SUPERCLONICA_API_KEY pour exiger un en-tête Authorization, et gardez le serveur derrière HTTPS ou sur un réseau privé.

Lequel choisir

Choisissez SpeechKit pour le kazakh, l’ouzbek ou l’hébreu, pour ses rôles de voix ou si vous préférez payer au caractère plutôt que d’entretenir un serveur. Choisissez SuperClonica quand les textes doivent rester privés, quand le volume est grand ou imprévisible, quand il vous faut les langues européennes et asiatiques qu’il ajoute, ou une voix de personnage ou de marque qui fonctionne hors ligne.