Logiciel libre d'usage, installé chez vous
Faire parler un texte, faire jouer une réplique, cloner une voix à partir de dix secondes, dicter au micro. Tout se calcule sur votre machine : aucun compte, aucun quota, aucun octet envoyé à qui que ce soit.
Essayer, ici, maintenant
Tapez une phrase, elle sera dite. Les voix proposées ici sont celles dont la licence autorise la diffusion publique ; elles tournent sur notre machine, avec le même moteur que le logiciel.
Prêt.
Ce qui tourne ici, c'est une voix sur sept. Le clonage de timbre et la direction d'acteur demandent une carte graphique et des modèles sous licence non commerciale : ils restent sur votre machine, dans le logiciel. Ce que vous entendez, c'est le socle — et c'est déjà ce qui lit cette page.
Ce qu'il fait
Un texte, une voix, un fichier WAV. La forme d'onde s'affiche en volume et se pilote au clic, comme dans un éditeur audio.
Français, anglais, allemand, espagnol, italien, portugais, japonais, chinois, coréen, russe, arabe, hindi, swahili.
Dix à vingt secondes d'enregistrement suffisent. Le timbre, l'âge, l'accent et la résonance sont repris sans aucun entraînement.
Utile pour une narration cohérente sur cinquante fiches, ou pour garder la même voix quand le texte change six mois plus tard.
C'est là que ça cesse d'être de la lecture. On décrit la voix — « femme d'une soixantaine d'années, voix rauque de fumeuse » —, le décor sonore, et l'intention : « commence lasse, puis se redresse et hausse le ton ».
L'émotion change à l'intérieur d'une même phrase. Les voix d'enfants sont de vraies voix d'enfants, pas des adultes transposés.
Le micro écrit dans la zone de texte. La transcription tourne sur votre machine — l'API de reconnaissance des navigateurs, elle, envoie l'audio du micro chez Google.
Sur un essai en français : « Ajoute une tour ronde à l'angle nord de la muraille » transcrit au mot près.
Ce qu'on installe
Le logiciel les télécharge lui-même, avec une vraie barre de progression, et vérifie qu'ils tiennent dans votre matériel avant de commencer. Chaque fiche porte sa licence et l'adresse d'où viennent les poids.
| Modèle | Poids | Carte graphique | Pour quoi |
|---|---|---|---|
| Siwisvoix française, VITS Piper | 67 Mo | aucune | La voix de référence du projet. Trente-six fois le temps réel : elle parle plus vite qu'on n'écoute. |
| Kitten nanoanglais, 8 timbres | 27 Mo | aucune | Le plus petit du lot. Pensé pour une machine sans carte graphique. |
| Kokoro multilingue103 voix, 7 langues | 147 Mo | aucune | Le plus riche des légers. Une centaine de timbres, licence Apache. |
| Whisper turbodictée, 13 langues | 564 Mo | recommandée | La transcription. Entend les sigles, les chiffres, et ponctue juste. |
| Fish Speech 1.4 / 1.5clonage de timbre | 1,2 – 1,5 Go | 5 – 7 Go | Le clonage sans entraînement, à un coût abordable en mémoire. |
| Fish Audio S2 Pro4,4 milliards de paramètres | 11 Go | 18 – 24 Go | Dialogues multi-locuteurs, 44,1 kHz, balises d'émotion respectées. |
| Scenema Audiodirection d'acteur, 13 langues | 11,7 Go | 14 Go | Le seul qui joue au lieu de lire. Extrait d'un modèle audiovisuel de 22 milliards de paramètres. |
| Siwis, voix française | 36 × le temps réel |
| Kokoro, cent voix, sept langues | 1,4 × le temps réel |
| Whisper turbo, dictée | 2,6 × le temps réel |
Vingt-six fois d'écart entre les deux premières. C'est ce genre de mesure qui décide de ce qui tient sur un petit serveur et de ce qui exige votre carte graphique — et on vous le dit avant, pas après.
Ce que ça veut dire concrètement
Ce n'est pas une formule commerciale, c'est une contrainte technique qu'on s'est imposée et qui a coûté du travail.
Il aurait été plus simple d'utiliser SpeechRecognition, l'API de
reconnaissance vocale des navigateurs : trois lignes de code. Sur Chrome, elle
envoie l'audio de votre micro aux serveurs de Google.
On capture donc nous-mêmes, et Whisper transcrit sur place.
Pas d'inscription, pas de clé d'API, pas de limite mensuelle. Le seul moment où quelque chose sort de votre machine, c'est le téléchargement d'un modèle — et c'est vous qui cliquez.
Chaque modèle affiche la sienne, et un fichier LICENCE-A-LIRE.txt
est déposé à côté des poids sur votre disque.
Parce que certaines voix sont non commerciales : parfaites pour vous, interdites sur une boutique. Un dossier de poids sans provenance, c'est un dossier qu'on n'ose plus toucher six mois plus tard.
Prise en main
Double-clic sur LANCER.bat. Le logiciel s'ouvre dans votre
navigateur, sur votre machine — il n'y a pas de serveur ailleurs.
Commencez par Siwis : 67 mégaoctets, une minute de téléchargement, et elle parle français correctement. Les gros modèles viendront quand vous saurez ce que vous en voulez.
Le texte, le bouton « Dire », et la forme d'onde apparaît. « Ranger » dépose le fichier dans votre bibliothèque avec le texte d'origine — pour le retrouver et le refaire.
Et sur le site
Les modèles lourds ne tourneront jamais sur un hébergement mutualisé : ils demandent une carte graphique. Mais rien n'oblige à calculer au moment où le visiteur clique.
VOICE LAB produit les fichiers une fois, sur votre machine. Vous les réécoutez, vous corrigez ce qui écorche — une synthèse écorche toujours un nom propre —, et le site les sert comme il sert une image. Le visiteur entend la voix la plus chère du catalogue ; le serveur n'a fait que lire un fichier.
Le lecteur en bas à gauche de cette page fonctionne exactement comme ça.
L'obtenir
Il tourne plus haut sur cette page, tout de suite, sans rien installer. Une voix, la française, celle dont la licence autorise un usage commercial.
Une archive de 53 ko, huit fichiers. Il n'y a rien à installer : décompressez, double-cliquez sur LANCER.bat, et le logiciel s'ouvre dans votre navigateur, sur votre machine. Il ne demande que Python 3.9 ou plus récent : le programme n'utilise que la bibliothèque standard.
Les moteurs et les modèles se téléchargent au premier usage, avec leur licence écrite à côté des poids.
RACINE contient le même moteur de voix, dans un onglet parmi quatre. Il est téléchargeable, gratuit, sans compte — et ce qui est installé pour lui servira à VOICE LAB le jour où il sortira.