Kokoro.

Du texte au fichier audio

Kokoro est un modèle ouvert de synthèse vocale de 82 millions de paramètres. L'utilisateur choisit une langue et une voix prédéfinie, fournit son texte, puis enregistre l'audio obtenu. La bibliothèque officielle permet de régler la vitesse et de découper le texte en segments. Comme il s'agit d'un modèle et d'une bibliothèque logicielle, le montage des pistes, le stockage des projets et la publication de la voix off doivent être organisés séparément.

L'exemple officiel utilise KPipeline pour la génération et enregistre le résultat en WAV à 24 kHz. Pour rendre le processus reproductible, conservez le texte source, l'identifiant de la voix et les réglages. Ces informations aident à comprendre pourquoi deux versions d'une même instruction diffèrent par le rythme ou la prononciation. Les performances dépendent du matériel et de l'environnement ; aucun test comparatif de qualité n'a été réalisé ici.

Quelles langues et quelles voix sont disponibles

La documentation mentionne l'anglais, l'espagnol, le français, le hindi, l'italien, le japonais, le portugais brésilien et le chinois mandarin. Des voix américaines et britanniques sont proposées séparément pour l'anglais. Le code de langue doit correspondre à la voix choisie. La documentation officielle n'annonce pas de prise en charge du russe.

La quantité de données d'entraînement et la qualité varient d'une voix à l'autre. Les auteurs signalent explicitement les limites de certaines langues et préviennent que les répliques très courtes et les longs passages peuvent donner de moins bons résultats. Avant de générer un chapitre entier, préparez un court extrait contenant des noms, des nombres et des termes représentatifs de votre contenu. Écoutez-le avant de traiter le reste du texte.

Exemple pour un tutoriel vidéo

Supposons que vous souhaitiez créer la voix off d'un tutoriel en anglais sur les réglages d'une application. Préparez un paragraphe complet, choisissez une voix anglaise et enregistrez une première version sans modifier le texte. Pour la seconde, changez uniquement la vitesse. Comparez la clarté des noms, les pauses avant les actions et les fins de phrase, puis choisissez un rythme adapté aux images de la vidéo.

Si la voix se précipite sur un long passage, découpez le texte selon le sens et réécoutez la transition. Ne coupez pas une phrase uniquement pour obtenir des segments de même longueur : cela peut nuire à l'intonation. Vérifiez séparément les nombres et les abréviations. Le bon rendu d'un paragraphe ne suffit pas à confirmer la qualité de l'ensemble du cours.

Exécution dans votre propre environnement et conditions d'utilisation

Le code et les poids sont disponibles sous licence Apache 2.0. Les instructions officielles expliquent comment installer le paquet Python et ses dépendances ; certaines langues nécessitent des composants supplémentaires. Après le téléchargement des fichiers nécessaires, l'exécution locale permet de traiter le texte dans votre propre environnement. Elle exige une configuration, une maintenance et vos propres ressources de calcul.

La licence du modèle n'est pas un abonnement à un service cloud et ne couvre pas l'hébergement tiers. Respectez ses exigences si vous distribuez le code ou des composants modifiés. Les droits sur le texte et l'autorisation d'utiliser l'audio dans un contexte donné doivent être vérifiés séparément. Un site tiers dont le nom de domaine contient Kokoro ne doit pas être considéré automatiquement comme un service officiel de l'auteur.

Pour quelles tâches convient-il

• Créer la voix off de vos propres contenus pédagogiques dans une langue prise en charge
• Créer un processus local de conversion de texte en audio
• Choisir une voix et un rythme pour une courte instruction