Ce que fait cet outil
Cet outil de synthèse vocale lit à voix haute un texte anglais avec des voix d’IA naturelles et vous permet de télécharger le résultat en fichier WAV. Il utilise Kokoro-82M, un modèle ouvert de synthèse vocale de 82 millions de paramètres publié par hexgrad, via la bibliothèque kokoro-js et Transformers.js. Tout se passe dans votre navigateur : pas de compte, pas de quota de caractères et aucun serveur ne voit ce que vous tapez.
Le modèle étant petit, il tourne sur un ordinateur portable ordinaire. Dans les navigateurs avec WebGPU (Chrome et Edge récents), il utilise la carte graphique avec le modèle pleine précision ; ailleurs, il tourne sur le CPU avec une version quantifiée 8 bits, plus légère et toujours claire.
Comment l’utiliser
- Cliquez sur Télécharger le modèle et démarrer. La première fois, le modèle (environ 92 Mo sur CPU, environ 326 Mo avec WebGPU) est téléchargé et mis en cache par le navigateur. Une barre indique ce qu’il reste. La fois suivante, il se charge depuis le cache en quelques secondes.
- Tapez ou collez votre texte, ou cliquez sur Exemple pour essayer un court paragraphe. Le nombre de caractères et la durée audio estimée se mettent à jour pendant la saisie.
- Choisissez une Voix et une Vitesse entre 0,5× et 2×.
- Cliquez sur Générer la voix. Un texte long est découpé en segments de la taille d’une phrase, lus un par un avec un compteur « Segment 3 / 12 ». Cliquez sur Arrêter pour finir plus tôt et garder l’audio déjà généré.
- Écoutez dans le lecteur, puis cliquez sur Télécharger le WAV pour enregistrer un fichier mono 24 kHz.
Pour obtenir des fichiers séparés, réglez Sortie sur Un fichier par ligne : chaque ligne non vide devient un WAV numéroté (01-…, 02-…), et Tout télécharger (ZIP) les enregistre ensemble.
Le bouton Partager copie un lien contenant votre texte, la voix et la vitesse, pour que quelqu’un d’autre génère la même voix dans son propre navigateur.
Voix et langues
Les voix de Kokoro pour le navigateur parlent uniquement anglais. Il y a 20 voix en anglais américain (11 féminines, 9 masculines) et 8 en anglais britannique (4 féminines, 4 masculines). Chaque voix de la liste affiche la note globale de la fiche du modèle ; Heart et Bella (américaines, féminines) sont les mieux notées, et Emma (britannique, féminine) ainsi que Fenrir, Michael et Puck (américains, masculins) sont de bonnes alternatives.
La prononciation provient du phonémiseur espeak-ng : les noms, sigles et nombres sont généralement bien lus, mais les mots rares peuvent demander une reformulation. Si la majeure partie du texte est dans une autre écriture, l’outil vous prévient, car ces caractères ne peuvent pas être prononcés.
Exemple
Chargez le paragraphe d’exemple, gardez la voix par défaut Heart et cliquez sur Générer. Les deux lignes deviennent deux segments et, en quelques secondes, vous obtenez une vingtaine de secondes de parole avec une courte pause entre les paragraphes. Passez à George pour un narrateur britannique, ou réglez la vitesse sur 1,3× pour une lecture plus rapide, puis générez à nouveau.
Prérequis et confidentialité
L’outil nécessite un navigateur moderne avec WebAssembly et les Web Workers : Chrome, Edge, Firefox ou Safari récents, sur ordinateur ou mobile. WebGPU est facultatif et ne fait qu’accélérer. Les téléphones avec peu de mémoire peuvent peiner sur les longs textes ; choisissez CPU uniquement si WebGPU échoue. Les fichiers du modèle viennent de Hugging Face et le moteur ONNX Runtime d’un CDN public ; chaque fichier de voix (environ 0,5 Mo) est téléchargé la première fois que vous l’utilisez. Une fois en cache, la génération fonctionne hors ligne.
FAQ
› Mon texte est-il envoyé à un serveur ?
Non. La voix est générée sur votre appareil par un modèle qui tourne dans le navigateur. La page télécharge une fois les fichiers du modèle depuis Hugging Face, mais votre texte et l’audio ne quittent jamais la page.
› Quelles langues parle-t-il ?
Uniquement l’anglais. Kokoro-82M v1.0 pour le navigateur propose 28 voix, 20 avec un accent américain et 8 avec un accent britannique. Un texte dans une autre langue ou une autre écriture, comme le chinois, l’arabe ou le russe, sera ignoré ou mal prononcé.
› Quelle est la taille du téléchargement, et faut-il le refaire ?
Environ 92 Mo pour le modèle 8 bits qui tourne sur le CPU, ou environ 326 Mo pour le modèle pleine précision utilisé avec WebGPU, plus le moteur ONNX Runtime et un petit fichier par voix. Le navigateur met tout en cache : les visites suivantes démarrent en quelques secondes sans nouveau téléchargement.
› Puis-je utiliser l’audio à des fins commerciales ?
Les poids de Kokoro-82M et la bibliothèque kokoro-js sont publiés sous licence Apache 2.0, et le modèle a été entraîné sur de l’audio sous licence permissive. La voix générée peut donc servir dans des vidéos, des podcasts ou des applications. Consultez la fiche du modèle sur Hugging Face pour les conditions complètes.
› Pourquoi la génération est-elle lente sur mon ordinateur ?
Sans WebGPU, le modèle tourne sur le CPU via WebAssembly, ce qui peut prendre quelques secondes par phrase sur les ordinateurs portables et téléphones anciens. Chrome et Edge avec WebGPU sont bien plus rapides. Les longs textes sont découpés en segments : vous suivez la progression et pouvez arrêter à tout moment.