TTS Android, Piper et Kokoro : comparaison des voix pour les livres

En bref : la voix système reste le moyen le plus rapide et le plus léger d’écouter une notification ou un court passage. Pour un livre entier, Piper est l’amélioration pratique et Kokoro la plus naturelle. Les extraits ci-dessous montrent mieux la différence qu’une liste d’adjectifs.

La différence s'entend mieux côte à côte. Piper et Kokoro traitent toujours le texte sur le téléphone. Le fonctionnement hors ligne d'une voix système Android dépend de la voix installée.

TTS Android : pratique, pas littéraire

Une voix système convient aux textes courts et fonctionnels. Elle est déjà installée, démarre vite et fonctionne dans de nombreuses applications. Dans un livre, la contrepartie apparaît. Une question et sa réponse peuvent tomber sur le même rythme, le nom d’un personnage peut être mal prononcé à chacune de ses apparitions et une longue phrase à deux subordonnées peut marquer ses pauses aux pires endroits.

Rien de cela ne rend un paragraphe incompréhensible. Mais chapitre après chapitre, une intonation plate t’oblige à faire de petites réparations mentalement : qui parle, quels morceaux de phrase vont ensemble, la phrase se construit-elle encore ou se termine-t-elle ? C’est ainsi que vient la fatigue d’écoute. Une voix n’a pas besoin d’être affreuse pour devenir fatigante ; il suffit qu’elle se trompe légèrement, mais sans cesse, sur la forme de la prose.

Piper : une amélioration fiable

Piper conserve les avantages d'une synthèse locale tout en sonnant moins artificiel. Ses packs vocaux sont relativement compacts, couvrent de nombreuses langues et conviennent aux bibliothèques multilingues comme aux téléphones moins puissants.

Kokoro : pour l'immersion

Kokoro demande plus de ressources, mais sa diction est plus fluide et expressive. Pour les romans et les essais longs, il ressemble moins à un outil qui lit du texte et davantage à une narration.

Ce qui change en passant au niveau supérieur

Cette comparaison porte sur le passage de la voix par défaut à une voix neuronale : ce qui change quand tu vas au-delà de la voix déjà présente sur ton téléphone. Si tu es déjà convaincu et que tu hésites entre les deux moteurs, le guide séparé Piper face à Kokoro traite ce choix sans le répéter ici.

Les compromis, franchement

• Les modèles vocaux prennent de la place. Une voix Piper occupe environ 13 à 115 Mo. Kokoro télécharge un modèle de 132 ou 349 Mo contenant les 53 voix. Sur un téléphone de 64 Go, cela compte.
• Kokoro en demande davantage aux anciens téléphones. Il suit bien sur les appareils récents, mais Piper est le choix le plus sûr sur un téléphone ancien ou d’entrée de gamme, et le plus léger pour les longues sessions.
• La TTS système reste très bien pour les textes courts et fonctionnels. Elle démarre vite, ne coûte rien de plus et prend peut-être déjà en charge la langue voulue. Inutile de charger un modèle neuronal pour un paragraphe que tu n’écouteras qu’une fois.

L’amélioration mérite sa place lorsque l’écoute cesse d’être un outil et devient une manière de lire.

Ce que Lectern ajoute

La voix ne représente que la moitié de l'expérience. Lectern mémorise ta place, surligne la phrase prononcée, continue écran éteint, accepte les commandes Bluetooth et reprend au même endroit, que tu lises ou que tu écoutes.

Questions fréquentes