lectura-monospeaker 4.0.0

Synthese vocale neuronale monospeaker francais — modeles high (Conformer) et light (FastPitch) au choix (ONNX)

lectura-monospeaker

Moteur de synthese vocale neuronale monospeaker pour le francais — deux modeles au choix : high (Matcha-Conformer) et light (FastPitch) + HiFi-GAN (ONNX).

Installation

# Version minimale (API distante, zero deps)
pip install lectura-monospeaker

# Version locale (inference ONNX)
pip install lectura-monospeaker[onnx]

Pour le pipeline complet texte → audio, utilisez pip install lectura-tts-mono (inclut le G2P).

Utilisation

Depuis des phonemes IPA

from lectura_monospeaker import creer_engine

# Modele high (Conformer, meilleure qualite) — par defaut
engine = creer_engine(mode="local")
result = engine.synthesize_phonemes(
    "bɔ̃ʒuʁ",
    phrase_type=0,
    pitch_range=1.3,
)

# Modele light (FastPitch, plus rapide/leger)
engine_light = creer_engine(mode="local", model="light")
result = engine_light.synthesize_phonemes("bɔ̃ʒuʁ")

Raccourci synthetiser()

from lectura_monospeaker import synthetiser

# High (defaut)
audio = synthetiser("Bonjour le monde.")

# Light
audio = synthetiser("Bonjour le monde.", model="light")

Via l'API distante

from lectura_monospeaker import creer_engine

engine = creer_engine(mode="api", api_url="https://api.lectura.world")
result = engine.synthesize("Bonjour")

Modeles

Modele	Architecture	Taille (INT8)	Qualite	Vitesse
high (defaut)	Matcha-Conformer + HiFi-GAN	~29 Mo	Meilleure	~30x temps-reel
light	FastPitch + HiFi-GAN	~28 Mo	Bonne	~50x temps-reel

Controles prosodiques

Parametre	Defaut	Description
duration_scale	1.0	Vitesse globale
pitch_shift	0.0	Decalage F0 (demi-tons)
pitch_range	1.3	Variation F0 (1.0 = neutre)
energy_scale	1.0	Intensite
pause_scale	1.0	Duree des pauses
phrase_type	0	0=decl, 1=inter, 2=excl, 3=susp

Architecture

• high : Matcha-Conformer — phonemes → mel-spectrogramme via flow matching ODE
• light : FastPitch — phonemes → mel-spectrogramme via FFT decoder
• HiFi-GAN V1 : mel → audio 22050 Hz (partage)
• Runtime : ONNX (pas de dependance PyTorch)

Emplacements des modeles

Recherche dans l'ordre :

1. Parametre models_dir explicite
2. $LECTURA_MODELS_DIR/tts_mono/
3. ~/.lectura/models/tts_mono/
4. Modeles embarques dans le package (version privee)

Chaque emplacement peut contenir des sous-repertoires conformer/ et fastpitch/ (nouveau layout) ou les fichiers directement (ancien layout, retrocompatible).

Licence

Licence proprietaire Lectura. Voir LICENCE.txt.