lectura-multispeaker 4.0.0

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

lectura-multispeaker

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

Supporte 6 voix : siwis, ezwa, nadine, bernard, gilles, zeckou.

Installation

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

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

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

Utilisation

Depuis des phonemes IPA

from lectura_multispeaker import creer_engine

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

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

Raccourci synthetiser()

from lectura_multispeaker import synthetiser

# High (defaut)
audio = synthetiser("Bonjour.", speaker="bernard")

# Light
audio = synthetiser("Bonjour.", speaker="bernard", model="light")

Lister les speakers disponibles

from lectura_multispeaker import liste_speakers
print(liste_speakers())  # ['siwis', 'ezwa', 'nadine', 'bernard', 'gilles', 'zeckou']

Modeles

Modele	Architecture	Taille (INT8)	Qualite	Vitesse
high (defaut)	Matcha-Conformer (d=384) + HiFi-GAN	~40 Mo	Meilleure	~30x temps-reel
light	FastPitch (d=256) + HiFi-GAN	~40 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	1.0	Variation F0
energy_scale	1.0	Intensite
pause_scale	1.0	Duree des pauses
phrase_type	0	0=decl, 1=inter, 2=excl, 3=susp
n_ode_steps	4	Pas ODE Matcha (plus = meilleur, high uniquement)

Architecture

• high : Matcha-Conformer (d_model=384) — phonemes → mel via flow matching ODE (encodeur par speaker)
• light : FastPitch (d_model=256) — phonemes → mel via FFT decoder (encodeur par speaker)
• 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_multispeaker/
3. ~/.lectura/models/tts_multispeaker/
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.