paradis-tts 0.1.2

Une voix française compacte, directement dans votre application. Paradis-TTS transforme du texte en audio sur CPU, avec 8,08 millions de paramètres, des poids ONNX FP32 ou INT8, et un post-traitement intégré. Après le premier téléchargement, la synthèse fonctionne entièrement hors ligne.

Écouter la voix · Télécharger v0.1.2 · Documentation Python

Essayer

Python 3.10–3.12 :

python -m pip install paradis-tts

from paradis_tts import ParadisTTS

tts = ParadisTTS()
audio = tts("Bonjour tout le monde.")
tts.save(audio, "bonjour.wav")

La construction de ParadisTTS() télécharge les poids FP32 depuis Hugging Face et les garde en cache après vérification SHA256. Aucun GPU, PyTorch ni Kokoro n'est nécessaire. audio est un tableau NumPy mono, float32, à 24 kHz. Le package est disponible sur PyPI.

Choisir sa version

tts = ParadisTTS(variant="int8")
tts = ParadisTTS(weight_kind="raw")  # poids bruts finaux, au lieu de la moyenne EMA
tts = ParadisTTS(post_traitement=False)  # sortie brute
tts = ParadisTTS(model_folder="chemin/vers/fp32")  # archive locale décompressée

Le profil audio par défaut associe le filtre de phase 97, une restauration de présence jusqu'à 2,5 dB et deux adoucissements du spectre à 1 et 1,5 dB. Réglages et usage hors ligne. L'INT8 réduit le téléchargement ; il ne garantit pas une exécution plus rapide et peut modifier la voix. Le FP32 est le choix par défaut.

Mesures de référence — v0

Ces mesures concernent les anciens poids bruts à 6 500 étapes. Elles n'ont pas été recalculées pour l'EMA de v0.1.2 ; elles ne mesurent pas son gain de qualité.

300 phrases inédites, articles séparés du corpus de distillation. CPU AMD Ryzen 7 5800H, Windows, deux threads configurés dans ONNX Runtime/PyTorch.

WER : taux d’erreurs de mots mesuré par Whisper Small en français. DNSMOS P.835 est un proxy parole/bruit, pas une note d’écoute humaine ni une mesure suffisante de naturalité. RTF < 1 signifie une génération plus rapide que la lecture. Les mesures ont eu lieu sur un portable partagé avec un entraînement GPU et d’autres tâches CPU ; elles ne constituent pas un classement en conditions isolées. Protocole, scores par phrase et limites.

D'où vient la voix ?

Paradis adapte la méthode de Paradee au français et distille Kokoro-82M, voix ff_siwis. La v0.1.2 assemble le modèle texte à 8 000 étapes et le décodeur A affiné, avec sa moyenne EMA finale à 10 000 étapes de continuation GAN (décroissance 0,999). Les poids bruts finaux restent disponibles en alternative. Le corpus de distillation comporte 12 000 phrases françaises d'apprentissage, 500 de validation et 500 de test.

Limites : une seule voix, français uniquement, quelques artefacts résiduels sur les consonnes, normalisation limitée aux formes courantes. La qualité et les prononciations du teacher restent des limites. Les autres langues et le clonage de voix ne sont pas pris en charge. Le modèle reste expérimental.

Pour aller plus loin

Évaluation reproductible · Architecture et exports · Normalisation française · Code du runtime · Licences et attributions

Code et poids : Apache-2.0. Textes Wikipédia : licences CC BY-SA séparées. Le G2P installé par pip comprend des composants GPL ; le runtime complet n'est pas présenté comme entièrement permissif. Voir les notices avant redistribution.