Audio & Parole

Pocket TTS de Kyutai, un modèle de synthèse vocale ultra-léger fonctionnant entièrement sur CPU avec une latence d'environ 200 ms. Comprend 8 voix intégrées (dont azelma) et prend en charge le clonage de voix personnalisé.

LocalAI-compatible model silero-vad

To test if this model works as expected, you can use the following curl command: curl http://localhost:8080/tts -H "Content-Type: application/json" -d '{ "model":"tts-1", "input": "Hi, this is a test." }'

Whisper Base d'OpenAI (74 millions de paramètres), un modèle léger de reconnaissance vocale équilibrant vitesse et qualité de transcription. Idéal pour l'inférence CPU sur un son clair dans plusieurs langues.

Whisper Tiny d'OpenAI (39 millions de paramètres), la plus petite variante Whisper pour la synthèse vocale. Vitesse d'inférence la plus rapide avec une précision acceptable pour un son clair en anglais et dans les langues courantes.

Modèle CustomVoice Qwen3 TTS 1.7B d'Alibaba pour une synthèse texte-parole expressive et naturelle. Prend en charge la génération de streaming, le clonage vocal sans tir et la conception vocale personnalisée.

VibeVoice Realtime 0.5B de Microsoft, un modèle TTS de diffusion de jetons suivant atteignant une latence de bout en bout d'environ 300 ms. Combine un backbone Qwen2.5-0.5B avec un décodeur acoustique pour une synthèse vocale expressive en temps réel.

Whisper Large v3 d'OpenAI (1,55 B de paramètres), le modèle de reconnaissance vocale ouverte de la plus haute précision. Une qualité de transcription quasi humaine dans 99 langues nécessite un GPU pour une vitesse d'inférence pratique.

Whisper Large v3 Turbo d'OpenAI (paramètres 809M), une version élaguée de Large v3 avec seulement 4 couches de décodeur. Précision quasi-large-v3 à environ 3 fois la vitesse, idéale pour la transcription en temps réel sur GPU.

Whisper Small d'OpenAI (244 millions de paramètres) via un chuchotement plus rapide pour une inférence GPU optimisée. Offre une qualité de transcription multilingue solide à une vitesse modérée, adaptée aux charges de travail de production.