| ---
|
| license: apache-2.0
|
| language:
|
| - fr
|
| pipeline_tag: text-to-speech
|
| library_name: onnxruntime
|
| tags:
|
| - onnx
|
| - french
|
| - audio
|
| - distillation
|
| - quantized
|
| - cpu
|
| - paradis-tts
|
| base_model:
|
| - hexgrad/Kokoro-82M
|
| datasets:
|
| - wikimedia/wikipedia
|
| ---
|
|
|
| <img src="https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/assets/paradis-banner.png" alt="Paradis — Une voix française dans votre application" width="100%">
|
|
|
| # Paradis-TTS · modèles v0.1.3
|
|
|
| **Une voix française compacte, utilisable sur CPU et hors ligne.**
|
| 8,08 millions de paramètres · ONNX FP32 / INT8 · audio mono 24 kHz ·
|
| post-traitement activé par défaut.
|
|
|
| > « À ma connaissance, l'un des plus petits modèles open source de synthèse
|
| > vocale en français avec une voix naturelle. » — Ivann
|
|
|
| Créé en solo par **Ivann**, avec **0 € de budget d'entraînement**, et entraîné
|
| principalement en local sur un **laptop RTX 3060**. Budget hors matériel et électricité.
|
|
|
| [GitHub](https://github.com/IvannP39/Paradis-TTS-release) ·
|
| [Package Python v0.1.4](https://github.com/IvannP39/Paradis-TTS-release/releases/tag/v0.1.4) ·
|
| [Documentation](https://github.com/IvannP39/Paradis-TTS-release/blob/main/docs/PYTHON_PACKAGE.md)
|
|
|
| ## Écouter
|
|
|
| Les exemples ci-dessous sont de vrais WAV générés avec les poids FP32 de cette
|
| release et le profil de post-traitement par défaut.
|
|
|
| « Bonjour, voici la voix française de Paradis. »
|
|
|
| <audio controls src="https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/fp32/samples/01.wav"></audio>
|
|
|
| « Sophie sèche ses chaussettes sur sa chaise. »
|
|
|
| <audio controls src="https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/fp32/samples/02.wav"></audio>
|
|
|
| « Le TGV part à 18 h 30 et le billet coûte 12,50 €. »
|
|
|
| <audio controls src="https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/fp32/samples/03.wav"></audio>
|
|
|
| [Exemples EMA FP32](https://huggingface.co/IvannP/Paradis-TTS/tree/v0.1.3/fp32/samples) ·
|
| [Exemples EMA INT8](https://huggingface.co/IvannP/Paradis-TTS/tree/v0.1.3/int8/samples)
|
|
|
| ## Utilisation Python
|
|
|
| Python 3.10–3.12 ; pas de GPU, PyTorch ou teacher à installer.
|
|
|
| ```bash
|
| python -m pip install paradis-tts
|
| ```
|
|
|
| ```python
|
| from paradis_tts import ParadisTTS
|
|
|
| tts = ParadisTTS() # post_traitement=True par défaut
|
| audio = tts("Bonjour tout le monde.")
|
| tts.save(audio, "bonjour.wav")
|
| ```
|
|
|
| Au premier lancement, le modèle FP32 est téléchargé depuis Hugging Face, à une révision
|
| figée et son SHA256 est vérifié. Les appels suivants peuvent fonctionner hors
|
| ligne. Pour utiliser les fichiers de ce dépôt sans téléchargement automatique :
|
| décompresser une archive puis passer `model_folder="chemin/vers/fp32"`.
|
|
|
| ```python
|
| tts = ParadisTTS(variant="int8")
|
| tts = ParadisTTS(weight_kind="raw") # poids bruts finaux, sans moyenne EMA
|
| tts = ParadisTTS(post_traitement=False)
|
| ```
|
|
|
| Le package est disponible sur [PyPI](https://pypi.org/project/paradis-tts/).
|
| Les distributions wheel/sources restent également disponibles sur GitHub.
|
| La progression du téléchargement et les étapes de chargement s'affichent par
|
| défaut ; `ParadisTTS(verbose=False)` les désactive. La v0.1.4 réutilise
|
| les modèles v0.1.3 et leur cache.
|
|
|
| ## Télécharger
|
|
|
| | Variante | Archive | Graphes ONNX | Usage |
|
| |---|---:|---:|---|
|
| | [EMA FP32](https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/paradis_tts_fp32.zip?download=true) | 30.21 Mo | 32,82 Mo | Version par défaut |
|
| | [EMA INT8](https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/paradis_tts_int8.zip?download=true) | 8.21 Mo | 9,19 Mo | Téléchargement plus compact |
|
|
|
| Les poids bruts finaux sont aussi proposés :
|
| [FP32](https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/paradis_tts_raw_fp32.zip?download=true) ·
|
| [INT8](https://huggingface.co/IvannP/Paradis-TTS/resolve/v0.1.3/paradis_tts_raw_int8.zip?download=true).
|
|
|
| Les deux variantes ont **8 082 881 paramètres** : 4 231 828 pour le texte et
|
| 3 851 053 pour le décodeur. Trois graphes (texte, prosodie, décodeur) s'exécutent
|
| avec ONNX Runtime CPU. L'excitation, la phonémisation et les filtres utilisent
|
| NumPy/Python et eSpeak. L'INT8 concerne le stockage des poids ; ils sont
|
| déquantifiés pour le calcul flottant. Aucun gain de vitesse INT8 n'est garanti.
|
|
|
| ## Post-traitement inclus
|
|
|
| Filtre de phase 97, restauration de présence plafonnée à 2,5 dB et adoucissement
|
| du haut du spectre à 1,5 dB. L'adoucissement dynamique est désactivé depuis
|
| la 0.1.3 après comparaison d'écoute. Les réglages
|
| d'attaques, de syllabes fortes et de lissage restent à zéro. Le fichier
|
| `postprocessing.json` permet de les personnaliser. Le traitement est appliqué
|
| automatiquement une seule fois par synthèse.
|
|
|
| ## Vitesse sur CPU — français
|
|
|
| 40 phrases françaises × 4 passages par moteur, CPU Ryzen 7 5800H, Windows, 2 threads. Poids EMA finaux à 10 000 étapes ; filtres optimisés de la 0.1.3.
|
|
|
| | Modèle | Calcul pour 10 s de voix ↓ | Vitesse |
|
| |---|---:|---:|
|
| | Piper français `siwis-medium` | 0.570 s | 17.5× |
|
| | **Paradis FP32*** | 0.695 s | 14.4× |
|
| | **Paradis INT8*** | 0.695 s | 14.4× |
|
| | Kokoro français `ff_siwis` | 5.924 s | 1.7× |
|
|
|
| \* Avec un léger post-traitement, inclus dans les temps mesurés.
|
|
|
| Appels texte → audio complets, phonémisation et traitements natifs inclus ; chargement et écriture WAV exclus. ONNX Runtime pour Paradis/Piper, PyTorch pour Kokoro. Les durées audio diffèrent entre moteurs ; la vitesse ne classe pas la qualité. Le candidat mesuré et la release utilisent les mêmes calculs audio et poids. [Protocole, mesures par phrase et incertitudes](https://github.com/IvannP39/Paradis-TTS-release/tree/main/evaluation/speed_20261016).
|
|
|
| ## Qualité : évaluation historique — v0
|
|
|
| Les scores ci-dessous correspondent aux anciens poids bruts à 6 500 étapes,
|
| pas aux poids EMA de v0.1.3. Les nouveaux exports passent les contrôles
|
| de parité et de fonctionnement ; l'évaluation complète sur 300 phrases n'a pas été relancée.
|
|
|
| 300 phrases inédites, articles séparés du corpus de distillation. CPU AMD Ryzen 7 5800H, Windows, deux threads configurés dans ONNX Runtime/PyTorch.
|
|
|
| | Moteur | WER ↓ | DNSMOS global ↑ | RTF médian ↓ | Pic RSS |
|
| |---|---:|---:|---:|---:|
|
| | Paradis FP32 | 12.51 % | 3.36 | 0.175 | 374 Mio |
|
| | Paradis INT8 | 12.70 % | 3.35 | 0.183 | 355 Mio |
|
| | Kokoro ff_siwis | 12.33 % | 3.42 | 0.719 | 4405 Mio |
|
| | Piper siwis medium | 16.47 % | 3.25 | 0.119 | 497 Mio |
|
|
|
| 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](https://github.com/IvannP39/Paradis-TTS-release/tree/main/evaluation).
|
|
|
| ## Architecture et entraînement
|
|
|
| Adaptation française de [Paradee](https://github.com/sahilmahendrakar/paradee),
|
| architecture texte `s+mlp` et décodeur `A_full_phase`. Distillation de
|
| [Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M), voix française `ff_siwis`,
|
| révision `f3ff3571791e39611d31c381e3a41a3af07b4987`.
|
|
|
| Corpus texte : Wikipédia française `20231101.fr`, révision
|
| `b04c8d1ceb2f5cd4588862100d08de323dccfbaa`, phrases courtes, filtrées et
|
| normalisées. Splits : 12 000 train / 500 validation / 500 test. Les cibles sont
|
| des représentations intermédiaires et de l'audio synthétique du teacher.
|
| Les enregistrements originaux SIWIS n'ont pas été utilisés directement.
|
|
|
| La v0.1.3 fige le modèle texte à 8 000 étapes et la **moyenne EMA finale du décodeur
|
| à 10 000 étapes de continuation GAN** (décroissance 0,999), après entraînement
|
| spectral, GAN et affinages précédents. Les poids bruts finaux sont disponibles
|
| en alternative. L'identité et les hashes
|
| du snapshot sont fournis dans `provenance.json` et les manifests. Le dépôt public
|
| contient le runtime et les outils d'évaluation ; les expériences d'entraînement
|
| restent dans le dépôt de développement privé. Ce checkpoint n'est pas présenté comme le
|
| meilleur choix perceptuel parmi toutes les variantes.
|
|
|
| ## Limites et provenance
|
|
|
| Une seule voix, français uniquement. Un grain peut rester audible sur certaines
|
| consonnes. La normalisation des nombres, heures, unités, sigles et liens simples
|
| est couverte ; les formats complexes et les langues mixtes peuvent être mal lus.
|
| Les erreurs, limites et biais de la voix teacher peuvent se transmettre au modèle.
|
| La première release reste expérimentale ; aucune évaluation humaine agrégée
|
| n'est revendiquée. Ce modèle ne permet pas le clonage de voix.
|
|
|
| Code et poids : Apache-2.0. Paradee : Sahil Mahendrakar, Apache-2.0. Teacher :
|
| hexgrad/Kokoro-82M, Apache-2.0. Origine déclarée de `ff_siwis` : SIWIS,
|
| CC BY 4.0 — Yamagishi, Junichi ; Honnet, Pierre-Edouard ; Garner, Philip ;
|
| Lazaridis, Alexandros (2017), *The SIWIS French Speech Synthesis Database, 2016*,
|
| University of Edinburgh, [DOI](https://doi.org/10.7488/ds/1705).
|
|
|
| Les contributeurs de Wikipédia sont attribués par phrase dans les métadonnées
|
| du dépôt GitHub ; les textes ont leurs propres licences CC BY-SA. Les sorties
|
| audio de démonstration sont synthétiques. Le G2P installé séparément inclut des
|
| composants GPL ; aucune bibliothèque eSpeak native n'est embarquée dans ces
|
| archives. [Licences et inventaire](RELEASE_LICENSES.md).
|
|
|
