Synthèse vocale naturelle dans votre navigateur.

Un outil de synthèse vocale gratuit qui génère une parole au naturel entièrement dans votre navigateur avec le modèle vocal neuronal Kokoro. Utilisez-le pour des brouillons de narration, des voix off vidéo, l'apprentissage des langues, l'accessibilité ou pour entendre vos propres textes lus à voix haute — sans compte, sans clés API et sans tarification au mot.

Deux moteurs sont livrés dans la même interface : 28 voix d'anglais américain et britannique assorties de notes de naturel officielles, et 100 voix mandarines capables de lire des textes mixtes chinois–anglais, soit 128 voix au total. Contrôle de la vitesse, mode documents longs, files de traitement par lots et historique local complètent le studio.

Fonctionnement

Kokoro-82M est un modèle de synthèse vocale neuronal compact et de grande qualité qui tourne localement via Transformers.js, avec accélération WebGPU sur Chrome ou Edge et un parcours WebAssembly partout ailleurs. Le moteur anglais est la version v1.0 via kokoro-js ; le moteur mandarin est la version v1.1-zh avec G2P chinois intégré. Les voix et les poids du modèle se téléchargent une fois puis sont mis en cache ; la synthèse fonctionne ensuite hors ligne. Si une exécution WebGPU échoue en cours de route, l'outil réessaie une fois en toute transparence sur WASM au lieu d'afficher une erreur énigmatique.

128 voix et le navigateur de voix

Le navigateur de voix est conçu pour une bibliothèque de cette taille : recherche plein texte par nom ou identifiant, filtres par genre et par accent (mandarin, américain, britannique), aperçus sur phrases fixes qui réutilisent l'audio en cache, favoris stockés sur votre appareil et liste des voix récemment utilisées — ainsi que les notes de naturel officielles de A à F portées par les voix anglaises. Choisir une voix la renvoie directement dans le synthétiseur ; pas de file d'attente ni d'appel de catalogue côté serveur.

Mode documents longs

Vous n'êtes pas limité à une seule phrase courte. Un texte plus long que le budget prudent par appel est découpé aux frontières des phrases — avec un repli strict pour les très longues phrases —, synthétisé morceau par morceau avec progression en direct (segment 3 sur 12), puis assemblé au moyen de courts fondus enchaînés à gain égal, afin que les jonctions ne produisent aucun clic. L'offre gratuite lit des documents jusqu'à 10 000 caractères ; Pro va jusqu'à 100 000. Vous pouvez annuler une longue exécution à tout moment, et une voix anglaise lisant un texte CJK est détectée d'emblée avec une indication claire invitant à passer à une voix mandarine.

Formats, files de traitement par lots et historique

Le WAV (16 bits, 24 kHz) est toujours exportable. Les navigateurs Chromium exposent en plus le MP3 via WebCodecs ; les autres navigateurs utilisent Opus/WebM, et les formats disponibles sont détectés et étiquetés honnêtement plutôt que d'échouer au moment du clic. Le mode par lots met jusqu'à 5 textes en file pour l'offre gratuite (50 pour Pro), peut charger plusieurs fichiers .txt à la fois, les traite en série avec progression par élément et exporte l'ensemble individuellement ou en ZIP. Le panneau d'historique conserve les douze dernières générations — texte, voix et vitesse — directement dans le navigateur pour une régénération en un clic, et peut être effacé à tout moment.

Limites et confidentialité

Aucune des deux offres n'a de compteur d'exécutions, de quota mensuel de caractères ou de filigrane, et toutes deux incluent l'usage commercial ; seules diffèrent la longueur par document (10 000 contre 100 000 caractères) et la taille des lots (5 contre 50 textes). Votre texte ne quitte jamais le navigateur — scripts, notes et brouillons sont privés par construction, ce qui est la raison principale de préférer cet outil à une API de synthèse vocale cloud pour les contenus confidentiels.

Questions fréquentes

Pourquoi les voix anglaises ne lisent-elles que l'anglais ? La couverture en phonèmes et en vocabulaire est propre à chaque moteur : le moteur mandarin v1.1 est celui conçu pour le chinois et les textes mixtes, et l'outil l'impose au lieu de produire une parole inintelligible.

Puis-je générer de l'audio hors ligne ? Oui — une fois qu'une voix et son modèle sont en cache, la synthèse ne nécessite aucune connexion.

Le MP3 est-il garanti ? Il est disponible partout où l'encodage MP3 de WebCodecs existe (Chromium) ; le WAV est le format universel et Opus/WebM est proposé là où le MP3 fait défaut.

L'offre gratuite est-elle réellement gratuite pour des voix off commerciales ? Oui, sans frais par utilisation et sans filigrane — seuls la longueur des documents et la taille des lots distinguent Pro.