Blog

Chatterbox TTS : L'Alternative Open Source à ElevenLabs ?

Rebecca Kovács

Rebecca Kovács

6 June 2025

Chatterbox TTS : L'Alternative Open Source à ElevenLabs ?
💡
Voulez-vous un excellent outil de test d'API qui génère une belle documentation d'API ?

Voulez-vous une plateforme intégrée, tout-en-un, pour que votre équipe de développeurs travaille ensemble avec une productivité maximale ?

Apidog répond à toutes vos demandes et remplace Postman à un prix beaucoup plus abordable !
button

Dans le paysage en constante évolution de l'intelligence artificielle, les modèles de synthèse vocale (Text-to-Speech, TTS) de haute qualité sont devenus des outils essentiels pour les développeurs, les créateurs de contenu et les entreprises. Bien que de nombreux systèmes TTS puissants existent, ils sont souvent propriétaires et s'accompagnent de licences restrictives et de coûts élevés. Aujourd'hui, nous plongeons dans un nouvel acteur révolutionnaire dans ce domaine : Chatterbox TTS par Resemble AI.

Ce tutoriel complet vous guidera à travers tout ce que vous devez savoir sur Chatterbox TTS. Nous explorerons ce qui le rend spécial, comment le faire fonctionner et comment exploiter ses puissantes fonctionnalités pour générer une parole expressive et humaine pour vos projets.

Qu'est-ce que Chatterbox TTS ?

Comparaison entre Chatterbox et Elevenlabs

Chatterbox est un modèle TTS open-source de pointe, de qualité production, développé par l'équipe de Resemble AI. Publié sous la licence permissive MIT, Chatterbox permet à chacun de créer une synthèse vocale de haute qualité sans être enfermé dans un écosystème propriétaire.

Construit sur une puissante architecture Llama de 0,5 milliard de paramètres, Chatterbox a été entraîné sur un vaste ensemble de données d'un demi-million d'heures de données audio nettoyées. Cet entraînement intensif a abouti à un modèle qui est non seulement très performant, mais qui a également été comparé aux principales alternatives propriétaires comme ElevenLabs, étant souvent préféré lors de comparaisons directes.

Principales fonctionnalités de Chatterbox TTS

Alors, qu'est-ce qui distingue Chatterbox des autres ? Voici quelques-unes de ses fonctionnalités remarquables :

Démarrer avec Chatterbox TTS

Maintenant que vous êtes familiarisé avec ce que Chatterbox peut faire, installons-le et préparons-le à fonctionner.

Prérequis

Avant de pouvoir commencer à générer de la parole, vous devrez avoir Python installé sur votre système. Chatterbox nécessite la version 3.8 de Python ou une version plus récente. Vous aurez également besoin de pip, l'installateur de paquets Python, qui est généralement inclus dans les installations modernes de Python.

Installation

Installer Chatterbox est aussi simple que d'exécuter une seule commande dans votre terminal. Cette commande téléchargera et installera Chatterbox ainsi que toutes ses dépendances, y compris des bibliothèques puissantes comme PyTorch et Transformers.

pip install chatterbox-tts

C'est tout ! Avec cette seule commande, vous êtes prêt à commencer la synthèse vocale.

Vos premiers mots : Génération TTS de base

Commençons par un exemple simple de génération de parole à partir d'un texte. Le script Python suivant prendra une phrase et l'enregistrera en tant que fichier audio WAV.

import torch
import torchaudio as ta
from chatterbox.tts import ChatterboxTTS

# Détecte automatiquement le meilleur appareil disponible (GPU ou CPU)
if torch.cuda.is_available():
    device = "cuda"
elif hasattr(torch.backends, 'mps') and torch.backends.mps.is_available():
    device = "mps" # Pour les Macs Apple Silicon
else:
    device = "cpu"

print(f"Utilisation de l'appareil : {device}")

# Charge le modèle Chatterbox
model = ChatterboxTTS.from_pretrained(device=device)

# Le texte que vous voulez convertir en parole
text = "Bonjour, le monde ! Je suis Chatterbox, un puissant moteur de synthèse vocale open-source."

# Génère la forme d'onde audio
wav = model.generate(text)

# Enregistre l'audio généré dans un fichier
ta.save("hello_chatterbox.wav", wav, model.sr)

print("Audio enregistré sous hello_chatterbox.wav")

Analysons ce qui se passe dans ce script :

  1. Nous importons les bibliothèques nécessaires : torch pour les opérations tensorielles de base, torchaudio pour la gestion des fichiers audio, et ChatterboxTTS pour le modèle principal.
  2. Nous incluons un morceau de code pratique qui détecte automatiquement si vous avez un GPU compatible (cuda pour NVIDIA, mps pour Apple Silicon) et revient au CPU sinon. Cela garantit que le code s'exécute efficacement sur différents matériels.
  3. Nous chargeons le modèle Chatterbox pré-entraîné en utilisant ChatterboxTTS.from_pretrained(), en passant notre appareil détecté.
  4. Nous définissons le texte que nous voulons synthétiser.
  5. Nous appelons model.generate(text) pour créer la forme d'onde audio.
  6. Enfin, nous utilisons torchaudio.save() pour enregistrer la forme d'onde en tant que fichier WAV. model.sr fournit la fréquence d'échantillonnage correcte pour l'audio.

L'art du clonage vocal

L'une des capacités les plus intéressantes de Chatterbox est le clonage vocal. Vous pouvez fournir un court extrait audio d'une voix, et Chatterbox l'utilisera pour générer de la parole avec cette même voix.

Voici comment vous pouvez le faire :

Pour de meilleurs résultats, votre invite audio doit être un enregistrement propre d'une seule personne parlant, de préférence sans bruit de fond. Quelques secondes d'audio suffisent souvent à Chatterbox pour bien saisir la voix.

Pour lancer l'interface web, vous devrez d'abord installer Gradio :

pip install gradio

Ensuite, enregistrez le code suivant en tant que fichier Python (par exemple, app.py) et exécutez-le depuis votre terminal avec python app.py. Ce script est souvent inclus sous le nom gradio_tts_app.py dans les fichiers du projet.

Après avoir exécuté le script, vous verrez une URL locale dans votre terminal. Ouvrez cette URL dans votre navigateur web pour accéder à l'interface.

Vous serez accueilli par une interface propre et intuitive où vous pourrez :

L'application Gradio est le moyen idéal d'expérimenter rapidement différentes voix et paramètres sans avoir à écrire de code.

Réglage fin, conversion vocale et filigranes vocaux dans ChatterBox

C'est là que Chatterbox brille vraiment. Vous pouvez diriger la performance de la voix synthétisée à l'aide de deux paramètres clés : exaggeration et cfg_weight.

Expérimentez avec ces paramètres pour trouver la livraison parfaite pour votre contenu.

Chatterbox comprend également une puissante fonctionnalité de conversion vocale. Cela vous permet de prendre un enregistrement audio de quelqu'un qui parle et de le convertir dans une voix cible différente.

Une grande puissance implique de grandes responsabilités. Resemble AI a intégré sa technologie de filigrane PerTh (Perceptual Threshold) directement dans Chatterbox. Chaque morceau audio généré par le modèle contient un filigrane inaudible. Ce filigrane est robuste et peut survivre aux manipulations audio courantes, permettant ainsi de retracer l'audio jusqu'au modèle qui l'a créé.

Conclusion : Votre voix, à votre façon

Chatterbox TTS est plus qu'un simple modèle de synthèse vocale. C'est une plateforme puissante, flexible et ouverte pour créer une parole synthétique expressive et de haute qualité. Sa combinaison de performances de pointe, de fonctionnalités uniques comme le contrôle des émotions, et d'un engagement envers l'open source et l'IA responsable en fait un outil précieux pour tout développeur ou créateur.

Que vous construisiez le prochain grand assistant IA, créiez du contenu engageant pour des vidéos et des jeux, ou exploriez simplement les possibilités créatives de la synthèse vocale, Chatterbox vous donne la liberté et le pouvoir de donner vie à vos idées.

Pour en savoir plus, essayez la démo en direct sur Hugging Face Spaces :

Pratiquez le Design-first d'API dans Apidog

Découvrez une manière plus simple de créer et utiliser des API

S'inscrire gratuitementTélécharger