Documentation

Des enregistrements à la voix de synthèse

Ce guide présente les étapes nécessaires pour préparer vos données vocales et entraîner un modèle Piper. Les limites de Kaggle pouvant évoluer, vérifiez votre quota avant de lancer un entraînement long.

Vue d'ensemble

PiperHub référence des modèles de voix ouverts pour Piper, un moteur de synthèse vocale neuronal, rapide et local. Ces guides couvrent l'ensemble du parcours : préparer des enregistrements au format LJSpeech, entraîner un modèle sur un GPU Kaggle gratuit, puis utiliser la voix en ligne de commande, en Python, avec Home Assistant ou avec Node.js.

Aucun compte nécessaire

Chaque modèle du catalogue peut être essayé directement dans le navigateur. La synthèse s'exécute sur votre appareil : aucun texte ni aucun son n'est envoyé à un serveur.

Créer un jeu de données LJSpeech pour Piper TTS

LJSpeech est le format standard attendu par Piper. Chaque phrase correspond à un fichier WAV distinct, associé à sa transcription dans metadata.csv.

data.zip
├── metadata.csv   # nom_du_fichier|transcription
└── wavs/
    ├── 000001.wav
    └── ...
  1. 1

    Récupérer les fichiers audio

    Utilisez des enregistrements que vous êtes autorisé à traiter et à redistribuer : wikis de jeux, médias dont vous détenez les droits ou jeux de données publics.

    Télécharger une source vidéo avec yt-dlp

  2. 2

    Découper en phrases

    Préparez un fichier WAV par phrase. Pour le découpage automatique ou l'alignement, vous pouvez utiliser les outils suivants :

    • audiosplitter · découpage automatique
    • Montreal Forced Aligner (MFA) · alignement forcé
    • faster-whisper + VAD · transcription et horodatage
    • Audacity · découpage manuel pour les petits volumes
  3. 3

    Créer le fichier metadata.csv

    Ajoutez une ligne par fichier. Le séparateur est une barre verticale ; le nom indiqué doit correspondre exactement au fichier présent dans wavs/.

    000001.wav|Ceci est une phrase d'exemple.
    000002.wav|Voici une autre phrase pour l'entraînement.
  4. 4

    Compresser l'archive

    Placez metadata.csv et le dossier wavs/ à la racine de l'archive.

    zip -r data.zip metadata.csv wavs/
  5. 5

    Téléverser sur Hugging Face

    Créez un dépôt de jeu de données, par exemple user/wheatley-english-ljspeech, puis ajoutez data.zip et un fichier README.md contenant la configuration suivante :

    ---
    configs:
    - config_name: default
      data_files:
      - split: train
        path: data.zip
    ---
  6. 6

    Publier sur le forum Piper

    Créez un fil dans le canal consacré aux jeux de données et à l'entraînement, en indiquant le lien Hugging Face et l'étiquette appropriée.

Entraîner une voix sur Kaggle

Kaggle attribue le quota GPU par compte, et celui-ci peut varier selon la disponibilité des ressources. Consultez le compteur avant de lancer une session longue.

Quota GPU hebdomadaire30 h, parfois davantage

Kaggle indique un quota de base de 30 heures par semaine, qui peut être supérieur selon la demande et les ressources disponibles. Le quota est réinitialisé chaque samedi à 00:00 UTC.

Durée maximale d'une session12 heures

Selon la documentation Kaggle, les sessions CPU et GPU sont limitées à 12 heures consécutives. Un notebook CPU ne consomme pas de quota GPU, mais la durée de sa session reste limitée.

Accélérateur disponibleT4 ×2

Kaggle a retiré le Tesla P100 le 15 septembre 2026. Le T4 x2 reste disponible dans les notebooks : sélectionnez-le pour l'entraînement Piper plutôt que de suivre d'anciens guides basés sur le P100.

Reprendre après une interruption

Un entraînement complet dépasse souvent la durée maximale de 12 heures d'une session. Le notebook Piper de ce projet reprend à partir d'un checkpoint Hugging Face : après une interruption ou l'épuisement du quota, relancez-le pour poursuivre depuis le dernier checkpoint enregistré.

Avant un entraînement long

  • Vérifiez le quota restant dans les paramètres du notebook, dans votre profil ou sur la page d'utilisation des accélérateurs.
  • Arrêtez les sessions GPU lorsque vous ne les utilisez pas.
  • Utilisez le T4 x2 : le P100 n'est plus disponible sur Kaggle.

Les quotas, les accélérateurs et l'interface de Kaggle peuvent changer. Vérifiez les informations affichées dans votre compte avant tout entraînement.

Utiliser une voix Piper

Installez Piper, téléchargez les deux fichiers de la voix choisie, puis générez un fichier WAV en local. Les commandes ci-dessous utilisent la version maintenue par l'Open Home Foundation.

  1. 1

    Installer Piper

    Piper est distribué sous forme de paquet Python. Les anciens guides qui font référence au dépôt rhasspy/piper ou à son archive binaire concernent la version historique.

    python -m pip install piper-tts
    python -m piper.download_voices en_US-lessac-medium
  2. 2

    Télécharger une voix

    Sélectionnez une voix dans le catalogue, puis téléchargez son modèle ONNX et le fichier de configuration JSON associé. Conservez les deux fichiers dans le même dossier : le chemin du fichier JSON correspond au chemin du modèle suivi de .json.

    voice.onnx
    voice.onnx.json
  3. 3

    Générer un fichier WAV

    Téléchargez d'abord une voix depuis le catalogue Piper, ou remplacez le nom ci-dessous par le chemin de votre fichier .onnx.

    python -m piper -m ./voice.onnx -f output.wav -- "Bonjour, ceci est un test."
  4. 4

    Lire le texte depuis un fichier

    python -m piper -m ./voice.onnx -f output.wav --input-file input.txt

    Lire l'audio en sortie directe

    La fréquence d'échantillonnage dépend de la voix. Consultez voice.onnx.json et remplacez 22050 si nécessaire.

    echo "Bonjour." | python -m piper -m ./voice.onnx --output-raw | aplay -r 22050 -f S16_LE -c 1 -t raw
  5. 5

    Depuis Python

    import wave
    from piper import PiperVoice
    
    voice = PiperVoice.load("./voice.onnx")
    with wave.open("output.wav", "wb") as wav_file:
        voice.synthesize_wav("Bonjour le monde.", wav_file)
  6. 6

    Avec Home Assistant

    Piper s'intègre à Home Assistant via le protocole Wyoming. Ajoutez Piper dans Paramètres → Appareils et services, puis utilisez l'action tts.speak avec l'entité TTS Piper.

    Avec Node-RED

    La présence du paquet node-red-contrib-piper-tts, mentionné dans certains guides, n'est pas confirmée dans le catalogue public. Vous pouvez à la place appeler la commande Piper depuis le nœud Exec intégré, en adaptant les chemins et les droits d'accès à votre installation.

  7. 7

    Ajuster le rendu

    La qualité dépend notamment des données d'entraînement et de la voix choisie. Une valeur length-scale plus élevée ralentit le débit de parole ; une valeur plus basse l'accélère. Les paramètres noise-scale et noise-w modifient la variabilité de la génération.

    python -m piper -m ./voice.onnx --length-scale 1.5 --noise-scale 0.667 --noise-w 0.8 -f lent.wav -- "Texte lent."
    python -m piper -m ./voice.onnx --length-scale 0.7 --noise-scale 0.667 --noise-w 0.8 -f rapide.wav -- "Texte rapide."

Intégrer Piper dans un projet Node.js avec pipertts

pipertts permet d'utiliser Piper dans Node.js, avec écriture dans un fichier ou retour de l'audio en mémoire. Le mode recommandé est PiperNativeTTS : l'inférence s'exécute entièrement en natif dans le processus (ONNX et pont espeak compilé), sans Python, et environ 10 fois plus rapidement qu'avec le wrapper. Les voix (.onnx et .onnx.json) restent des fichiers distincts.

  1. 1

    Installer les dépendances

    La documentation requiert Node.js 18 ou version ultérieure et TypeScript 5 ou version ultérieure. Le mode natif ne nécessite aucune autre dépendance : la commande npm install suffit. Le mode wrapper classique (PiperTTS via python3 -m piper) requiert en outre Python et le module Piper. La sélection par identifiant de catalogue peut télécharger le modèle et sa configuration dans le dossier models/.

    npm install pipertts
    # mode wrapper uniquement : python3 -m pip install piper-tts
  2. 2

    Démarrer avec une voix du catalogue

    import { PiperNativeTTS, resolveModelPathFromOptions } from "pipertts";
    import * as fs from "node:fs";
    
    const modelPath = await resolveModelPathFromOptions({
      model: "en_US-lessac-medium",
      modelsDir: "./models",
    });
    const tts = await PiperNativeTTS.load({ modelPath });
    
    const { audio } = await tts.synthesize("Hello from Piper.");
    fs.writeFileSync("./hello.wav", audio);
  3. 3

    Voix PiperHub et URL directes

    Toutes les voix de ce catalogue peuvent être chargées par leur slug, sans téléchargement manuel : ajoutez le préfixe hub:. Toute URL .onnx directe est également acceptée (sa configuration correspond par défaut à <modelUrl>.json). Les téléchargements sont mis en cache dans modelsDir, avec un basculement automatique vers le miroir communautaire si le dépôt de l'auteur n'est plus disponible.

    import { PiperNativeTTS } from "pipertts";
    
    // Ce catalogue, par slug :
    const tts = await PiperNativeTTS.load({
      model: "hub:glados-french-medium-voice",
      modelsDir: "./models",
    });
    
    // Ou toute URL directe :
    const ttsUrl = await PiperNativeTTS.load({
      modelUrl: "https://huggingface.co/.../voice.onnx",
    });
  4. 4

    Utiliser un modèle local

    Pour une voix téléchargée manuellement, indiquez le chemin du fichier ONNX. Le fichier .onnx.json associé doit se trouver dans le même dossier ; si ce n'est pas le cas, précisez son emplacement avec configPath.

    import { PiperNativeTTS } from "pipertts";
    
    const tts = await PiperNativeTTS.load({
      modelPath: "./models/my-voice.onnx",
    });
    const { audio, sampleRate } = await tts.synthesize("Hello.", { speakerId: 0 });
  5. 5

    API et formats

    synthesize() renvoie audio (Buffer), sampleRate et text ; outputFile enregistre également le résultat sur le disque. Options disponibles : speakerId (voix et styles multiples), lengthScale (une valeur supérieure à 1 ralentit, inférieure à 1 accélère), noiseScale, noiseWScale, sentenceSilence, normalizeAudio, volume et outputFormat (wav, raw, mp3, ogg ou opus). Les formats mp3 et opus sont pris en charge en JavaScript pur ; ogg requiert FFmpeg. phonemize() et synthesizeChunks() donnent accès aux fonctions de bas niveau, phrase par phrase.

  6. 6

    Wrapper hérité (PiperTTS)

    PiperTTS exécute python3 -m piper dans un processus distinct pour chaque synthèse. Ce mode, environ 10 fois plus lent, est réservé aux environnements dans lesquels le moteur natif ne fonctionne pas. Il requiert Python et le module Piper.

    import { PiperTTS } from "pipertts";
    
    const tts = await PiperTTS.create({
      modelPath: "./models/en_US-lessac-medium.onnx",
    });
    await tts.synthesizeToFile("Hello from the legacy wrapper.", "./hello.wav");
↑↓ pour naviguer↵ pour ouvrirEsc pour fermer