Bark TTS : avis (2026) — le modèle sous licence MIT de Suno pour le rire, les soupirs et la parole

Ce que fait réellement Bark

• Parole multilingue. Bark prend en charge 13 langues, selon son README officiel : anglais, allemand, espagnol, français, hindi, italien, japonais, coréen, polonais, portugais, russe, turc et chinois simplifié.
• Génération de sons non verbaux. Bark peut générer `[laughter], [laughs], [sighs], [gasps] et [clears throat] comme indications textuelles intégrées, ainsi qu'un [music]` simple, documenté directement dans son propre README — c'est la fonctionnalité qui le distingue de tout autre moteur TTS local couvert par PromptQuorum.
• Plus de 100 préréglages de voix. Bark est livré avec plus de 100 préréglages de voix intégrés dans ses langues prises en charge, sélectionnables via un argument history_prompt (par exemple v2/en_speaker_6) plutôt qu'un clip audio de référence.
• Pas de clonage vocal personnalisé. La documentation de Suno indique clairement que Bark « ne prend actuellement pas en charge le clonage vocal personnalisé » — il peut reproduire le ton, la hauteur, l'émotion et la prosodie d'un préréglage donné, mais il ne peut pas cloner la voix d'une personne arbitraire à partir d'un enregistrement de référence comme le fait XTTS v2.
• Sortie non déterministe. Le propre README de Bark le décrit comme prenant « des libertés créatives dans ses générations, ce qui se traduit par des sorties de modèle à variance plus élevée que les approches de synthèse vocale traditionnelles » — exécuter deux fois la même invite peut produire des résultats sensiblement différents.

Exemples d'utilisation réels

• Limitez les invites à environ 13-14 secondes de texte parlé. Le propre README de Bark explique qu'il s'agit d'une limite architecturale, pas d'un bug : « Bark est un modèle de style GPT, et son architecture/fenêtre de contexte est optimisée pour produire des générations d'environ cette longueur. » Un contenu narratif plus long doit être découpé en segments puis assemblé.
• Attendez-vous à de la variance entre les exécutions. La sortie étant non déterministe, générez plusieurs prises de toute réplique devant sonner d'une manière précise et choisissez la meilleure, plutôt que de supposer que la première prise est représentative.

# Installer Bark — n'utilisez PAS "pip install bark", qui installe un
# paquet sans rapport, non géré par Suno.
pip install git+https://github.com/suno-ai/bark.git

# API Python : génération de base
from bark import SAMPLE_RATE, generate_audio, preload_models
from scipy.io.wavfile import write as write_wav

preload_models()

text_prompt = "Hello, my name is Suno. And, uh — and I like pizza. [laughs]"
audio_array = generate_audio(text_prompt)

write_wav("bark_generation.wav", SAMPLE_RATE, audio_array)

# Utiliser un préréglage de voix spécifique plutôt qu'une voix aléatoire
audio_array = generate_audio(
    "This is a specific preset voice speaking a new sentence.",
    history_prompt="v2/en_speaker_6",
)

# Réduire l'utilisation de la mémoire GPU sur des cartes plus petites
import os
os.environ["SUNO_OFFLOAD_CPU"] = "True"
os.environ["SUNO_USE_SMALL_MODELS"] = "True"

Licence et statut de maintenance

Pour quoi Bark ne convient pas

• Cloner la voix d'une personne précise. La documentation de Bark indique qu'il « ne prend actuellement pas en charge le clonage vocal personnalisé ». Si vous devez cloner une voix réelle à partir d'un court enregistrement de référence, XTTS v2 est conçu exactement pour cela (bien que sous licence non commerciale) — Bark n'est pas un substitut.
• Systèmes de production nécessitant un support continu garanti. Sans commit sur le dépôt public depuis le 5 avril 2024 et avec le focus public de Suno déplacé vers la génération musicale par IA, faire reposer une dépendance de production sur le maintien continu de Bark, ses correctifs de sécurité ou ses corrections de bugs est un risque réel que PromptQuorum ne peut exclure.
• Applications en temps réel à faible latence sur du matériel modeste. Le propre README de Bark indique que « sur des GPU plus anciens, Colab par défaut, ou le CPU, le temps d'inférence peut être significativement plus lent » que la vitesse « approximativement en temps réel » qu'il atteint « sur des GPU d'entreprise et PyTorch nightly ». Un moteur léger comme Piper convient mieux pour un usage en temps réel sur CPU seul ou du matériel embarqué.
• Sortie cohérente et reproductible. Comme le propre README de Bark décrit ses générations comme ayant une variance plus élevée et non déterministe qu'un TTS traditionnel, il convient mal à tout workflow (systèmes IVR, outils d'accessibilité, divulgations réglementées) nécessitant exactement la même sortie à chaque fois pour la même entrée.
• Narration longue en un seul passage. La limite de génération d'environ 13-14 secondes, que Bark attribue lui-même dans son README à son architecture de style GPT et sa fenêtre de contexte, signifie qu'une narration de la longueur d'un livre audio ou d'un long podcast nécessite de découper manuellement le texte en segments puis d'assembler les fichiers audio résultants.

Alternatives à Bark

Questions fréquentes

Verdict

Sources

• Bark sur GitHub — le README officiel : langues, préréglages de voix, balises de sons non verbaux, licence et instructions d'installation.
• Historique des commits de Bark — le registre public de l'activité de maintenance, ne montrant aucun commit depuis le 5 avril 2024 à la date de publication de cet avis.
• Bark sur Hugging Face — la fiche du modèle, reflétant la description des fonctionnalités et de la licence du README GitHub.
• Avis XTTS v2 — l'avis dédié de PromptQuorum sur l'alternative de clonage vocal que Bark ne fournit pas.
• Licences TTS local & clonage vocal — comparaison complète des licences entre moteurs TTS locaux.

Lectures connexes

• Avis XTTS v2 — le modèle de clonage vocal que Bark ne fournit pas, sous licence non commerciale.
• Avis Coqui TTS — un kit maintenu par la communauté et une alternative activement développée à un projet inactif.
• Licences TTS local & clonage vocal : Piper, XTTS v2, F5-TTS et Coqui — l'analyse approfondie des licences sur tous les principaux moteurs TTS locaux.
• ElevenLabs vs Piper vs XTTS v2 — la comparaison cloud contre local pour les lecteurs qui décident de s'auto-héberger.
• Avis Piper TTS — l'alternative TTS locale rapide, sous licence permissive et activement maintenue, CPU uniquement.