Piper TTS : avis (2026) — synthèse vocale neuronale locale et rapide

Histoire : de Rhasspy à l'Open Home Foundation

Ce que Piper fait réellement

• Synthèse en ligne de commande. Exécuter python3 -m piper avec un modèle de voix téléchargé pour synthétiser un fichier WAV ou diffuser l'audio directement vers vos haut-parleurs.
• API Python. Charger une voix avec PiperVoice.load() et appeler .synthesize_wav() ou le générateur en streaming .synthesize() depuis votre propre application Python.
• Mode serveur web HTTP. Piper peut fonctionner comme un serveur web persistant afin que les modèles de voix restent chargés en mémoire, évitant le coût de rechargement de la CLI à chaque appel — recommandé pour un usage répété ou en production.
• API C/C++ (libpiper). Une bibliothèque C++ native et sa CLI, portées depuis l'ancien dépôt Piper, pour intégrer Piper dans des applications non Python.
• Injection de phonèmes bruts. Entourer du texte de `[[ ... ]] permet de passer directement des phonèmes IPA (issus de espeak-ng --ipa=3`), utile pour corriger la prononciation de noms ou de termes techniques.
• Accélération GPU optionnelle. Passer --cuda (CLI) ou use_cuda=True (Python) active l'accélération CUDA via le paquet onnxruntime-gpu, bien que Piper soit conçu pour tourner à une vitesse acceptable sur CPU seul.
• Voix multilingues entraînées par la communauté. Des dizaines de langues et de variantes régionales sont disponibles sous forme de modèles de voix téléchargeables séparément via Hugging Face ; la qualité varie selon la voix, celles-ci étant entraînées par différents contributeurs de la communauté.

Installer et exécuter Piper : étape par étape

1. 1
   Installer Piper.
   Why it matters: Exécuter `pip install piper-tts` dans un environnement Python (Python 3.9+ recommandé). Cela installe le paquet `piper` et sa dépendance ONNX Runtime ; aucune configuration GPU ou CUDA n'est requise pour un usage CPU seul.
2. 2
   Lister et télécharger une voix.
   Why it matters: Exécuter `python3 -m piper.download_voices` sans argument pour lister les voix disponibles, puis `python3 -m piper.download_voices en_US-lessac-medium` pour en télécharger une dans le répertoire courant.
3. 3
   Synthétiser la parole en ligne de commande.
   Why it matters: Exécuter `python3 -m piper -m en_US-lessac-medium -f test.wav -- 'This is a test.'` pour écrire un fichier WAV. Avec `ffplay` installé, omettre `-f` pour entendre l'audio immédiatement au lieu de l'enregistrer.
4. 4
   (Optionnel) Utiliser l'API Python plutôt que la CLI.
   Why it matters: Pour un usage répété dans une application, `from piper import PiperVoice; voice = PiperVoice.load("en_US-lessac-medium.onnx")` puis `voice.synthesize_wav(text, wav_file)` évite le coût de démarrage de la CLI à chaque appel.
5. 5
   (Optionnel) Activer l'accélération GPU.
   Why it matters: Installer le paquet `onnxruntime-gpu`, puis passer `--cuda` en CLI ou `use_cuda=True` à `PiperVoice.load()` en Python. Optionnel — Piper est conçu pour tourner en temps réel sur CPU seul.
6. 6
   (Optionnel) Exécuter le serveur web pour un usage répété.
   Why it matters: Pour une configuration en production ou à usage répété, exécuter le mode serveur web HTTP de Piper afin que le modèle de voix reste chargé en mémoire au lieu d'être rechargé à chaque appel de la CLI.
7. 7
   (Optionnel) Corriger un mot mal prononcé avec des phonèmes bruts.
   Why it matters: Obtenir les phonèmes IPA d'un mot avec `espeak-ng -v en-us --ipa=3 -q <mot>`, puis les entourer de `[[ ... ]]` dans le texte d'entrée pour remplacer la prononciation automatique de Piper pour ce mot.

Exemples d'utilisation réels

• Injection de phonèmes bruts pour corriger la prononciation : entourer du texte comme `The [[ bˈætmæn ]] not [[ bɹˈuːs wˈeɪn ]] avec des phonèmes IPA obtenus via espeak-ng -v en-us --ipa=3 -q <mot>`.
• API C/C++ libpiper expose piper_create() (ou piper_create_with_options() pour un contrôle plus fin) pour intégrer Piper directement dans une application native sans environnement Python.

# Ligne de commande : écrire un fichier WAV
python3 -m piper -m en_US-lessac-medium -f test.wav -- "This is a test."

# Ligne de commande : jouer l'audio immédiatement (nécessite ffplay)
python3 -m piper -m en_US-lessac-medium -- "This will play on your speakers."

# API Python
import wave
from piper import PiperVoice

voice = PiperVoice.load("en_US-lessac-medium.onnx")
with wave.open("test.wav", "wb") as wav_file:
    voice.synthesize_wav("Welcome to the world of speech synthesis!", wav_file)

# API Python : ajuster la synthèse (vitesse, volume, expressivité)
from piper import SynthesisConfig

syn_config = SynthesisConfig(
    volume=0.5,        # deux fois moins fort
    length_scale=2.0,  # deux fois plus lent
    noise_scale=1.0,   # plus de variation audio
    noise_w_scale=1.0, # plus de variation d'élocution
)
voice.synthesize_wav("Custom synthesis settings.", wav_file, syn_config=syn_config)

# API Python : accélération GPU (nécessite onnxruntime-gpu)
voice = PiperVoice.load("en_US-lessac-medium.onnx", use_cuda=True)

# API Python : synthèse en streaming
for chunk in voice.synthesize("Streamed audio, chunk by chunk."):
    play_audio(chunk.audio_int16_bytes, chunk.sample_rate)

Licence et coût

Ce pour quoi Piper n'est pas adapté

• Clonage vocal expressif, émotionnel ou à partir de quelques secondes. Piper synthétise la parole à partir de modèles de voix pré-entraînés, pas à partir d'un court extrait audio de référence d'une personne précise. Pour cloner une voix à partir de quelques secondes d'échantillon audio, ou obtenir une élocution plus expressive, XTTS v2 est conçu pour cela — voir le guide des licences TTS locales de PromptQuorum pour ses conditions de licence (non commerciales).
• Clonage multi-locuteur à partir d'un court échantillon. De même, Piper n'a aucun mécanisme intégré pour générer à la volée une nouvelle voix à partir d'un échantillon audio d'un locuteur donné ; chaque voix est un modèle entraîné et distribué séparément.
• Obligations copyleft de la GPL-3.0 dans un produit fermé. Si votre cas d'usage implique de modifier et de redistribuer le code source de Piper lui-même dans un binaire fermé, la licence GPL-3.0-or-later du dépôt actuel est une contrainte réelle que le dépôt d'origine, sous MIT, n'avait pas. Relire la section Licence et coût ci-dessus et consulter un avocat avant ce type de déploiement.
• Qualité vocale garantie et homogène sur toutes les langues. Les voix étant entraînées et fournies par différents contributeurs de la communauté, la qualité varie sensiblement selon la langue et la voix — vérifier des échantillons dans la langue cible avant de s'engager sur Piper pour une application en production.
• Certitude de maintenance à long terme. Au moment de la publication, le README du projet indique que l'Open Home Foundation recherche des mainteneurs supplémentaires pour Piper, un point à prendre en compte avant de construire une infrastructure critique dessus.

Alternatives à Piper

Questions fréquentes

Verdict

Sources

• OHF-Voice/piper1-gpl sur GitHub — le dépôt activement maintenu : README, documentation, licence et historique des versions.
• piper-tts sur PyPI — métadonnées du paquet publiées, incluant la licence GPL-3.0-or-later actuelle.
• rhasspy/piper sur GitHub — le dépôt d'origine, désormais archivé (licence MIT).
• Releases piper1-gpl — historique des versions, y compris v1.8.0 (4 septembre 2026).
• Open Home Foundation — l'organisation à but non lucratif qui maintient Piper et Home Assistant.

Lectures complémentaires

• Licences TTS et clonage vocal local : Piper, XTTS v2, F5-TTS et Coqui — le comparatif de licences pour tous les principaux moteurs TTS locaux.
• ElevenLabs vs Piper vs XTTS v2 — le comparatif cloud contre local pour choisir de s'auto-héberger ou non.
• Construire un assistant vocal entièrement hors ligne en 2026 — connecter Piper à un LLM local et à un moteur STT basé sur Whisper pour un pipeline vocal complet.
• Avis Whisper.cpp — l'équivalent local en reconnaissance vocale, examiné avec le même niveau de détail.
• Avis faster-whisper — l'alternative de reconnaissance vocale basée sur CTranslate2, examinée avec le même niveau de détail.