Piper vs Chatterbox TTS (2026) : parole locale rapide ou clonage vocal ?

Ce que fait réellement chaque outil

• Piper : synthèse rapide, à voix fixe, orientée CPU. Piper convertit le texte en phonèmes via espeak-ng, puis synthétise une forme d'onde à partir de ces phonèmes avec un modèle de type VITS exporté vers ONNX Runtime, ce qui le rend assez rapide pour tourner en temps réel sur un Raspberry Pi. Chaque voix est un modèle entraîné séparément, téléchargeable — il n'existe aucun mécanisme pour générer une nouvelle voix à partir d'un échantillon.
• Chatterbox : clonage vocal zero-shot sur une base Llama. Chatterbox, publié par Resemble AI, utilise une architecture de 0,5 milliard de paramètres construite sur une base Llama. Avec un court extrait audio de référence — environ 7 à 20 secondes, selon la propre méthodologie d'évaluation publiée par Resemble AI — il clone cette voix et génère une nouvelle parole avec elle, sans réglage fin ni entraînement supplémentaire.
• Réglage d'exagération (Chatterbox uniquement). Chatterbox expose un paramètre exaggeration (valeur par défaut 0,5) qui ajuste l'intensité émotionnelle de la parole générée ; la documentation du projet précise qu'augmenter ce paramètre tend à accélérer le débit, et qu'abaisser le paramètre cfg (classifier-free guidance) peut compenser avec un débit plus lent et plus posé.
• Filigrane neuronal (Chatterbox uniquement). Chaque clip audio généré par Chatterbox inclut un filigrane Perth imperceptible, conçu par Resemble AI pour résister à la compression MP3 et aux montages audio courants, destiné à rendre la parole générée par IA identifiable a posteriori.
• Piper n'offre ni clonage, ni contrôle émotionnel, ni filigrane — c'est un outil volontairement plus étroit, qui échange ces capacités contre de la rapidité CPU uniquement et une empreinte de ressources bien plus légère.

Comparatif côte à côte

Exemples d'utilisation réels

• Piper ne nécessite aucune configuration GPU — pip install piper-tts installe automatiquement sa dépendance CPU ONNX Runtime.
• Chatterbox fonctionne sur CPU (device="cpu"), mais la génération en temps réel et la faible latence documentée supposent une accélération GPU.

# ── Piper : installation et synthèse sur CPU ───────────────────────────
pip install piper-tts
python3 -m piper.download_voices en_US-lessac-medium
python3 -m piper -m en_US-lessac-medium -f test.wav -- "This is a test."

# API Python de Piper
from piper import PiperVoice
voice = PiperVoice.load("en_US-lessac-medium.onnx")
with open("test.wav", "wb") as wav_file:
    voice.synthesize_wav("Hello from Piper.", wav_file)

# ── Chatterbox : installation et clonage d'une voix ─────────────────────
pip install chatterbox-tts

import torchaudio as ta
from chatterbox.tts import ChatterboxTTS

device = "cuda"  # GPU recommandé ; "cpu" fonctionne aussi, bien plus lent
model = ChatterboxTTS.from_pretrained(device=device)

# Génération avec la voix par défaut du modèle
wav = model.generate("This is a test.")
ta.save("output.wav", wav, model.sr)

# Clone zero-shot à partir d'un court extrait de référence, avec un réglage d'exagération
AUDIO_PROMPT_PATH = "reference_voice.wav"
wav = model.generate(
    "This is the cloned voice speaking a new sentence.",
    audio_prompt_path=AUDIO_PROMPT_PATH,
    exaggeration=0.6,
)
ta.save("output_cloned.wav", wav, model.sr)

Licence et coût matériel

Qui devrait utiliser quoi

• Assistants vocaux et appareils embarqués → Piper. Des performances en temps réel sur un Raspberry Pi ou du matériel basse consommation similaire, sans dépendance GPU, c'est exactement ce pour quoi Piper est conçu — c'est pourquoi il est le moteur TTS local par défaut de la chaîne vocale de Home Assistant.
• Outils d'accessibilité et lecteurs d'écran → Piper. Des voix fixes et fiables et une faible latence sur du matériel modeste comptent ici davantage que l'expressivité ou le clonage.
• Narration de livres audio ou doublage avec une voix précise → Chatterbox. Le clonage zero-shot à partir d'un court extrait de référence, combiné au réglage d'exagération pour le rythme et l'interprétation, convient à un travail de narration nécessitant une voix cohérente et reconnaissable.
• Produits vocaux personnalisés ou de marque → Chatterbox. Si la proposition de valeur du produit repose sur une voix clonée précise — un narrateur, une mascotte de marque, un assistant personnel avec une persona choisie —, Piper en est totalement incapable ; Chatterbox est conçu pour cela.
• Parcs de serveurs CPU seuls à budget serré, traitant un volume d'appels élevé → Piper. La faible consommation de ressources de Piper s'échelonne plus prévisiblement sur de nombreuses instances CPU seules simultanées qu'un modèle dépendant d'un GPU.
• En cas de doute, commencez par Piper. Il n'a aucune dépendance GPU, s'installe en une seule commande pip install piper-tts, et couvre le cas courant de « lire ce texte à voix haute » sans aucune exigence de clonage. Ne passez à Chatterbox que lorsqu'un projet exige réellement de cloner une voix précise.

Ce pour quoi aucun des deux n'est adapté

• Piper ne peut absolument pas cloner une voix à partir d'un échantillon. Si une partie du besoin implique de reproduire la voix d'une personne précise à partir d'un audio de référence, Piper est le mauvais outil quelles que soient les contraintes matérielles — utilisez plutôt Chatterbox ou XTTS v2.
• Chatterbox sur matériel CPU seul ne convient pas bien au temps réel. Il fonctionne sur CPU (device="cpu"), mais ses performances à faible latence documentées supposent une accélération GPU ; considérez Chatterbox en CPU seul comme adapté à la génération par lots hors ligne, pas à la parole interactive en temps réel.
• Aucun des deux outils ne traite le consentement au clonage de la voix d'une personne réelle. Cloner ou synthétiser la voix d'une personne réelle et identifiable sans son consentement soulève des questions de consentement, de droit à l'image et potentiellement de fraude ou d'usurpation d'identité, qui existent indépendamment de la licence logicielle des deux projets — cela s'applique quel que soit l'outil utilisé, et quel que soit le contexte commercial ou personnel.
• La licence GPL-3.0 du dépôt actuel de Piper est une contrainte réelle pour une redistribution en source fermée. Si un déploiement implique de modifier et de redistribuer le code source de Piper à l'intérieur d'un produit fermé, les termes GPL-3.0-or-later du dépôt actuel s'appliquent — ce qui n'existait pas sous le dépôt d'origine sous licence MIT, donc les plans établis avant octobre 2025 doivent être revérifiés.
• La préférence rapportée de Chatterbox par rapport à ElevenLabs est une affirmation d'éditeur, pas un benchmark indépendant. Resemble AI, la société qui publie Chatterbox, rapporte une préférence des évaluateurs en aveugle pour Chatterbox par rapport à ElevenLabs, sur la base d'évaluations menées via la plateforme tierce Podonos. PromptQuorum n'a pas reproduit cette évaluation de manière indépendante ; considérez-la comme une affirmation de l'éditeur du modèle lui-même plutôt qu'un résultat tiers vérifié, et pondérez-la en conséquence si la qualité vocale face à ElevenLabs est un critère décisif pour votre projet.

Alternatives

Questions fréquemment posées

Verdict

Sources

• OHF-Voice/piper1-gpl sur GitHub — le dépôt Piper activement maintenu : README, documentation, licence, historique des versions.
• rhasspy/piper sur GitHub — le dépôt Piper d'origine, aujourd'hui archivé (licence MIT), archivé le 6 octobre 2025.
• resemble-ai/chatterbox sur GitHub — le dépôt officiel de Chatterbox : README, licence, documentation d'installation et d'utilisation.
• Resemble AI : Chatterbox — la page de Resemble AI décrivant la préférence rapportée des évaluateurs en aveugle par rapport à ElevenLabs via Podonos.
• Test Piper TTS — le test dédié de PromptQuorum sur Piper, incluant l'historique du changement de licence de 2025.

Pour aller plus loin

• Test Piper TTS — l'historique complet, le guide d'installation et l'analyse de licence pour Piper.
• Test XTTS v2 — un autre modèle de clonage vocal zero-shot, sous licence non commerciale, comparé pour les lecteurs ayant besoin de clonage multilingue.
• Licences TTS & clonage vocal locaux : Piper, XTTS v2, F5-TTS et Coqui — l'analyse de licence approfondie sur les moteurs TTS locaux.
• ElevenLabs vs Piper vs XTTS v2 — le comparatif cloud vs local pour les lecteurs qui décident s'ils veulent s'auto-héberger du tout.
• Build a Fully Offline Voice Assistant in 2026 — connecter Piper à un LLM local et à un moteur de reconnaissance vocale pour créer une chaîne vocale complète.