Kokoro TTS en ligne, gratuit et privé dans votre navigateur

Le modèle tourne sur votre propre ordinateur, lit la première phrase pendant que la suite se calcule et vous donne un WAV à télécharger. Quand vous appuyez sur Démarrer, votre navigateur télécharge une fois le modèle Kokoro-82M et le garde en cache. Ensuite, tout se passe dans cet onglet. Votre texte est découpé en phrases, chaque phrase est convertie en phonèmes, et le modèle transforme ces phonèmes en audio 24 kHz avec la voix choisie. La première phrase se fait entendre dès qu’elle est prête, pendant que les suivantes se calculent derrière.

Le texte anglais passe par le phonémiseur anglais de Kokoro, qui énonce aussi les nombres, les prix et les heures. L’espagnol, le français, l’italien, le portugais et le hindi passent par eSpeak NG, le phonémiseur que Kokoro utilise pour ces langues, chargé seulement quand vous choisissez l’une de ces voix. L’inférence tourne dans un worker en arrière-plan, si bien que la page reste réactive.

Plutôt que de taper, vous pouvez importer un fichier : EPUB, PDF, Word (.docx), Markdown, HTML ou texte brut. Le fichier est ouvert et lu dans cet onglet du navigateur ; rien n’est envoyé. Il s’ouvre dans une vue de lecture en plein écran, avec les chapitres d’un EPUB dans le Sommaire. Touchez n’importe quelle phrase et l’outil lit à voix haute à partir de là, en ne générant qu’une ou deux phrases d’avance sur ce que vous entendez : un livre entier n’a donc jamais à être calculé d’un coup. La phrase en cours de lecture est surlignée, et vous pouvez mettre en pause ou en toucher une autre à tout moment.

Le même moteur est réglé pour un seul usage sur quatre autres pages : lire un texte à voix haute, un lecteur EPUB en ligne, lire un PDF à voix haute et faire relire votre dissertation.

Si vous cherchiez un générateur de voix ou un outil pour passer d’un texte en audio, vous y êtes. Saisissez ou collez jusqu’à 1 500 caractères, choisissez l’une des 41 voix et appuyez sur Générer : la synthèse vocale se fait dans votre navigateur, et « Télécharger le WAV » en garde un fichier mono 24 kHz que tout logiciel de montage vidéo ou audio ouvre, pour une voix off par exemple. C’est un générateur de voix IA gratuit au sens simple des mots : les voix sont synthétiques, il n’y a ni inscription ni compteur de crédits, et la licence Apache-2.0 de Kokoro-82M autorise l’usage commercial. L’outil ne clone aucune voix et n’imite personne. Pour un texte plus long qu’une génération, produisez-le en plusieurs parties et assemblez les fichiers dans votre logiciel de montage.

L’outil choisit le moteur à votre place. Il n’y a aucun réglage de qualité à mal choisir : sur WebGPU, l’outil utilise toujours le modèle complet, car les modèles quantifiés plus petits y produisent une voix brouillée.

• WebGPU (carte graphique) : le modèle en pleine précision, un téléchargement unique de 326 Mo. Sur un portable récent, un paragraphe de 40 mots prend environ 3 secondes et la première phrase se fait entendre au bout d’environ 1 seconde. Chrome, Edge et Safari, dans leur version actuelle sur ordinateur, ont WebGPU.
• CPU (WebAssembly) : le modèle 8 bits, un téléchargement unique de 92 Mo, utilisé quand WebGPU n’est pas disponible. Il est plus lent que le temps réel : comptez 10 à 15 secondes avant la première phrase et 20 à 40 secondes pour le même paragraphe, selon votre processeur.
• Téléphones : le même modèle CPU de 92 Mo, dans une configuration allégée qui demande moins de mémoire au navigateur et parle par morceaux plus courts. Il marche sur les téléphones récents et reste plus lent que sur un ordinateur : la voix est générée moins vite qu’elle ne se lit, d’où des pauses entre les phrases. Si le téléchargement est interrompu, il reprend là où il s’était arrêté.

Dans les deux cas, la deuxième visite évite le téléchargement : le modèle se charge depuis le cache du navigateur en quelques secondes. Sur un ordinateur, prévoyez environ 1 Go de mémoire dans l’onglet pendant qu’il tourne.

C’est la voix qui décide de la langue. L’outil propose les mêmes 41 voix que l’app Sandbook, avec les noms et les descriptions de l’app :

• Anglais : 28 voix, 20 américaines et 8 britanniques, dont Heart, Bella, Michael, Emma et George.
• Espagnol : 3 voix (Dora, Alex, Santa).
• Français : 1 voix (Siwis).
• Italien : 2 voix (Sara, Nicola).
• Portugais du Brésil : 3 voix (Dora, Alex, Santa).
• Hindi : 4 voix (Alpha, Beta, Omega, Psi).

Pour écouter une voix sans rien charger, appuyez sur le bouton de lecture à côté du choix de la voix, ou écoutez tous les extraits des voix Kokoro. La vitesse va de 0,5× à 2,0×, appliquée dans le modèle lui-même : une voix rapide sonne toujours comme une personne qui parle vite.

Téléchargement. Chaque génération de texte saisi peut être enregistrée en fichier WAV mono 24 kHz. L’export en MP3 et en M4A n’est pas encore disponible. Les documents importés sont lus à voix haute dans la page et n’ont pas de téléchargement audio.

Droits d’usage. Kokoro-82M est publié sous licence Apache-2.0, qui autorise l’usage commercial. L’audio que vous générez vous appartient ; Sandbook ne revendique rien dessus.

Limites. Texte saisi : jusqu’à 1 500 caractères par génération, soit environ une minute et demie de parole. Fichiers importés : EPUB, PDF, Word (.docx), Markdown, HTML et texte brut, quelle que soit leur longueur ; les PDF numérisés (sans couche de texte) et les livres protégés par DRM ne peuvent pas être lus. L’outil fonctionne mieux sur un ordinateur. Il marche aussi sur les téléphones récents, plus lentement, et un téléphone ancien peut manquer de mémoire ; l’outil le signale avant de télécharger quand cela semble probable. La lecture s’arrête quand le téléphone se verrouille ou que l’onglet passe en arrière-plan. Fermer l’onglet juste après le premier téléchargement peut parfois empêcher le navigateur de finir d’écrire son cache ; la visite suivante télécharge alors le modèle à nouveau.

Confidentialité. Votre texte et l’audio ne quittent jamais votre navigateur. Un fichier que vous importez est ouvert sur votre appareil et n’est pas envoyé. Les seuls fichiers que l’outil récupère sont le modèle, la voix choisie, pour les voix autres qu’anglaises le phonémiseur, et le lecteur correspondant au type de fichier que vous importez.

Crédits. L’outil repose sur des logiciels open source : Kokoro-82M (Apache-2.0), ONNX Runtime Web (MIT), Transformers.js (Apache-2.0), kokoro-js (Apache-2.0), eSpeak NG (GPL-3.0), PDF.js (Apache-2.0) et fflate (MIT).

Cette page est une démo du modèle. Sandbook, c’est l’app : elle fait tourner le même modèle Kokoro-82M sur iPhone, iPad et Mac grâce à Apple MLX, entièrement hors ligne, avec les 41 voix et sans limite de longueur. Elle lit à voix haute les livres EPUB et les PDF, les pages web et (sur iPhone et iPad) les pages numérisées, surligne chaque mot au moment où il est prononcé et retient où vous vous êtes arrêté. Gratuite, sans compte et sans rien à acheter. Elle demande un iPhone 12 ou plus récent sous iOS 18.2, ou un Mac doté d’une puce Apple (M1 ou ultérieure) sous macOS 15.2.

La façon dont le modèle tourne sur un téléphone est expliquée sur la page app Kokoro TTS pour iPhone. Si vous voulez seulement qu’un téléphone lise l’écran à voix haute, iOS le fait déjà : la synthèse vocale sur iPhone avec les réglages intégrés. Et pour voir comment Sandbook se situe face à Speechify, NaturalReader et les autres lecteurs, consultez les alternatives de lecteurs pour iPhone.