A 40MB TTS model hand-ported to run in the browser (TS and WGSL)

À propos de A 40MB TTS model hand-ported to run in the browser (TS and WGSL)

TTSLab est un outil open-source conçu pour exécuter, tester et comparer des modèles de synthèse vocale (TTS) et de reconnaissance vocale (STT) directement dans le navigateur web. L’application repose entièrement sur une exécution locale via WebGPU et WASM, ce qui signifie qu’aucune donnée ne transite par un serveur d’inférence. Le modèle phare de l’application, un modèle TTS de 40 Mo porté manuellement dans le navigateur, illustre parfaitement cette approche : il fonctionne en totalité sur le poste du client, sans nécessiter de clé API, de connexion à un service distant ou d’abonnement. L’interface, accessible à l’adresse ttslab.dev, permet aux utilisateurs de sélectionner un modèle, de générer de la parole à partir de texte ou d’analyser des extraits audio, le tout dans un environnement contrôlé et privé. Les modèles sont téléchargés une seule fois dans un cache local, puis réutilisés hors ligne. Cette architecture rapproche l’inférence audio haute performance du navigateur, sans compromis sur la confidentialité.

Fonctionnalités principales

TTSLab propose plusieurs fonctionnalités qui en font un outil de référence pour l’évaluation de modèles audio :

• Exécution TTS et STT dans le navigateur : tout se déroule localement, sans transfert vers un serveur externe. Les modèles supportés incluent Kokoro, KittenTTS, Pocket TTS, Qwen3-TTS, Piper, MeloTTS, Parler-TTS, F5-TTS, Whisper Tiny et Whisper Base.
• Comparaison côte à côte : l’interface permet de sélectionner plusieurs modèles et de les tester simultanément sur le même texte ou les mêmes fichiers audio, avec écoute directe des résultats.
• Benchmark reproductible : l’outil mesure des métriques standardisées telles que le taux d’erreur sur les mots (WER), le facteur temps réel (RTF) et les prédictions de note d’opinion moyenne (MOS). Les tests sont effectués dans le même environnement matériel et navigateur, ce qui garantit une reproductibilité.
• Cache local des modèles : après le premier téléchargement, les poids sont conservés sur l’appareil, évitant des rechargements inutiles.
• Contribution de modèles ONNX : les développeurs peuvent soumettre leurs propres modèles au format ONNX pour les rendre testables dans le navigateur via l’interface de TTSLab.
• Génération et synthèse locales : aucune file d’attente, aucun serveur d’inférence, pas de dépendance à un service cloud.

Tarification

TTSLab est entièrement gratuit et open-source. Il n’existe aucun plan payant, aucun niveau d’abonnement “Pro”, ni grille tarifaire détaillée. L’outil est accessible sans frais, et son code source est disponible pour consultation et modification. Les utilisateurs n’ont pas à fournir de méthode de paiement ni à souscrire à un service. Il s’agit d’un projet communautaire qui mise sur l’accès libre à l’inférence audio locale. Si vous recherchez un service commercial avec un support technique dédié ou des garanties de disponibilité, TTSLab n’offre pas ce type de prestation.

Cas d’utilisation

L’outil s’adresse à plusieurs profils d’utilisateurs :

• Chercheurs et praticiens en TTS/STT : ils peuvent comparer plusieurs modèles dans des conditions identiques, mesurer leurs performances réelles sur leur propre matériel et reproduire les résultats à volonté.
• Développeurs évaluant des modèles audio avant intégration : avant d’adopter un modèle dans une application, il est possible de tester sa rapidité, sa qualité et son comportement dans le navigateur sans avoir à déployer un backend.
• Utilisateurs soucieux de la confidentialité : comme aucune donnée ne quitte l’appareil, TTSLab convient aux environnements où la protection des informations est critique.
• Contributeurs open-source : les développeurs peuvent soumettre des modèles ONNX pour les rendre disponibles à la communauté et recueillir des retours.
• Démonstrateurs et formateurs : présenter des modèles TTS/STT sans infrastructure serveur, directement dans un navigateur, simplifie les ateliers et les présentations.

Notre avis

TTSLab est un outil remarquable pour quiconque souhaite explorer, comparer ou évaluer des modèles de synthèse et de reconnaissance vocale dans un environnement local. Son principal atout réside dans la combinaison de la confidentialité, de la simplicité d’utilisation et de la reproductibilité des benchmarks. Le fait que tout se déroule dans le navigateur, sans serveur externe, est un véritable gain pour la protection des données et pour les tests rapides.

Cependant, cette approche locale comporte des limites. Les performances dépendent entièrement du matériel de l’utilisateur : un GPU performant offrira des résultats bien meilleurs qu’un ordinateur modeste. Les benchmarks ne sont donc pas absolus, mais relatifs à chaque machine. De plus, certains modèles présentent encore des limitations : KittenTTS nécessite une phonémisation via eSpeak WASM, et son intégration complète dans le navigateur est toujours en développement. Enfin, l’absence de plans payants et de support commercial peut être un frein pour des équipes qui recherchent un service professionnel avec SLA ou garantie de disponibilité.

Globalement, TTSLab est un excellent choix pour l’évaluation et la démonstration de modèles audio en local. Il surpasse les alternatives cloud sur les plans de la confidentialité et du coût, mais ne remplace pas une solution hébergée pour des déploiements à grande échelle ou des environnements nécessitant une latence minimale constante. Pour des tests comparatifs, de la recherche ou des présentations, il s’impose comme un outil de référence dans l’écosystème open-source.