Piper TTS — test français

Synthèse vocale légère sur CPU, streaming phrase par phrase. Le son démarre dès le premier chunk reçu, les mesures sont prises côté navigateur.

Premier son (TTFB)
Génération totale
Durée audio
RTF (temps réel = 1)

Bench initial (serveur, CPU seul)

16 échantillons générés par le script de bench — 4 voix × 4 phrases. RTF 0,03 ≈ 33× plus rapide que le temps réel.

VoixPhraseTTFBTotalAudioRTFÉcoute
siwis accueil 157 ms 208 ms 4.66 s 0.045
siwis conversationnel 147 ms 147 ms 5.71 s 0.026
siwis chiffres 132 ms 246 ms 7.11 s 0.035
siwis longue 114 ms 486 ms 19.08 s 0.025
tom accueil 172 ms 265 ms 5.36 s 0.049
tom conversationnel 252 ms 252 ms 6.28 s 0.04
tom chiffres 187 ms 312 ms 7.51 s 0.042
tom longue 212 ms 887 ms 21.15 s 0.042
upmc_jessica accueil 84 ms 139 ms 4.61 s 0.03
upmc_jessica conversationnel 139 ms 139 ms 5.92 s 0.023
upmc_jessica chiffres 114 ms 192 ms 6.85 s 0.028
upmc_jessica longue 110 ms 475 ms 19.53 s 0.024
upmc_pierre accueil 96 ms 151 ms 5.18 s 0.029
upmc_pierre conversationnel 142 ms 142 ms 6.01 s 0.024
upmc_pierre chiffres 109 ms 186 ms 6.56 s 0.028
upmc_pierre longue 105 ms 466 ms 17.83 s 0.026