# Pocket TTS

Éditeur : Kyutai (France). Poids ouverts. Licence : CC BY 4.0.

En bref : 11e sur 16 en prononciation du français.

Page : https://quelleia.com/voix/modeles/pocket-tts/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Petit modèle de synthèse vocale de Kyutai conçu pour tourner sur un processeur classique, sans carte graphique, avec diffusion en continu du son. Il sait cloner une voix à partir d'un extrait et fonctionne aussi dans un navigateur. (lu sur https://kyutai.org/blog/, https://raw.githubusercontent.com/kyutai-labs/pocket-tts/main/README.md)

- Sortie : 13 janvier 2026 (lu sur la page de l'éditeur, https://kyutai.org/blog/)
- Taille : 100 millions de paramètres (lu sur la page de l'éditeur, https://raw.githubusercontent.com/kyutai-labs/pocket-tts/main/README.md)

## Langues

- Annoncées par l'éditeur : 7 langues, dont le français (en, fr, de, pt, it, es, nl).
- Prises en charge selon Open TTS Leaderboard : 6 langues.
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 11e sur 16 en prononciation du français (7,74 %).
- Source des langues annoncées : https://raw.githubusercontent.com/kyutai-labs/pocket-tts/main/README.md

## Ses classements

- Prononciation du français : 11e sur 16, taux d'erreur par mot 7,74 % ; vitesse : RTFx 4 : produit 4 secondes d'audio par seconde de calcul ; clonage de voix : oui. Source : Open TTS Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_tts_leaderboard (relevé du 19 octobre 2026, version du 9 octobre 2026).

## Modèles proches

- Prononciation du français : [SeamlessM4T-Large v2](https://quelleia.com/voix/modeles/meta-seamless-m4t-v2-large/), 10e (7,23 %), juste devant
- Prononciation du français : [Higgs TTS 3](https://quelleia.com/voix/modeles/boson-ai-higgs-tts-3-4b/), 12e (10,68 %), juste derrière

## Comment lire ces chiffres

- Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

## Noms dans les sources

- Hugging Face (hf-audio) : kyutai/pocket-tts

## Liens

- Page de l'éditeur : https://huggingface.co/kyutai/pocket-tts
- L'essayer : https://kyutai.org/pocket-tts
- Les poids sur Hugging Face : https://huggingface.co/kyutai/pocket-tts

## Pages lues

- https://kyutai.org/blog/ (« Pocket TTS: a high-quality TTS with voice cloning that runs on CPU 2026-01-13 A tiny TTS with any voice you like. »), 17/10/2026
- https://raw.githubusercontent.com/kyutai-labs/pocket-tts/main/README.md (« A lightweight text-to-speech (TTS) application designed to run efficiently on CPUs. »), 17/10/2026
- https://raw.githubusercontent.com/kyutai-labs/pocket-tts/main/README.md (« Small model size, 100M parameters »), 17/10/2026
- https://raw.githubusercontent.com/kyutai-labs/pocket-tts/main/README.md (« Multi-language support: english, french, german, portuguese, italian, spanish, dutch »), 17/10/2026