Kokoro vs Pocket TTS : quel tout petit modèle TTS ouvert utiliser ?

Kokoro offre 54 voix fixes en 8 langues sous Apache 2.0 ; Pocket TTS clone une voix à partir de 5 secondes d'audio en 6 langues sous CC BY 4.0. Les deux tournent sur CPU.

  • Mis à jour le

Verdict. Choisissez selon votre besoin de clonage de voix. Kokoro (82M, 327 MB) offre 54 voix fixes en huit langues, sans clonage et sous une licence Apache 2.0 toute simple, et c'est de très loin le modèle de voix le plus téléchargé de ce site, mais son auteur est un développeur indépendant qui n'a rien publié depuis février 2025. Pocket TTS (100M) clone une voix à partir d'environ cinq secondes d'audio en six langues et n'a cessé de progresser, avec des modèles d'anglais bien plus petits publiés en octobre 2026. Ses poids sont listés en CC BY 4.0 derrière une vérification d'usages interdits, alors que le billet de lancement dit MIT, et chaque voix prédéfinie a sa propre licence. Dans les tests de Kyutai, Pocket TTS a eu le taux d'erreur de mots le plus bas (1,84 %), mais sa similarité de locuteur reste derrière les autres modèles de clonage de voix et sa qualité audio derrière Chatterbox Turbo. Kyutai rapporte que les deux tournent plus vite que le temps réel sur le CPU d'un ordinateur portable.

Spécifications

Spécifications KokoroPocket TTS
DéveloppeurhexgradKyutai
Date de sortie27 janvier 202513 janvier 2026
Paramètres totaux82M (Kokoro-82M v1.0)100M (Pocket TTS 100M (six languages))
Paramètres actifsTousTous
ArchitectureAutreAutre
Fenêtre de contexte––
EntréeTexteTexte, Audio
Licence Apache 2.0 (Permissive) CC BY 4.0 (Permissive)
Mémoire pour la plus petite variante (4 bits)0.38 GB (Kokoro-82M v1.0)0.127 GB (Pocket TTS 18M (English only))

Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.

Choisissez Kokoro si

  • Vous voulez une licence Apache 2.0 sans conditions ni vérification d'accès, et les voix fixes vous suffisent.
  • Vous avez besoin du japonais, du chinois mandarin ou de l'hindi, que Pocket TTS ne liste pas et que Kokoro couvre avec des voix toutes faites.
  • Vous voulez le modèle au plus large usage communautaire : environ 12,5 millions de téléchargements sur les 30 jours jusqu'au 11 novembre 2026.
  • Vous voulez un petit checkpoint de 327 MB.

Choisissez Pocket TTS si

  • Vous voulez cloner une voix à partir d'environ cinq secondes d'audio, avec le consentement du locuteur.
  • Vous avez besoin de l'allemand ou du néerlandais, que Kokoro ne couvre pas.
  • Vous voulez un projet encore en développement : Kyutai a ajouté en 2026 des modèles par langue, le code d'entraînement et des modèles d'anglais minuscules.
  • Vous voulez un modèle d'anglais encore plus petit : la version 18.2M de Kyutai tourne à 9,9 fois le temps réel sur un thread CPU, selon sa propre mesure.

Kokoro · Pocket TTS