Généré le 14/10/2026 10:01

Solution finale de synthèse vocale masculine, gratuite et fonctionnelle — 12/10/2026

Contexte

Suite au blocage d'edge-tts (403, Microsoft bloque le endpoint gratuit en zone UE depuis le 11/10 23h01) et à plusieurs pistes explorées dans la journée (Cloud TTS Google, Gemini natif, gTTS, Chatterbox-TTS local), Raphaël a demandé de relancer la mission pour obtenir une solution masculine, gratuite, simple, qui fonctionne réellement — l'équivalent de ce que proposerait Google TTS.

Verdict : Piper TTS est la solution retenue, vérifiée en direct sur le serveur de production

Test réel effectué à l'instant sur le serveur JARVIS_LIVE_VOICE tournant en production (port 8000) :

GET http://127.0.0.1:8000/api/tts?text=...
→ HTTP 200, fichier MP3 valide de 40 750 octets (MPEG layer III, 192 kbps, 44.1kHz)

Le moteur actif est confirmé dans JARVIS_VOICE_CONFIG.json : "tts_engine": "piper", et le serveur a été rechargé à 22h40-22h48 avec ce code.

Caractéristiques :
- Voix masculine française "Tom" (fr_FR-tom-medium.onnx)
- 100% local — aucune dépendance réseau, donc aucun risque de blocage géographique (contrairement à edge-tts, Gemini natif, Google Cloud TTS ou gTTS, qui dépendent tous d'un serveur Google/Microsoft distant pouvant bloquer une région)
- Gratuit à vie (projet open-source, modèle déjà téléchargé sur disque)
- Très rapide : RTF ≈ 0.09x (10x plus rapide que le temps réel), largement suffisant pour la voix conversationnelle Jarvis
- Déjà câblé comme moteur par défaut dans server.py (TTS_ENGINE = VOICE_CONFIG.get("tts_engine", "piper")), avec edge_tts qui reste sélectionnable si Microsoft rétablit l'accès un jour

Piste alternative explorée et écartée : voix Windows native "Paul"

Pendant cette mission, une 2ᵉ piste a été creusée en parallèle de Piper : Windows embarque déjà une voix masculine française native, "Microsoft Paul" (moteur Speech OneCore, utilisé normalement par le Narrateur Windows). Les fichiers du moteur existent bel et bien sur le disque (C:\WINDOWS\Speech_OneCore\Engines\TTS\fr-FR\M1036Paul.*, ~5,7 Mo de données), ce qui en ferait une solution 100% native Microsoft, zéro installation.

Problème bloquant, non résolu dans cette mission : cette voix est enregistrée dans un silo registre séparé (Speech_OneCore) invisible à la fois :
- de l'API classique .NET System.Speech (ne voit que 2 voix féminines Desktop : Hortense et Zira) ;
- de l'API moderne WinRT Windows.Media.SpeechSynthesis (retourne 0 voix depuis ce process, sans élévation) ;
- la bascule registre qui permettrait de l'exposer à l'API classique nécessite une écriture sous HKLM\SOFTWARE\Microsoft\Speech\Voices\Tokens, qui exige des droits administrateur — refusés en exécution non-interactive (confirmé : HKLM WRITABLE: NON, accès refusé) ;
- de même, Get-WindowsCapability (vérification de l'état d'installation du pack vocal fr-FR) exige aussi une élévation.

Conclusion sur cette piste : viable en théorie, mais nécessite une action manuelle ponctuelle de Raphaël (clic droit "Exécuter en tant qu'administrateur" une seule fois, ou activation via Paramètres Windows > Heure et langue > Voix). Non retenue comme solution immédiate puisque Piper fonctionne déjà, sans aucune intervention manuelle requise.

Pourquoi Piper plutôt que "du Google TTS"

Toutes les pistes de type "Google TTS" testées aujourd'hui échouent ou restent incertaines pour la même raison structurelle : ce sont des services distants, et deux des trois (edge-tts, Gemini natif) sont déjà bloqués géographiquement depuis la machine de test ; la 3ᵉ (gTTS, non officielle) n'a jamais été vérifiée depuis le serveur de production et pourrait casser sans préavis comme edge-tts, car c'est le même type d'endpoint public Google. Piper élimine ce risque par construction : il n'y a rien à bloquer, le calcul se fait sur site.

Artefacts