Généré le 14/10/2026 10:01

Statut du système de synthèse vocale locale et de clonage de voix — 12/10/2026

Synthèse

Système Statut avant intervention Statut après intervention
Chatterbox-TTS (clonage voix local, tools/tts_local_chatterbox/) Bloqué — jamais exécuté avec succès (aucun fichier output/ ni resultats_test.txt malgré une référence audio déjà en place) Débloqué et vérifié end-to-end — audio cloné généré avec succès
Piper (TTS local léger, mentionné dans les analyses) Jamais installé — n'existe que comme recommandation théorique dans les documents d'analyse (ANALYSE_COMPARATIF_PIPER_CLONAGE_LOCAL_CLOUD_AVIS_UTILISATEURS_20261012.md), aucun binaire piper.exe ni modèle .onnx de voix sur le disque Inchangé — pas dans le périmètre de blocage signalé, aucune installation réelle à ce jour

Diagnostic détaillé — Chatterbox-TTS

Symptôme : test_clonage.py plantait systématiquement à l'étape ChatterboxTTS.from_pretrained(device="cpu") avec :

TypeError: 'NoneType' object is not callable

sur la ligne self.watermarker = perth.PerthImplicitWatermarker().

Cause racine : le package setuptools du venv était en version 84.0.0, qui a retiré le module pkg_resources (dépréciation Python/setuptools en cours, suppression programmée dès le 30/11/2025). Or perth/perth_net/__init__.py (sous-dépendance de Chatterbox pour le tatouage audio anti-deepfake) importe encore pkg_resources. Cet import échoue silencieusement — perth/__init__.py capture l'ImportError et force PerthImplicitWatermarker = None au lieu de lever une erreur explicite — ce qui masquait la vraie cause jusqu'à l'inspection directe du module.

Correctif appliqué :
1. pip install "setuptools==80.9.0" dans le venv (dernière version stable incluant pkg_resources).
2. Création de tools/tts_local_chatterbox/requirements.txt avec setuptools<81 épinglé, pour empêcher qu'un futur pip install -U sur ce venv ne recasse la même chose.

Vérification réelle (pas supposée) — exécution complète de test_clonage.py après fix :
- Modèle chargé en 12,5 s (CPU, i5-8500, 6 cœurs)
- Audio cloné généré : 12,44 s de parole à partir de 103,05 s de calcul
- RTF (Real-Time Factor) = 8,28x → 8 fois plus lent que le temps réel
- Fichier produit et vérifié sur disque : tools/tts_local_chatterbox/output/test_clone_henri.wav (1,19 Mo)

Point important : correction d'un chiffre de l'analyse du 12/10

L'analyse ANALYSE_COMPARATIF_PIPER_CLONAGE_LOCAL_CLOUD_AVIS_UTILISATEURS_20261012.md affirmait que Chatterbox tenait "3x temps réel sur CPU 8 cœurs" et levait le doute sur la viabilité CPU. Ce chiffre théorique concernait la variante légère "Chatterbox-Nano" (et "LiteRT" en quasi temps réel). Or le venv réellement installé sur ce PC contient le modèle standard chatterbox-tts==0.1.7 — pas Nano, pas LiteRT, jamais installés. Le test réel donne un RTF de 8,28x, pas 3x : le modèle actuellement présent sur le PC n'est pas viable pour un usage conversationnel/temps réel, seulement pour une génération asynchrone hors-ligne (rapports, contenus pré-générés), ce qui était déjà le cas d'usage envisagé dans l'analyse.

Ce qui reste à faire (non exécuté dans cette mission, hors périmètre "vérifier le statut")

Artefacts produits