16 Octobre 2026, 22h52 — Heure locale Guadeloupe (UTC-4)
Suite directe de INSTALLATION_TTS_KOKORO_KYUTAI_LOCAL_REUSSIE_20261016.md
Le même benchmark a été rejoué une seconde fois (18 générations au total sur les deux passages, CPU Intel i5-8500, aucun GPU) pour ne pas valider la performance sur un seul test isolé. Kyutai Pocket TTS (fp32, sans quantization) reste le moteur le plus rapide des deux sur les deux passages, avec un RTF moyen de 0,364x (près de 3x plus rapide que la parole) et un premier son audible en seulement ~114 ms. Kokoro fp16 est la meilleure variante Kokoro (RTF moyen 0,462x), mais Kokoro affiche une variance notable d'un passage à l'autre (jusqu'à ×1,8 sur l'int8), alors que Kyutai reste stable. Toutes les variantes des deux moteurs restent sous RTF 1.0 (plus rapides que le temps réel) sur les deux runs.
| Moteur | Variante | RTF Run 1 | RTF Run 2 | RTF moyen | 1er son (moyen) | Stabilité |
|---|---|---|---|---|---|---|
| Kyutai Pocket | fp32 — Estelle | 0,358x | 0,386x | 0,372x | ~105 ms | 🟢 Stable |
| Kyutai Pocket | fp32 — Marius | 0,358x | 0,371x | 0,365x | ~126 ms | 🟢 Stable |
| Kyutai Pocket | fp32 — Jean | 0,353x | 0,358x | 0,356x | ~111 ms | 🟢 Très stable |
| Kyutai Pocket (fp32, moyenne 3 voix) | — | 0,356x | 0,372x | 0,364x | ~114 ms | 🟢 |
| Kokoro v1.0 | fp16 (ff_siwis) | 0,429x | 0,494x | 0,462x | — | 🟡 Variance modérée |
| Kokoro v1.0 | fp32 (ff_siwis) | 0,637x | 0,473x | 0,555x | — | 🟡 Variance modérée |
| Kokoro v1.0 | int8 (ff_siwis) | 0,833x | 0,471x | 0,652x | — | 🔴 Forte variance (×1,8 entre runs) |
| Kyutai Pocket | int8 — Estelle | 0,591x | 0,605x | 0,598x | ~139 ms | 🟢 Stable |
| Kyutai Pocket | int8 — Marius | 0,634x | 0,581x | 0,608x | ~131 ms | 🟢 Stable |
| Kyutai Pocket | int8 — Jean | 0,647x | 0,611x | 0,629x | ~131 ms | 🟢 Stable |
Constat notable : la quantization int8 de Kyutai est systématiquement plus lente que son fp32 sur ce CPU (quantization non optimisée pour cette architecture) — confirmé sur les deux runs, donc pas un artefact de mesure. Chargement modèle quasi identique entre runs pour les deux moteurs (~1,4-1,7s).
ff_siwis), mais sa variance d'un run à l'autre (jusqu'à 15-20% d'écart) mérite d'être gardée à l'esprit si un SLA de latence strict est visé — probablement lié au scheduler ONNX Runtime CPU et à la charge système au moment du test, pas à un défaut du modèle..wav de ce second passage ont écrasé ceux du premier test dans tools\tts_local_models\samples\ (mêmes noms de fichiers) ; les chiffres bruts des deux runs sont documentés dans ce rapport pour la traçabilité.