Généré le 16/10/2026 22:52

📊 Test de Performance Comparatif — Kokoro vs Kyutai Pocket TTS (CPU local)

16 Octobre 2026, 22h52 — Heure locale Guadeloupe (UTC-4)
Suite directe de INSTALLATION_TTS_KOKORO_KYUTAI_LOCAL_REUSSIE_20261016.md


🎯 Synthèse

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.


📊 Résultats détaillés — 2 passages complets (texte de test identique, 8s de parole)

MoteurVarianteRTF Run 1RTF Run 2RTF moyen1er son (moyen)Stabilité
Kyutai Pocketfp32 — Estelle0,358x0,386x0,372x~105 ms🟢 Stable
Kyutai Pocketfp32 — Marius0,358x0,371x0,365x~126 ms🟢 Stable
Kyutai Pocketfp32 — Jean0,353x0,358x0,356x~111 ms🟢 Très stable
Kyutai Pocket (fp32, moyenne 3 voix)—0,356x0,372x0,364x~114 ms🟢
Kokoro v1.0fp16 (ff_siwis)0,429x0,494x0,462x—🟡 Variance modérée
Kokoro v1.0fp32 (ff_siwis)0,637x0,473x0,555x—🟡 Variance modérée
Kokoro v1.0int8 (ff_siwis)0,833x0,471x0,652x—🔴 Forte variance (×1,8 entre runs)
Kyutai Pocketint8 — Estelle0,591x0,605x0,598x~139 ms🟢 Stable
Kyutai Pocketint8 — Marius0,634x0,581x0,608x~131 ms🟢 Stable
Kyutai Pocketint8 — Jean0,647x0,611x0,629x~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).


🏆 Verdict (confirmé sur 2 passages, pas 1 seul)

  1. Kyutai Pocket TTS fp32 est le choix de performance : RTF moyen 0,364x, premier son en ~114 ms, résultats stables run après run. Meilleur candidat pour un usage temps réel (ex. secours vocal Jarvis).
  2. Kokoro fp16 reste la meilleure alternative Kokoro (RTF moyen 0,462x, licence Apache 2.0, 54 voix dont 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.
  3. Aucune quantization (int8) n'apporte de gain de vitesse ici pour aucun des deux moteurs sur ce CPU — à l'inverse, elle ralentit Kyutai de façon reproductible.
  4. Les 9 échantillons .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.