Pocket TTS change sa façon d'apprendre à parler, au prix du double de calcul
— AUDIOVISUEL
Kyutai remplace la méthode d'entraînement de son générateur de voix locale par un procédé nommé Drifting, qui simplifie les calculs internes sans toucher à la qualité audio finale. L'opération coûte deux fois plus de temps de calcul pour un résultat jugé équivalent par le laboratoire lui-même.
Pocket TTS continue de produire chaque bout de voix en un seul geste de calcul, toutes les 80 millisecondes, sans boucle de correction supplémentaire. Ce qui bouge se situe en amont, dans la manière dont Kyutai entraîne ce réflexe avant de le livrer. Le laboratoire remplace sa méthode maison par Drifting, un procédé qui pousse les tentatives de voix générées vers les enregistrements réels pendant l'apprentissage, et les écarte les unes des autres quand elles se ressemblent trop.
Pour un monteur son ou un concepteur sonore qui prototype une voix off sans GPU dédié, directement sur un ordinateur de montage, le modèle garde ses promesses initiales. Il tourne plus vite que la lecture en temps réel, clone une voix à partir d'un simple extrait audio, et reste utilisable en local sans louer de machine distante. Rien dans cette évolution ne change la prise en main de l'outil ni le rendu qu'on en tire sur un projet en cours.
La précision reste quasi identique entre les deux méthodes d'entraînement, l'écart se noie dans la marge d'erreur de mesure selon Kyutai. Le point qui mérite l'attention se loge ailleurs, dans le temps d'entraînement nécessaire pour atteindre un niveau de qualité correct, qui double avec Drifting par rapport à l'ancienne méthode.
Ce doublement du temps de calcul ne se voit jamais dans l'usage quotidien d'un fragment de voix généré, il pèse sur le rythme auquel Kyutai peut sortir de nouvelles versions du modèle. Simplifier les calculs d'entraînement n'allège pas la facture quand il faut tourner deux fois plus longtemps pour obtenir le même résultat.
La variante Drifting reste disponible en test sous le nom english_drifting_26-09, code et recette ouverts. Pour qui dépend déjà de Pocket TTS dans une chaîne de prototypage audio, l'outil du quotidien ne change pas de visage, mais le laboratoire derrière prend le temps de choisir sa prochaine fondation avant de la généraliser.