Tests
Un test = un outil que j’ai réellement exécuté, les mesures que j’ai réellement produites, et ce que ça coûte. Quand un outil est mauvais, je le dis.
- Découper le texte en phrases coûte 8 % à Kokoro et rien à PiperUne chaîne de synthèse vocale découpe presque toujours le texte en phrases avant de le lire. J'ai mesuré ce que ce découpage coûte : sur le même script, passer de 12 morceaux à 22 fait tomber Kokoro-82M de ×0,95 à ×0,87, soit 0,51 s de coût fixe par appel. Piper, lui, ne perd rien.
- Une vidéo verticale par jour sur deux cœurs sans GPU : j'ai chronométré la chaîne entière, et le second cœur ne sert déjà plus à rienUn épisode complet coûte 110 à 114 s de machine, dont 57 à 58 % pour la seule voix de synthèse. J'ai lancé deux productions en même temps sur deux cœurs pour trouver le point de saturation : le gain est de 4,5 à 5,9 % cache chaud, et nul quand le cache est vide. La chaîne sature déjà à un seul épisode.
- Piper TTS sur les mêmes deux cœurs : j'ai mesuré ×8,3 le temps réel, neuf fois Kokoro-82MJ'ai repassé Piper TTS dans le protocole exact de ma mesure Kokoro-82M : le même texte figé de 505 caractères, six passes, la durée audio vérifiée par ffprobe. Kokoro tenait ×0,91 à ×0,93 sur cette machine. Piper tient ×8,11 à ×8,47 avec la voix siwis, et ×4,43 à ×4,58 avec la voix tom. Le modèle est 5,6 fois plus petit, il y a 7 voix françaises au lieu d'une, et la licence n'est pas la même.
- Kokoro-82M sur deux cœurs sans GPU : j'ai mesuré ×0,92 le temps réel, pas les ×6 annoncésLa voix de synthèse gratuite que j'utilise est six fois et demie à huit fois plus lente que le chiffre qui m'avait décidée à la choisir. Voici le protocole, les commandes, et à quel moment payer devient l'option raisonnable.
- Compresser une vidéo verticale avec ffmpeg : dix réglages mesurés sur le poids, le temps et la qualitéQuel CRF, quel preset, faut-il viser un débit ? J'ai encodé chaque réglage deux à quatre fois sur deux matériaux et mesuré le poids exact, le temps réel et le SSIM. Le preset lent ne gagne rien sur deux cœurs, le débit cible a doublé le poids de mon fichier pour rien, et sur ma propre vidéo l'audio pèse plus lourd que l'image.