Kokoro 82M

Un modèle petit, rapide et peu coûteux, avec trente-trois voix préréglées étiquetées par accent (américain, britannique et d’autres) plutôt que par langue, car c’est un modèle anglais et non multilingue. Si votre travail est en anglais et qu’il y en a beaucoup, c’est le choix économique.

Il propose un contrôle de vitesse mais aucun sélecteur d’émotion et aucun choix de langue. Comme pour tout modèle de cette forme, la direction doit venir de l’écriture : la façon dont une réplique est ponctuée et découpée détermine comment elle se lit.

Utilisez-le pour des pistes provisoires, pour de la narration temporaire pendant qu’un montage s’assemble, et pour du travail fini où une lecture neutre et propre est tout ce qu’il faut. Passez à MiniMax Speech 2.8 HD quand une réplique demande une diction émotionnelle précise, ou à Gemini 3.1 Flash TTS quand la langue n’est pas l’anglais. Ce sont deux choses que ce modèle ne cherche pas à faire, ce qui explique son prix.