Je postais cet article juste après une intense séance pour parvenir un résultat. Maintenant que j'ai pu frotter cette solution à d'autres documents, plus importants, j'ai quelques retours supplémentaires pour qui serait tenté de s'y lancer :
limite du nombre de tokens traitable par le modèle XTTS2 : il faudra donc découper un PDF pour qu'il soit traitable (ça c'est automatisable dans une certaine mesure)
grande qualité, mais faible fiabilité : les hallucinations sont fréquentes. Trop. Ça fait qu'on peut difficilement faire confiance à un audio généré pour un document important : il y aura quasi systématiquement un moment où il va être parti en vrille
Donc il va falloir que je creuse un peu plus pour voir si on peut améliorer ça, mais pour un rendu plus fiable (et une utilisation de ressources plus parcimonieuse), piper semble être un bon candidat.
# Davantage de retours à l'utilisation
Posté par mrlem (site web personnel, Mastodon) . En réponse au journal Lecture de texte avec Coqui TTS. Évalué à 5.
Je postais cet article juste après une intense séance pour parvenir un résultat. Maintenant que j'ai pu frotter cette solution à d'autres documents, plus importants, j'ai quelques retours supplémentaires pour qui serait tenté de s'y lancer :
Donc il va falloir que je creuse un peu plus pour voir si on peut améliorer ça, mais pour un rendu plus fiable (et une utilisation de ressources plus parcimonieuse), piper semble être un bon candidat.