Synthèse vocale sur iPhone XS et autres anciens iPhone

La synthèse vocale sur iPhone XS pose une question simple. L’iPhone XS a été présenté en septembre 2018. Il a huit ans, il reçoit encore des mises à jour d’iOS, et ceux qui arrivent ici veulent savoir si une voix neuronale moderne, de celles qui sonnent comme une personne et non comme un GPS, peut seulement tourner dessus, ou si “IA sur l’appareil” est une formule qui veut dire, sans le dire, “achetez un nouveau téléphone”.

Au moment où ces lignes ont été écrites, ça tournait. Mais trois verrous distincts en décident, seuls deux d’entre eux figurent sur la fiche App Store, et chaque app les place à des endroits très différents.

Notez ce que dit la dernière colonne, et ce qu’elle ne dit pas. Le 14 septembre 2026, toutes les apps de ce tableau s’arrêtaient au plus bas au même matériel de 2018, parce que les listes d’appareils d’Apple pour iOS 17 et 18 s’arrêtent toutes deux au XS et au XR : la différence entre ces apps n’est pas les téléphones qu’elles peuvent atteindre, mais ceux qu’elles ont choisi d’atteindre. Le seuil iOS 17 d’Éist est le plus accueillant pour qui a cessé de mettre à jour ; la ligne iPhone 15 de Local Narrator écarte cinq années de téléphones capables de faire tourner le modèle.

“IA sur l’appareil” en est venu à désigner un modèle de langage de plusieurs milliards de paramètres, et ceux-là ont vraiment besoin d’un téléphone récent et de plusieurs gigaoctets pour s’installer. Kokoro-82M n’est pas de cette famille. Il compte 82 millions de paramètres, et le téléchargement complet de Sandbook fait environ 276 Mo, modèle et 41 voix compris, soit deux ordres de grandeur de moins que les modèles de conversation locaux sur lesquels on vend l’iPhone actuel.

Ce qu’il demande au matériel, c’est une génération de GPU assez moderne pour le jeu de fonctions Metal que vise Apple MLX, et assez de mémoire libre pour garder les poids pendant que le reste de l’app tourne. Au moment de l’écriture, la puce de 2018 remplissait ces deux conditions. (Avec la 1.0.4, Sandbook a constaté que sa version de MLX a besoin de la famille de GPU introduite avec l’A14, et a relevé son seuil à l’iPhone 12.) La contrainte tient donc réellement au socle logiciel plutôt qu’au calcul, et c’est pourquoi un téléphone de huit ans peut produire une voix qui aurait demandé un centre de données à sa sortie.

Il y a une chose qu’un téléphone plus ancien n’obtient pas, et ce n’est pas la qualité du son : c’est le temps. La vitesse de génération suit le GPU, si bien que le même chapitre est synthétisé plus lentement sur une puce ancienne que sur une récente. Comme Sandbook génère phrase par phrase avec une mémoire tampon d’avance et commence la lecture après la première phrase plutôt qu’après le chapitre, cela se traduit surtout par une pause un peu plus longue tout au début. Je n’ai pas publié de mesures par appareil et je ne vais pas les deviner ici : l’architecture est ce que je peux décrire honnêtement, et le délai de remboursement de l’App Store est ce qui tranche pour votre téléphone.

Sur un appareil compatible, à partir de l’iPhone 12, il n’y a toujours pas de version au rabais : chaque appareil reçoit les mêmes 82 millions de paramètres, la même sortie en 24 kHz, les 41 voix (dont 28 en anglais américain et britannique), la même plage de vitesse de 0,5× à 2,5× appliquée dans le modèle, le surlignage mot à mot et la même position mémorisée par livre.

Et si votre téléphone est sous ce seuil, un iPhone XS, XR ou 11, ou un iPhone X, 8 ou 7 resté à iOS 16, la réponse est celle qui est déjà sur l’appareil. Énoncer l’écran fait partie des fonctions d’accessibilité d’iOS, ne coûte rien et fonctionne sur des versions bien plus anciennes que n’importe quelle app de cet article. Énoncer l’écran face à un lecteur neuronal explique ce que vous échangez contre cela.

La page produit consacrée à ce sujet, quels iPhone font tourner Sandbook, regroupe la liste complète des iPhone et iPad.