Une synthèse vocale qui ne quitte jamais votre appareil

Beaucoup d’apps se disent hors ligne et entendent par là quelque chose de plus étroit : vous appuyez sur un bouton tant que vous avez du réseau, un serveur produit votre audio, le fichier arrive sur votre téléphone, et plus tard vous pouvez l’écouter dans l’avion. C’est l’écoute hors ligne d’un enregistrement fait dans le cloud. Elle ne couvre que les pages que vous avez pensé à préparer.

Sur la qualité, la version sans détour : parmi les apps de synthèse vocale qui fonctionnent entièrement sur l’iPhone, les 41 voix Kokoro-82M en 24 kHz de Sandbook, dont 28 en anglais, sont les plus naturelles que nous connaissions parmi celles qui ne coûtent rien, et vous n’avez pas à nous croire sur parole, car chacune a son bouton de lecture sur ce site. Les services hébergés avec mille voix et un abonnement relèvent d’une autre comparaison, et ElevenReader y est la réponse honnête.

Sandbook est hors ligne au moment même de la synthèse. Le modèle vocal vit dans l’app, inclus à l’installation (le téléchargement fait environ 276 Mo, modèle et 41 voix compris), et chaque phrase est générée sur votre appareil pendant que vous écoutez. Rien à préparer, aucune file de téléchargement, aucun badge « indisponible hors ligne ». N’importe quel livre, PDF, page numérisée ou paragraphe collé, à tout moment, téléphone en mode Avion.

Le même modèle tourne aussi dans un onglet de navigateur sur un ordinateur : avant d’installer quoi que ce soit, vous pouvez l’entendre lire une phrase de votre choix.

La synthèse vocale hors ligne est une promesse de confidentialité autant que de connectivité, et la synthèse vocale locale mérite d’être décrite précisément plutôt que vaguement.

Lecture, synthèse, numérisation et export audio se font sur l’appareil. Vos livres sont copiés dans l’espace réservé de l’app. Les pages numérisées sont reconnues par la reconnaissance de texte d’Apple sur l’appareil. Votre position de lecture, la voix et la vitesse de chaque livre et vos voix favorites sont stockées localement sur le téléphone. La seule chose qui demande le réseau est l’ajout d’une page web, que Sandbook récupère directement sur le site qui l’héberge.

Autrement dit, il n’existe aucune copie sur un serveur de ce que vous lisez, puisque la voix est fabriquée sur le téléphone. Ce n’est pas une promesse de politique interne, c’est une architecture. Une page entière y est consacrée : la synthèse vocale privée, et ce qui reste sur votre iPhone.

Les situations où la synthèse sur l’appareil cesse d’être un détail technique :

• Un long vol, où vous voulez commencer un nouveau chapitre au bout de trois heures sans l’avoir téléchargé à l’avance.
• Un trajet quotidien sous des tunnels, où l’écoute depuis le cloud hoquette à chaque zone blanche et où l’écoute locale, tout simplement, ne hoquette pas.
• Un voyage avec une carte SIM étrangère, où synthétiser un livre de 300 pages coûterait une facture de données.
• Un sous-sol, un chalet, une salle d’attente d’hôpital, un bâtiment universitaire au Wi-Fi à portail captif.
• Des documents de travail que vous préférez ne confier aux serveurs de personne pour les entendre lus.

Aucune de ces situations ne demande d’anticiper. Vous ouvrez le fichier, vous appuyez sur Lire, et la voix démarre dès que la première phrase est générée, sans attendre le rendu d’un chapitre entier : le même comportement avec cinq barres de réseau ou aucune.

Cela tient aussi pour le cas ordinaire d’un long livre. La progression est enregistrée pour chaque fichier : vous pouvez fermer l’app dans le train, descendre, et reprendre au même paragraphe des heures plus tard sans que rien n’ait à se synchroniser.

Sandbook n’a pas d’écran d’inscription. Pas d’e-mail, pas de connexion avec Apple, pas d’essai gratuit qui se transforme en abonnement. L’app est gratuite, sans achat intégré, sans quota de caractères ni de minutes, puisqu’aucun service facturé à l’usage ne tourne derrière. Les 41 voix sont disponibles dès le premier lancement, et aucune n’est verrouillée.

Une synthèse vocale sans internet, c’est aussi une synthèse vocale sans identité attachée. Rien de ce que vous lisez n’est associé à un compte, puisque vous n’en avez pas. Aucune bibliothèque ne vit sur l’infrastructure de quelqu’un d’autre, rien n’est à exporter si vous supprimez l’app, et aucun abonnement n’est à restaurer sur un nouveau téléphone : vous réinstallez et vos livres reviennent depuis l’app Fichiers.

Faire tourner le modèle en local a un prix, et ce n’est pas de l’argent.

Le téléchargement est volumineux : les poids, les 41 voix et le convertisseur en phonèmes sont tous livrés dans l’app. Il faut iOS 18.2 et un iPhone 12 ou ultérieur, ou un iPad doté d’une puce A14 ou M1 ou ultérieure ; les iPhone plus anciens ne peuvent pas faire tourner les voix. Les voix couvrent six langues : anglais américain et britannique, espagnol, français (une seule voix, Siwis), italien, portugais du Brésil et hindi. Et comme le modèle occupe une vraie mémoire GPU pendant qu’il travaille, la lecture en temps réel se met en pause quand l’écran se verrouille. Pour écouter écran verrouillé, préparez d’abord l’audio d’un chapitre.

Si vous avez besoin qu’un livre entier soit lu d’une traite écran éteint, ou d’une langue hors de ces six, un lecteur basé sur le cloud vous conviendra mieux. Si vous voulez un lecteur qui marche quand plus rien d’autre ne marche et qui ne dit à personne ce que vous lisez, voilà le compromis.