OpenVox

Petit utilitaire de bureau, open source et multi-OS, façon « OpenWhisper inversé » : on sélectionne du texte n'importe où, on appuie sur un raccourci clavier global, et l'application le lit à voix haute avec une voix clonée par XTTS v2, 100 % en local.

• Aucune API cloud, aucune clé, aucune télémétrie. Tout tourne hors-ligne (après le téléchargement initial du modèle, ~1,8 Go).
• GUI minimale en Tkinter (stdlib) pour gérer les voix, la langue et l'accélération, avec mode clair / sombre et interface en français, anglais ou espagnol.
• L'app vit en tâche de fond avec une icône de zone de notification.

Fonctionnement

1. Au démarrage : lecture de config.json → chargement du modèle XTTS (CPU par défaut, GPU CUDA en option) → enregistrement du raccourci → fenêtre + icône tray.
2. Au raccourci (Ctrl+Alt+S par défaut) : sauvegarde du presse-papiers → copie simulée (Ctrl+C, ou Cmd+C sur macOS) → lecture du texte → restauration du presse-papiers → synthèse XTTS avec la voix active → lecture audio. Ctrl+Alt+X stoppe la lecture.

Les deux raccourcis sont modifiables depuis la fenêtre (section « Raccourcis » → bouton « Modifier », puis on appuie sur la combinaison voulue ; Échap pour annuler).

Installation

⚠️ Python 3.10 obligatoire (pas 3.11+) — la seule version proprement supportée par coqui-tts==0.27.5.

# 1. Environnement virtuel avec Python 3.10
py -3.10 -m venv .venv          # Windows  (ou : "C:\Python310\python.exe" -m venv .venv)
.venv\Scripts\activate          # Windows
# source .venv/bin/activate     # macOS / Linux

# 2. (GPU NVIDIA uniquement) torch CUDA EN PREMIER, sinon sautez cette ligne :
pip install torch==2.5.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu121

# 3. Le reste des dépendances :
pip install -r requirements.txt

# 4. Lancer :
python main.py

Lancement en un clic

Une fois l'installation faite, plus besoin du terminal :

• double-clic sur run.bat (à la racine), ou
• exécute une fois create_shortcut.ps1 (clic droit → « Exécuter avec PowerShell ») pour poser un raccourci OpenVox sur le Bureau, avec l'icône, qui lance l'app sans console.

CPU vs GPU

• Par défaut, tout tourne sur CPU (lent : plusieurs secondes par phrase, mais marche partout).
• Pour le GPU NVIDIA, installez la build CUDA de torch (étape 2 ci-dessus) avant requirements.txt, puis passez le réglage Accélération sur cuda (ou auto) dans la GUI.
• Le réglage ne fait que choisir le périphérique au chargement ; si CUDA est demandé mais absent, l'app retombe automatiquement sur CPU avec un message clair.
• Le changement d'Accélération prend effet au redémarrage : le bouton « ↻ Redémarrer l'application » (ou l'entrée Redémarrer du menu de la zone de notification) le fait pour vous.

Gérer les voix

XTTS fait du clonage zero-shot : aucun entraînement.

• Une « voix » = un échantillon .wav propre (~15–40 s, mono, 22–24 kHz, sans bruit de fond).
• Importer depuis la GUI copie le fichier dans voices/ et l'enregistre dans config.json.
• Changer de voix = la sélectionner dans la liste déroulante.
• Supprimer une voix = bouton « Supprimer » (avec confirmation) ; le fichier est retiré de voices/ et, si c'était la voix active, elle est désactivée.

Conversion d'un fichier au bon format avec ffmpeg :

ffmpeg -i source.mp3 -ac 1 -ar 22050 -sample_fmt s16 reference.wav

Spécificités par OS

• Windows (cible de dev) : RAS, pynput fonctionne sans droits administrateur.
• macOS : autoriser Accessibilité + Surveillance des saisies ; Cmd+C au lieu de Ctrl+C (géré automatiquement) ; pas d'accélération GPU garantie → CPU.
• Linux : OK sous X11. Sous Wayland, le raccourci global et la copie simulée sont souvent bloqués par le compositeur (limitation connue).

Structure

main.py     # assemble GUI + moteur + raccourci + tray
engine.py   # XTTS : chargement, voix, synthèse en streaming (2 threads)
gui.py      # fenêtre Tkinter : voix, langue, accélération, statut
hotkey.py   # raccourci global, copie simulée, presse-papiers (Tkinter)
config.py   # lecture/écriture de config.json
config.json # voix active, raccourcis, langue, device (édité par la GUI)
assets/     # logo et icônes (logo.png, icon.png, icon.ico)
voices/     # échantillons .wav importés (non versionnés)

À l'import, un échantillon trop long (> 40 s) est automatiquement ramené en mono et redécoupé sur un extrait central de ~30 s (au-delà, l'embedding XTTS se dilue).

Licences

• Le code est sous licence MIT (voir LICENSE).
• ⚠️ Les poids du modèle XTTS-v2 sont sous Coqui Public Model License (CPML), à usage non commercial. À vérifier avant tout usage commercial.