La réponse dépend de plusieurs facteurs, notamment des voix de synthèse que vous choisissez. Nos voix IA de haute qualité (basées sur des modèles de Markov cachés neuronaux, HMM) n’occupent que 13 à 16 Mo par voix.
En revanche, nos voix DNN générées par IA peuvent occuper jusqu'à 32 Mo chacune. Nous utilisons aussi une technologie appelée DNN Micro, qui permet de créer des voix autour de 4 Mo.
Cela dépend aussi du processeur dont dispose l’appareil du joueur. Les voix Neural Standard nécessitent 1 GHz ou plus sur un processeur 64 bits, tandis que les voix Neural Lite fonctionnent dès 800 MHz.
S'il est cadencé autour de 400 MHz, il risque de se limiter à nos voix synthétisées par sélection d'unités (USS), qui pèsent de 80 à 600 Mo. Ces voix restent de grande qualité, mais sont malgré tout inférieures à nos meilleures voix basées sur l'IA.
Pour résumer, les ressources demandées par la synthèse vocale dépendent de la voix, chacune pouvant peser de 4 à 600 Mo.
Nous verrons avec vous quelle technologie offre le meilleur rapport qualité/ressources pour votre projet.