ElevenLabs

ElevenLabs est surtout connu pour une synthèse vocale qui sonne comme une personne plutôt que comme un robot. On colle un script, on choisit une voix dans une grande bibliothèque ou on crée la sienne, et l’outil le lit avec un rythme et une émotion naturels. La même voix peut parler des dizaines de langues, ce qui en fait une option populaire pour les livres audio, la narration YouTube, l’e-learning, les personnages de jeux et l’accessibilité. Le clonage de voix construit une copie d’une voix à partir d’un enregistrement, et il y a des garde-fous : on est censé avoir la permission du locuteur, et certaines fonctions demandent des vérifications d’identité.

La plateforme s’est élargie à un ensemble plus large de produits audio. Le doublage traduit une vidéo dans d’autres langues tout en gardant la voix du locuteur d’origine. Scribe transcrit la parole, avec des étiquettes de locuteur et des horodatages. Il y a des outils pour les effets sonores et la génération de musique, et un éditeur Studio pour les longs projets comme les livres audio et les podcasts. Pour les développeurs, l’API prend en charge la parole en streaming à faible latence, et le produit agents permet aux entreprises de construire des assistants vocaux qui gèrent des appels téléphoniques et des conversations clients avec une voix choisie, une base de connaissances et un ensemble d’outils.

L’offre gratuite inclut une petite allocation mensuelle d’audio et sert à tester, et les offres payantes ajoutent plus d’usage, des droits commerciaux et un clonage de meilleure qualité. L’usage se mesure en crédits, donc les longs projets peuvent devenir chers et ça vaut le coup de générer des brouillons avec un modèle moins cher d’abord. La qualité varie selon la langue et la voix, et il peut parfois mal prononcer des noms ou des termes inhabituels, ce qu’on corrige avec des contrôles de prononciation. Les concurrents incluent la synthèse vocale d’OpenAI, Google Cloud, Microsoft Azure et Cartesia.