L’avènement de l’intelligence artificielle générative de textes semble déjà loin, même si ChatGPT n’a été lancé que fin 2022. Aujourd’hui, c’est l’ère des générateurs via IA de voix qui est en marche. À partir de quelques mots, il est possible de créer un rendu audio qui, pour certains, ressemble à s’y méprendre à une voix humaine. Ces intelligences artificielles trouvent principalement leur place dans le milieu professionnel, où elles offrent un gain de temps et d’argent. Mais elles sont également une aide précieuse pour les personnes malvoyantes, entre autres. Clubic vous propose de (re)découvrir les 5 meilleurs générateurs de voix par IA.
- Voix réalistes
- Prise en charge de 25 langues
- Compatibilité multiplateforme
- Réalisme des voix
- Gestion de l'intonation et des émotions
- Nombreuses langues supportées
- Plateforme musicale basée sur l'IA.
- Création d'un cover en 1 minute.
- Création de son propre modèle IA.
NaturalReader, l’assistant vocal
L’extension Chrome de NaturalReader permet d’écouter des pages Web, des documents Google Docs, des livres Kindle, des mails… L’outil supporte plus de 20 formats différents (pdf, txt, doc, xls…). Tout cela dans plus de 35 langues et avec plus de 140 voix disponibles.
Comme c’est le cas pour de nombreux générateurs de voix par intelligence artificielle, l’interface de NaturalReader est en anglais. Cependant, dès l’arrivée sur le tableau de bord, un guide de démarrage rapide est proposé en français et l’utilisation de l’ensemble reste plutôt intuitive.
NaturalReader est l’assistant idéal pour les personnes pressées, mais également pour celles souffrant de déficit visuel ou de troubles de la lecture. Et si un mot est mal prononcé, vous pouvez l’éditer en quelques clics, sur l’interface Web ou depuis votre mobile avec iOS ou Android.
ElevenLabs : plus qu’un text-to-voice
ElevenLabs peut produire, cloner, traduire des textes dans 29 langues, avec des milliers de voix uniques, y compris dans la version gratuite, qui permet de traiter 10 000 caractères par mois, soit environ 10 minutes d’audio.
Malheureusement, l’interface d’ElevenLabs est en anglais. Elle reste cependant assez ergonomique, donc cela ne l’empêche pas de lire des textes en français et de les restituer avec une voix sans aucun accent. Ce problème de langue est également présent dans la fonctionnalité « text to sfx » (texte vers effet spécial) qui est censée transformer un texte en un effet spécial audio (le rugissement d’un lion par exemple). Ici, le prompt de base doit être en anglais si l’on espère obtenir un résultat, qui n’est d’ailleurs pas toujours fameux.
- Réalisme des voix
- Gestion de l'intonation et des émotions
- Nombreuses langues supportées
Jammable : le champion du cover
Jammable (anciennement Voicify) n’est pas un simple outil de text-to-speech. Pourtant, il s’agit bien d’un générateur IA de voix. Mais il est destiné également à ajouter une des centaines voix disponibles en ligne sur la musique que vous uploadez. C’est très facile : vous choisissez une voix, vous uploadez un morceau de musique ou vous renseignez le lien vers une vidéo YouTube et la magie opère ! Jammable produit par exemple une version de Personal Jesus chantée par Donald Trump, ou Gigi l’amoroso par Homer Simpson. Il est même possible de faire un duo ou un trio ! Pour cet usage, le service est surtout ludique et principalement destiné aux particuliers.
C’est après avoir sélectionné la voix que les fonctionnalités sont proposées : cover et duo (nous venons de le voir), text-to-speech classique (avec un mode « accent » amusant), ou microphone qui remplace votre propre voix par celle choisie.
Malheureusement, la génération de cover en version gratuite ne couvre que 30 secondes du morceau de musique uploadé. Pour l’avoir en entier, il faut s’acquitter d’un abonnement de 1,99 euro par mois, qui ne donne droit qu’à 25 crédits. Pour des crédits illimités, le tarif est de 9,99 euros par mois. La fonction text-to-speech n’est pas non plus accessible gratuitement. Bref, un service amusant, mais qui oblige à mettre la main au portefeuille presque immédiatement.
- Plateforme musicale basée sur l'IA.
- Création d'un cover en 1 minute.
- Création de son propre modèle IA.
Murf : le couteau suisse de la génération de voix par IA
Le petit plus de Murf : un outil d’édition pour paramétrer la vitesse de lecture, la tonalité, le volume de la voix et lui ajouter des effets spéciaux, de la musique ou des images. Et même synchroniser une voix avec une vidéo uploadée. Malheureusement, pour être sûr d’utiliser au mieux ces fonctionnalités, il faut comprendre l’anglais. Certes l’interface est intuitive pour un usage de base, les pictos indiquent le chemin, mais certains réglages incluent des termes techniques moins accessibles.
Play.ht : simple et efficace
Ce qu’on aime moins également, c’est le questionnaire d’entrée obligatoire, pour savoir l’usage exact que l’on compte faire de l’outil. Il pourrait faire tourner les talons lorsqu’on vient uniquement faire quelques tests. On n’aime pas non plus devoir sortir de l’interface classique (« Ultra-Realistic Studio ») pour basculer vers une interface spécifique (et plus cheap), « Standard Studio » si l’on ne veut pas utiliser des voix anglaises. Et bien sûr, on n’aime (toujours) pas que l’interface soit elle-même en anglais.
Générateur de voix par intelligence artificielle : les réponses à vos questions
Qu’est-ce qu’un générateur de voix par intelligence artificielle ?
Comme les intelligences génératives de texte produisent un contenu écrit, les générateurs de voix produisent un fichier audio restituant une voix à partir d’un texte écrit ou d’un autre fichier audio d’origine. Certaines de ces IA peuvent également imiter une voix qui leur est « apprise » via un microphone ou un fichier, pour la réutiliser ultérieurement.
Comment fonctionne un générateur de voix par intelligence artificielle ?
Ces services ont presque tous le même mode de fonctionnement. La source peut être un texte écrit, un fichier audio, un enregistrement du microphone, un lien vers une vidéo YouTube… Ils sont alimentés, comme toutes les IA, par les millions de données récupérées sur Internet depuis des années. L’outil Moshi (uniquement en anglais), notamment, est entraîné sur des conversations téléphoniques américaines de plus de 20 ans.
Que peut-on faire avec un générateur de voix par intelligence artificielle ?
Selon leurs fonctionnalités, les générateurs de voix par IA peuvent avoir une utilisation personnelle et/ou professionnel. Par exemple, Jammable est définitivement ludique alors qu’ElevenLabs peut être mis à profit plutôt en entreprise. Transformer un texte écrit en fichier audio, traduire un discours avec la même voix, créer une chanson inédite, réutiliser sa propre voix pour être plus productif… Les usages sont variés et les applications nombreuses.
Pour aller plus loin avec l’IA générative, notre équipe d’experts vous propose d’autres comparatifs de ce type de services :
