La semaine dernière, Meta a présenté un nouvel outil de synthèse vocale, Audiobox (lire Qant du 13 décembre). L’entreprise ne propose pour l’heure qu’une simple démo d’Audiobox, mais elle permet de se faire une première idée de la qualité de l’outil. Or, Qant a récemment testé le service de clonage de voix d’Eleven Labs, qui permet grâce à un échantillon de voix de quelques minutes, de faire réciter n’importe quel texte avec la voix de l’utilisateur (lire Qant du 11 décembre), et le service de “podcast à la demande” de Wondercraft (lire Qant du 25 septembre). De quoi établir un premier comparatif des solutions grand public, qui ne requièrent pas de se connecter à une API.
Audiobox :
Avantages :
La démo d’Audiobox permet de lire un échantillon de trente mots maximum, uniquement en anglais, en utilisant soit une voix générée par IA, soit sa propre voix.
L’enregistrement de sa propre voix ne prend que quelques secondes, contre plusieurs minutes pour Eleven Labs ou Wondercraft. Pour cela, il suffit de lire un texte de quelques mots, en anglais. Une fois la voix enregistrée, il faut écrire le court texte qui sera lu par la suite. Voici le résultat obtenu sur Audiobox :
Audiobox permet également de générer des voix et des bruitages. Pour l’instant, deux voix sont disponibles, Alice et Emily. Nous sommes par exemple parvenus à créer un bruit de vagues, ou encore d’un verre se brisant au sol. Mais il n’est pas encore possible de générer une voix avec des caractéristiques précises, comme pour Eleven Labs.
Inconvénients : L’outil présente pour le moment tous les inconvénients d’une démo. Les textes ne peuvent être enregistrés qu’en langue anglaise, et ne durent que quelques secondes.
Eleven Labs :
Avantages : Des préréglages permettent de modifier sa propre voix, ou bien les voix générées par IA, de manière à les rendre plus dynamiques ou au contraire plus monotones. La proximité entre la voix clonée et la voix réelle est impressionnante. Quant aux voix générées par IA, elles sont personnalisables.
Inconvénients : Il n’est pas possible de générer un podcast à plusieurs voix, contrairement à Wondercraft. Le contenu généré présente encore quelques scories avec la présence d’accents parasites.
Wondercraft :
Avantages : Il est possible de faire parler sa propre voix ou les voix générées par IA en langue française ou en d’autres langues. Wondercraft permet de subdiviser un contenu audio en plusieurs parties, avec une voix et un fond sonore différent pour chaque partie. Wondercraft génère également lui-même un script pour le podcast, à partir de rien ou à l’aide de texte fournis par l’utilisateur.
Inconvénients : La qualité du contenu produit par Wondercraft n’est pas professionnelle. Plusieurs passages de l’audio sont prononcés avec des accents aléatoires (québécois, catalan) et sur un ton beaucoup trop monotone.
Pour en savoir plus :
Source archive Kessel : https://qant.kessel.media/posts/pst_f9ea10cac8a041c5bff643c9519fd28b
