Une alternative hors ligne à ElevenLabs

Synthèse vocale dans le cloud ou fichier de voix sur votre ordinateur

ElevenLabs propose une application web sans code et une API REST avec des SDK officiels pour Python et TypeScript. Les entreprises peuvent aussi l’exploiter dans leur propre cloud grâce aux déploiements privés. Dans tous les cas, la synthèse est un service que vous appelez.

Avec SuperClonica, vous obtenez une voix Supertonic 3 sous la forme d’un seul fichier JSON. Vous installez le moteur, téléchargez une fois le modèle de base (environ 400 Mo), et chaque requête tourne ensuite en local sur votre CPU ou votre GPU.

Confidentialité : où va votre texte

Avec un TTS dans le cloud, chaque script, message ou document que vous faites lire part sur les serveurs du fournisseur et y est traité selon ses conditions. Pour un texte publicitaire, c’est rarement un problème. Pour des notes médicales, des documents internes ou des dialogues de jeu pas encore publiés, ça peut l’être.

En synthèse locale, le texte ne part nulle part. Les serveurs de SuperClonica ne voient pas ce que vous faites lire : ils ne gèrent que votre compte, vos achats et le téléchargement des voix. La connexion se fait avec GitHub et le paiement en cryptomonnaie.

Latence et travail sans internet

Une requête cloud ajoute un aller-retour réseau et suppose que le service soit joignable. Un moteur local n’a ni l’un ni l’autre. D’après notre estimation, SuperClonica génère la parole 6,4 à 9,7 fois plus vite que le temps réel sur un processeur de bureau à 8 cœurs : une réplique de 10 secondes est prête en 1,0 à 1,6 seconde environ, y compris en avion ou sur un réseau fermé.

Cela permet aussi d’intégrer la voix dans un produit : un jeu qui fait parler les PNJ sur la machine du joueur, ou une application web qui exécute le modèle dans le navigateur avec ONNX Runtime Web.

Abonnement ou voix à vous

ElevenLabs se vend sous forme d’abonnements mensuels ou annuels, et votre usage est décompté selon le forfait.

Sur SuperClonica, vous achetez une voix une seule fois, au prix fixé par son auteur en dollars américains ; certaines voix sont gratuites. Le fichier reste dans votre bibliothèque et personne ne compte les caractères : le volume généré ne dépend que de votre matériel. Une voix achetée sert à vos propres projets et ne peut être ni revendue ni republiée.

Là où ElevenLabs est le meilleur choix

ElevenLabs a plusieurs longueurs d’avance, et autant le dire clairement.

• Langues : les modèles d’ElevenLabs couvrent des dizaines de langues, dont le chinois mandarin. Supertonic 3 en compte 31, sans le chinois pour l’instant.
• Voix immédiates : clonage à partir d’un enregistrement ou création d’une voix à partir d’une description, directement dans le navigateur. Sur SuperClonica, une voix personnalisée doit être entraînée ou commandée.
• Aucune installation : ni Python, ni téléchargement de modèle, rien à faire tourner sur votre matériel.
• Une plateforme plus large : agents vocaux et autres outils audio dans le même compte.

Quand SuperClonica convient mieux

SuperClonica est plus pertinent si :

• le texte ne doit pas quitter votre appareil ou votre réseau ;
• vous générez de gros volumes et le paiement à l’usage finit par peser ;
• il vous faut de la voix hors ligne, ou intégrée à une application ou un jeu que vous distribuez ;
• vous voulez garder la voix sous forme de fichier, sans dépendre d’un abonnement.