Une alternative à Voicebox, et quand il en faut une
Voicebox est un studio vocal gratuit et open source sous licence MIT : il clone une voix à partir de quelques secondes d’audio, passe d’un moteur TTS à l’autre parmi huit, parle 23 langues, ajoute des effets, monte des histoires à plusieurs voix, prend la dictée et donne une voix aux agents IA via MCP. C’est l’un des projets vocaux les plus populaires de GitHub, et pour beaucoup c’est le bon outil.
Ce guide est pour les cas où ce n’est pas le cas : quand vous voulez des voix de personnages prêtes, un seul modèle rapide sur un processeur ordinaire, une ligne de commande pour des scripts ou une API hébergée. Si vous cherchiez le Voicebox de Meta, voyez la dernière section.
Ce que Voicebox fait bien
Le clonage à partir d’un extrait sans entraînement, plus de 50 voix prédéfinies, le contrôle du ton par instructions écrites, des balises comme le rire ou le soupir dans Chatterbox Turbo, huit effets audio, une timeline pour les dialogues et les podcasts, la dictée dans tout le système avec Whisper, une API REST et un serveur MCP. Il tourne en local sous macOS, Windows et dans Docker ; sous Linux il se compile depuis les sources.
Où SuperClonica est différent
SuperClonica est un moteur pour un modèle, Supertonic 3, réglé pour la vitesse sur un processeur ordinaire, avec 31 langues. Au lieu de cloner à la génération, chaque voix est entraînée une fois et devient un petit fichier JSON qui tourne partout. Le catalogue compte environ 190 voix prêtes, narrateurs, annonceurs et personnages de fans, chacune essayable gratuitement sur une réplique de 30 à 100 caractères. Votre propre voix s’entraîne dans le studio à partir d’un court enregistrement.
Pour les scripts, serveurs et bots
Installez le moteur gratuit avec python -m pip install superclonica-cpu sous Windows, macOS Apple Silicon ou Linux et vocalisez un fichier en une commande : superclonica --text-file script.txt --voice F2 --lang fr --output script.wav. Le même moteur est une bibliothèque Python, et l’API vocale hébergée renvoie l’audio pour une requête POST, avec une offre gratuite de 3 minutes d’audio par jour.
Lequel choisir
Voicebox pour le clonage sans entraînement, les balises expressives, la dictée et un studio tout-en-un, surtout avec une carte graphique pour les gros moteurs. SuperClonica pour des voix de personnages prêtes, une génération rapide hors ligne sur CPU, 31 langues dans un modèle, une installation légère avec pip ou une API. Les deux s’essaient gratuitement, et rien n’empêche d’utiliser les deux.
Si vous pensiez au Voicebox de Meta
Meta a présenté en 2023 un modèle de recherche appelé Voicebox et ne l’a pas publié, invoquant le risque d’abus. Il n’y a rien à télécharger ; les alternatives pratiques sont des projets ouverts comme le studio Voicebox ci-dessus ou des moteurs comme SuperClonica.