Table des matières
Info : cet article contient des liens d'affiliation. Le site Synthographie perçoit une commission si le service promu est acheté après avoir cliqué sur un lien affilié. Cette méthode de monétisation finance les heures passées à tester, rédiger, illustrer et publier les tests. Le site Synthographie ne promeut que des services qu'il apprécie.
Présentation
ElevenLabs est une IA audio spécialisée dans la génération de voix.
Et franchement, elle est géniale !
Une application très complète avec des résultats très convaincants ; prête pour toutes sortes d'usages professionnels.
Voici d'abord, pour vous mettre "l'eau à l'oreille", un petit exemple des capacités impressionnantes d'ElevenLabs en matière de synthèse vocale :
Voilà, c'était "Nicole", une des voix synthétiques ultra-réalistes que propose ElevenLabs en mode text-to-speech.
Mais cette IA très aboutie a bien d'autres compétences ! C'est ce que nous allons voir tout de suite.
Histoire de l'entreprise
L'entreprise a été fondée en 2022 par un ancien ingénieur en machine-learning de Google, Piotr Dąbkowski, et son concitoyen polonais Mateusz Staniszewsk, ex-ingénieur chez Palantir, une grosse entreprise experte en Big Data.
La startup a rapidement trouvé de prestigieux investisseurs et levé quelques dizaines de millions pour se développer rapidement.
Principales fonctionnalités
L'IA d'ElevenLabs imite la voix humaine de manière très convaincante, et propose des applications concrètes très intéressantes :
- la génération de voix à partir de texte
- la transformation de voix
- le doublage de vidéos
- la lecture de textes longs
Langues
ElevenLabs propose sa synthèse de voix en 29 langues :
anglais
français
espagnol
chinois
hindi
portugais
allemand
japonais
arabe
russe
coréen
indonésien
italien
néerlandais
tchèque
danois
finnois
bulgare
croate
slovaque
turc
polonais
suédois
philippin
malais
roumain
ukrainien
grec
tamoul
Cette IA couvre ainsi une grande majorité des langues parlées par l'humanité.
Synthèse vocale (text-to-speech)
La synthèse vocale en soi n'a rien de bien nouveau : elle constitue une application ancienne de l'IA, depuis les années 1990.
Ce qui est nouveau, c'est la qualité impressionnante atteinte par les voix d'ElevenLabs sur la base de l'apprentissage profond, ou deep learning.
En effet, contrairement à de nombreux concurrents aux résultats poussifs, les voix et les interprétations d'ElevenLabs ressemblent très fortement à des voix humaines, avec des intonations appropriées, des accents crédibles, un sens du timing et de la prosodie.
(La prosodie est l'ensemble des caractéristiques de la parole, telles que l'intonation, le rythme, l'accentuation, la durée et la hauteur de la voix.)
Voix synthétiques
Une vaste gamme de voix synthétiques ou clonées
Combien ElevenLabs propose-t-il de voix ? Réponse : plus de 1000 !
Via sa "Voice Library" (bibliothèque de voix), l'application propose un vaste catalogue de voix, avec un filtrage précis sur une série de critères :
- Le type de contenu (narration, conversation, publicité etc)
- Les caractéristiques personnelles (genre, âge, langue)
- La qualité (haute qualité / voix professionnelle (basée sur un acteur vocal) / voix synthétique)
Gagnez de l'argent en donnant de la voix !
Encore plus fort : ElevenLabs propose de vous rémunérer pour l'utilisation de votre voix clonée, et de mettre ces voix humaines clonées à disposition du public.
C'est très malin car cette stratégie communautaire assure à l'entreprise d'offrir en permanence une large gamme de voix réalistes de tous types et dans toutes les langues possibles.
Clonage de voix
ElevenLabs propose donc le clonage de voix : vous lui donnez quelques enregistrements audio, l'IA les analyse *de manière très mystérieuse* et vous pouvez ensuite lui faire prononcer tous les textes que vous voulez... y compris dans des langues que vous ne parlez pas.
Sur son site, ElevenLabs donne plusieurs exemples convaincants :
- la voix originale humaine
- et sa version clonée par IA, qui lui ressemble à s'y méprendre - un rien plus mécanique
Paramètres
Chaque voix d'ElevenLabs, y compris les voix clonées, est susceptible d'être modifiée grâce à plusieurs paramètres assez subtils :
- La stabilité
- La similarité
- L'exagération de style
Il faut "bidouiller" un peu pour saisir l'effet concret de ces paramètres.
ElevenLabs a des réglages standards qu'on peut changer dans les deux sens : plus stable et moins stable, plus similaire et moins similaire, etc.
Voici un texte prononcé avec ma voix clonée :
Et voici ma voix clonée, avec d'autres paramètres :
Important : je n'ai testé que la version de base du clonage de voix, disponible avec l'abonnement Standard.
Il suffit de lui donner quelques enregistrements audio de moins de 10 MB chacun, et quelques secondes plus tard votre voix clonée est dispo, et vous pouvez commencer à lui faire prononcer des textes. C'est assez magique !
Le clonage vocal "Pro"
Il existe une version "Pro" du clonage de voix, qui nécessite de fournir au moins 30mn, et si possible 3h, d'enregistrement audio de haute qualité.
ElevenLabs préconise d'enregistrer en studio avec du matériel pro pour obtenir un rendu optimal. J'imagine que certains défauts du clonage de base sont corrigés dans la version pro ?
Les usages d'une voix clonée
On peut imaginer de nombreux usages de cette fonctionnalité :
- faire lire des articles de votre propre site web par votre propre voix clonée, transformant ainsi votre site web en radio ou en podcast
- enregistrer des podcasts, justement, à partir de texte
- traduire vos vidéos et les interpréter avec votre voix dans des langues que vous ne parlez pas
- etc
Pour en savoir plus :
Comment cloner sa voix avec l'IA text-to-speech d'Eleven Labs
Transformation de voix (speech-to-speech)
La fonctionnalité speech-to-speech d'ElevenLabs a quelque chose de plus rare et de plus surprenant que la fonctionnalité text-to-speech, déjà classique.
En effet, à quoi peut bien servir de remplacer une voix par une autre voix ?
Les usages possibles du speech-to-speech (de parole à parole)
Passé un petit moment de surprise, il est facile d'envisager des usages intéressants :
- votre voix n'est pas belle, ou vous ne prononcez pas très bien ? Enregistrez-vous quand même, et l'IA pourra améliorer tout ça
- vous êtes acteur vocal ou actrice vocale : vous pouvez interpréter toutes les voix d'un film, d'une série, d'un dessin animé ! L'IA imitera le rythme, l'intonation, et les autres paramètres de votre voix, tout en les transposant dans une voix différente, en genre, en âge, en accent...
- vous voulez réaliser tout-e seul-e une fiction audiovisuelle, un livre audio avec des dialogues, une pièce de théâtre, un film, un documentaire, un dessin animé ? Eh bien aucun souci, vous pouvez interpréter toutes les voix - le petit garçon, l'adolescente intello, le banquier patient, la vieille dame anarchiste et sympa, l'ouvrier méridional... et la voiture qui parle, l'escargot malicieux, bref tout ce que vous voulez...
Exemple de transformation de voix
Vous allez voir c'est juste bluffant.
Voici mon enregistrement original :
Et voici ma nouvelle voix de femme :
Usages de la transformation de voix
On imagine les usages foufous dans des domaines comme
- la pub
- la communication d'entreprise
- la littérature
- la télévision
- le cinéma
- le web
- les réseaux sociaux...
Doublage de vidéos (et traduction)
La fonctionnalité "dubbing" ou doublage de voix d'ElevenLabs consiste à remplacer une voix par une autre dans une vidéo, si besoin en traduisant cette voix.
L'intérêt du doublage
Le doublage de vidéos vous permet tout simplement de toucher tous les publics que vous visez quelle que soit leur langue et à un coût très faible !
Par exemple, vous faites l'apologie d'une nouvelle "crème anti-femmes" au lait de cerise enrichie à l'huile de poisson-chat, en français ; et voilà, quelques instants plus tard votre vidéo vous représente en train de baratiner dans un parfait chinois mandarin, ou turc de l'ouest, ou finlandais du sud.
De quoi faire exploser votre chaîne Youtube, ou Twitch, ou votre compte Instagram.
Test de doublage de vidéo, du français vers l'allemand
Je me suis amusé à faire un test... avec une peluche : Kein Problem, ma petite impro a été doublée en allemand en 20 secondes !
Ma vidéo originale en français :
Et le doublage en version allemande, suppaschön :
Perso j'en suis fan : le résultat est juste excellent, ultra-réaliste, sans erreurs. On peut envisager toutes sortes d'utilisations professionnelles.
Voici un article plus détaillé consacré au doublage avec ElevenLabs :
Vocalisation de textes longs / livres audio
La mise en voix de textes longs, très longs - des romans entiers et d'autres types de livres - pose des problèmes spécifiques. Il faut gérer la diction à l'échelle de centaines de pages !
Mais ElevenLabs a pensé à tout et développé un module spécifique pour traiter le cas des livres audio (audiobooks, en anglais).
Je vous laisse découvrir ça dans leur vidéo :
Cette partie de l'IA prend en entrée toutes sortes de documents texte : une url, un fichier PDF, .txt, .epub ou .docx etc.
Elle gère la division du projet en parties, chapitres.
Elle permet de générer l'audio avec différentes voix synthétiques ou clonées.
Bref, pour les éditeurs de livres audio il est évident que c'est probablement une des meilleurs IA de synthèse vocale sur le marché actuel.
Comment créer un livre audio avec la synthèse vocale d'ElevenLabs
Mon avis (élogieux) sur ElevenLabs
Vous l'aurez compris si vous n'avez pas fait semblant de lire cet article : j'ai été franchement enthousiasmé par mes tests des capacités étonnantes de cette IA.
Quoi qu'elle fasse, la synthèse vocale d'ElevenLabs excelle : aucune voix ne semble robotique, les paramétrages marchent, tout le logiciel a été très bien pensé pour des usages concrets.
A mon avis, la concurrence a du souci à se faire car ElevenLabs a une piscine d'avance en termes de qualité.
Bref, je vous la recommande vivement si vous cherchiez une solution d'IA vocale puissante et complète.
J'achèverai mon propos avec cette voix d'animateur télé :
