L’essentiel (BLUF) : La synthèse vocale transforme le texte saisi en voix directement dans votre navigateur : saisissez le texte, choisissez une langue et une voix, et obtenez un fichier audio. Le texte et l'audio ne quittent jamais votre appareil, aucun jeton n'est facturé et il n'y a pas de API payant ici. Le modèle connaît 600+ langues et une voix peut être clonée à partir de votre propre audio – un fichier téléchargé ou un enregistrement par microphone. Le résultat est lu dans le lecteur et téléchargé sous forme de fichier WAV.
C'est de la synthèse vocale : le texte entre, le son sort. Utilisez-le pour exprimer une vidéo avec votre propre voix ou celle de votre choix, créer un brouillon de piste de voix off, vérifier le son d'un texte dans une autre langue ou simplement écouter un long article au lieu de le lire.
La livraison est contrôlée par une instruction textuelle : lecture calme, murmure, joie ou tristesse. L'émotion est définie avec le texte plutôt qu'avec des curseurs, le résultat semble donc plus naturel.
L’outil est livré avec une bibliothèque de voix prêtes – masculines et féminines, avec des timbres différents. Choisissez une langue et une voix et commencez à exprimer.
Si vous avez besoin de votre propre voix, clonez-la à partir d'un court échantillon : téléchargez un fichier audio ou enregistrez 15 à 30 secondes à partir du microphone. L'outil analyse l'échantillon et ajoute la voix à votre liste, après quoi elle est choisie comme les autres. Les voix créées sont conservées dans le navigateur et survivent au rechargement de la page.
Le texte et l'audio ne quittent jamais votre ordinateur : aucune ligne ne va vers notre serveur ou vers celui de quelqu'un d'autre. Le modèle est chargé une fois dans le navigateur (environ 3 GB de poids) et est ensuite extrait du cache, tandis que le calcul s'exécute sur votre carte graphique jusqu'à WebGPU. Si la carte graphique n'est pas disponible, le moteur se tourne honnêtement vers le processeur et vous en informe, ce qui est sensiblement plus lent.
Aucun jeton n'est facturé pour la parole : c'est un outil gratuit qui fonctionne sur votre matériel, pas sur le nôtre.
Le champ de saisie peut contenir jusqu'à 20 000 caractères. Le texte long est divisé en parties aux limites des phrases et prononcé l'une après l'autre avec de courtes pauses : le rythme reste égal quelle que soit la longueur et rien n'est perdu à la fin. La barre de progression indique quelle partie est en cours de lecture.
Vous pouvez annuler à tout moment : après l'annulation, une nouvelle exécution démarre immédiatement, sans rechargement de page.
L'outil fonctionne mieux en Chrome ou Edge sur un ordinateur de bureau, où WebGPU est disponible. Dans les navigateurs sans WebGPU, la voix est générée sur le processeur (WASM) : elle fonctionne toujours, mais sensiblement plus lentement, notamment pour les textes longs.
La première exécution prend plus de temps : les poids sont téléchargés et la voix est réchauffée pour que le tout premier résultat sonne déjà proprement. Les courses ultérieures sont beaucoup plus rapides.
Oui. Le modèle et ses poids sont chargés dans le navigateur et le calcul s'exécute sur votre appareil. Le texte, l’enregistrement du microphone et l’audio résultant ne sont jamais téléchargés – l’outil n’a aucun API payant.
Rien. Aucun token n'est facturé : c'est un outil gratuit qui calcule sur votre ordinateur.
Oui. Le champ de saisie peut contenir jusqu'à 20 000 caractères et le texte long est exprimé en parties consécutives afin que rien ne soit perdu.
Téléchargez un fichier audio avec un échantillon vocal ou enregistrez 15 à 30 secondes à partir du microphone. L'outil analyse l'échantillon et la voix apparaît dans votre liste — vous pouvez exprimer n'importe quel texte avec.
Cela signifie que le navigateur n'a pas pu utiliser la carte graphique (WebGPU) et que le moteur est passé au processeur — plus lent, mais le même résultat. Vous pouvez recharger la page et réessayer : la carte graphique est alors souvent libre.
600+ langues. Vous pouvez choisir la langue manuellement ou laisser la détection automatique activée.