Les 5 meilleurs générateurs de voix par IA

La référence de la synthèse vocale reste ElevenLabs, qui a lancé son modèle Eleven v4 le 28 septembre 2026. Ce modèle parle plus de 90 langues et puise dans une bibliothèque qui dépasse 17 500 voix, selon l’éditeur. Vous dirigez la lecture avec des balises insérées dans le texte, comme [laughs] pour un rire ou [whispers] pour un chuchotement. Le modèle enchaîne plusieurs balises à la suite et adapte le ton au sens du passage. Lors de notre test, la recherche « french » n’a pourtant remonté que quelques voix. Il a donc fallu filtrer par langue et par style « Conversational » pour trouver de bonnes voix françaises. Les sigles français sont épelés lettre par lettre, et seule une écriture phonétique corrige leur prononciation. La version gratuite donne 10 000 crédits par mois, soit une dizaine de minutes, sans usage commercial. L’offre Starter coûte 6 $ par mois et autorise cet usage, tandis que Creator passe à 22 $, avec le premier mois à moitié prix.

Chez Google, le nouveau modèle vocal de Gemini crée une voix à partir d’une simple description écrite. L’éditeur a dévoilé ce modèle le 23 septembre 2026 sous le nom de Gemini 3.8 Flash TTS, et il l’accompagne d’une variante plus légère et moins chère. Vous décrivez le rôle, l’accent et le caractère de la voix, puis vous indiquez le ton de chaque réplique. Un même texte peut faire dialoguer deux voix. Selon Google, il propose plus de 2 000 voix prêtes à l’emploi dans plus de 100 langues et variantes, dont le français du Québec. La documentation de l’API présente une sélection de 30 voix de base. Vous l’essayez gratuitement dans Google AI Studio, dont l’interface est en anglais. L’API coûte 9 $ par million de jetons audio jusqu’au 31 décembre 2026, et 18 $ dès janvier 2027. Chaque son porte le filigrane SynthID, qui permet d’identifier un contenu généré.

Les formateurs et les équipes marketing apprécient Murf AI pour sa prise en main immédiate. Vous collez le texte, choisissez une voix, puis ajustez la vitesse, la hauteur ou l’accent d’un mot précis. Une pause se place au milieu d’une phrase, et un éditeur de prononciation fixe la lecture d’un nom propre ou d’un sigle. L’éditeur annonce plus de 200 voix dans 35 langues, dont le français. La version gratuite offre 10 minutes de génération au total, sans renouvellement mensuel, ce qui suffit juste pour tester. L’offre Creator coûte 19 $ par mois en facturation annuelle, et plusieurs sites relèvent 29 $ en paiement mensuel. Business passe à 66 $ par mois en annuel. Le clonage de voix reste réservé à l’offre Entreprise, et l’interface n’existe qu’en anglais.

Pour un dialogue entre plusieurs personnages, Typecast attribue une voix différente à chaque réplique. Le service s’adresse aux vidéos pédagogiques, aux podcasts de fiction et aux modules de formation mis en scène. Son modèle ssfm-v30, sorti en janvier 2026, prend en charge plus de 35 langues, dont le français. Une fonction de l’éditeur devine l’émotion à partir du sens du texte. Sept réglages complètent ce choix automatique, comme la joie, la tristesse ou le chuchotement. Des avatars vidéo peuvent accompagner la voix. La version gratuite donne 3 000 crédits une seule fois, soit environ cinq minutes, avec une mention de l’outil obligatoire. L’offre Basic coûte 5 $ par mois avec l’usage commercial, et Pro passe à 29 $ pour les réglages d’émotion avancés.

Pour une vidéo courte, l’éditeur CapCut ajoute une voix off sans quitter le montage. Vous tapez le texte dans la vidéo, choisissez une voix, et l’outil la synchronise avec les images. La vitesse, la hauteur et le volume se règlent à la main, et les sous-titres suivent automatiquement. L’application fonctionne en français sur mobile, sur ordinateur et dans le navigateur. Selon l’éditeur, la synthèse vocale est gratuite et le son produit peut servir à des fins commerciales. Certaines voix demandent toutefois l’abonnement Pro, dont le prix varie selon le pays et la plateforme. Les fonctions avancées du logiciel se paient par ailleurs en crédits. L’outil vise les vidéos de quelques secondes pour TikTok, Instagram ou YouTube Shorts.