Gradium lance Voice Design : une voix synthétique inédite générée en quelques secondes à partir d'un prompt
Gradium, société parisienne issue du laboratoire de recherche Kyutai, a lancé Voice Design, un outil capable de générer une voix synthétique entièrement nouvelle à partir d'une simple description textuelle, sans enregistrement de référence ni locuteur réel. Une requête produit jusqu'à cinq voix candidates en trois à cinq secondes, disponibles gratuitement sur toutes les formules de l'API Gradium et de l'interface Studio, y compris l'offre gratuite. La description, limitée à 500 caractères en anglais, français, espagnol, portugais ou allemand, peut préciser le genre, l'âge, l'accent, le débit, le timbre ou l'usage prévu de la voix. Lors d'un test d'écoute à l'aveugle mené sur cinq langues et 7627 comparaisons face à ElevenLabs, Inworld, Fish Audio et MiniMax, Gradium revendique un taux de victoire de 72,6%, contre 59% pour son plus proche rival, avec des écarts particulièrement marqués sur des accents régionaux comme le français québécois (97%) ou l'allemand bavarois (85%).
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Cette approche répond à une frustration bien connue des équipes qui développent des agents vocaux: un catalogue, même riche de 400 voix, ne couvre jamais tous les profils demandés, qu'il s'agisse d'une réceptionniste québécoise ou d'un narrateur sexagénaire à l'autorité affirmée. Jusqu'ici, combler ce manque passait par le clonage vocal, une solution qui exige de trouver un locuteur, d'obtenir son consentement et de négocier une licence pour chaque nouvelle voix. En générant des voix entièrement synthétiques, Gradium supprime ces contraintes de droits et de sourcing, tout en gardant une voix retenue directement exploitable: elle fonctionne sur le même flux de synthèse vocale en streaming, avec la même latence et les mêmes formats que n'importe quelle voix de catalogue. Pour les éditeurs d'assistants vocaux, de centres d'appels ou de doublage, cela ouvre la possibilité de représenter des accents et des profils variés sans les délais ni les coûts d'un casting traditionnel.
Gradium a été fondée par d'anciens membres de Kyutai, laboratoire de recherche français spécialisé dans l'intelligence artificielle audio, et s'installe sur un marché de la synthèse vocale déjà disputé par ElevenLabs, Inworld, Fish Audio et MiniMax, qui proposent des fonctions comparables de génération de voix par description. L'entreprise revendique aussi 83,4% d'adhérence aux instructions sur le benchmark académique InstructTTSEval, mais l'ensemble de ces chiffres, y compris ceux du comparatif, provient de mesures réalisées par Gradium elle-même, sans vérification indépendante. Le système repose par ailleurs sur un tirage volontairement non déterministe: la description est d'abord enrichie automatiquement par le modèle, si bien qu'une même invite peut produire une voix différente à chaque génération. Reste à savoir comment cette capacité à créer des voix crédibles à moindre coût pèsera sur les débats en cours autour de la protection des voix professionnelles et de la régulation des contenus générés par intelligence artificielle.
Gradium, entreprise parisienne issue de Kyutai, propose un outil directement exploitable par les développeurs français et européens d'agents vocaux, sans les contraintes de droits liées au clonage de voix.