ChatTTS vs Altered Studio

ChatTTS est un modèle de synthèse vocale open-source conçu pour le dialogue. L'équipe 2Noise l'a entraîné sur plus de 100 000 heures de speech en chinois et en anglais, afin qu'il sonne de manière naturelle dans les conversations en échange, et pas seulement en narration scriptée.

Ce qui le distingue, c'est le contrôle de la prosodie à un niveau granulaire. Le modèle peut ajouter des rires, des pauses et des interjections, et il gère plusieurs locuteurs lors d'une même session. Cela en fait un outil adapté pour les assistants LLM, l'audio conversationnel et les médias interactifs riches en dialogue.

Les développeurs l'installent via pip ou en clonant le dépôt GitHub. La version open-source sur Hugging Face est un modèle de base de 40 000 heures sous licence AGPLv3+. L'équipe le présente comme étant destiné à la recherche et aux cas d'usage liés au dialogue, avec un contact à [email protected] pour toute question sur la feuille de route.

Altered Studio transforme des discours enregistrés ou en direct en voix sélectionnées ou personnalisées pour la production médiatique et les appels en temps réel. Son moteur de conversion vocale fonctionne dans le navigateur ou localement sur Windows et Mac, avec une application distincte Real-Time Pro pour les jeux, les centres d'appels et la restauration vocale lors des appels vidéo.

La plupart des changeurs de voix sacrifient la qualité au profit de la latence ou inversement. Altered sépare les fonctions : la transformation pour la production médiatique vise une qualité d'enregistrement sur GPU avec des retouches en post-production, tandis que Real-Time Pro utilise de 1 à 4 cœurs CPU pour des voix à faible latence, la traduction d'accents et le support Euphonia pour la dysphonie et les disfluences.

Les podcasteurs, studios de jeux et équipes de centres d'appels l'utilisent pour doubler des scènes multi-personnages, changer d'accent lors d'appels en direct et nettoyer les dialogues bruyants. La page Studio propose la transcription en plus de 75 langues, la traduction et la synthèse vocale en plus de 70 langues de grands fournisseurs dans un seul éditeur.