ChatTTS vs Memix

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.

Memix transforme vos enregistrements vocaux en la voix d’un rappeur, chanteur ou personnalité publique célèbre. Vous vous inscrivez, choisissez l’un des 40 modèles de voix IA, téléchargez un acapella ou chantez directement dans l’application, puis téléchargez l’audio transformé. Le site s’adresse aux créateurs occasionnels qui souhaitent réaliser des reprises ou des clips humoristiques plutôt que des flux de travail de production vocale professionnelle.

La plupart des outils de voix IA se concentrent sur la synthèse vocale à partir de texte ou sur le clonage vocal générique. Memix propose une bibliothèque fixe de voix de célébrités dès le départ, ce qui vous permet de sauter l’étape d’entraînement. Le catalogue de voix couvre des artistes de hip-hop, des chanteurs pop et une poignée de personnalités politiques, ce qui le rend plus rapide pour du contenu court que la création d’un modèle personnalisé à partir de zéro.

Les créateurs TikTok qui réalisent des reprises en IA, les amis qui montent des clips parodiques et les musiciens amateurs qui expérimentent différents styles vocaux constituent le public principal. Le produit est développé à Rio de Janeiro et fonctionne sous forme d’application web avec authentification Firebase.