ChatTTS vs Murf AI

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.

Murf AI transforme des textes, documents et scripts en voix réalistes pour vidéos, cours et agents téléphoniques. Murf Studio propose plus de 200 voix dans plus de 35 langues avec des réglages de hauteur, vitesse et prononciation, tandis que l'API Falcon text-to-speech cible les agents vocaux en temps réel avec un temps jusqu'au premier audio inférieur à 100 ms. Murf Dubbing traduit des vidéos en plus de 40 langues tout en préservant le ton.

La plupart des outils de synthèse vocale sonnent de manière monotone ou accusent un retard lors des appels en direct. Murf divise le problème : Gen 2 a obtenu une précision de prononciation de 99,38 % sur des phrases d'actualités multilingues, et Falcon 2 est tarifé à 0,01 $ par minute avec une latence modèle inférieure à 55 ms pour 10 000 appels simultanés. Cette configuration à double modèle coûte plus en complexité qu'un simple sélecteur de voix, mais couvre à la fois les voix off de studio et les agents IVR sur une seule plateforme.

Nestlé, Air France et Vertiv utilisent Murf pour l'audio de formation et le contenu multilingue. Le niveau gratuit Studio inclut 10 minutes de génération vocale sans droits commerciaux, et les forfaits mensuels payants débloquent les téléchargements, les espaces de travail en équipe et la licence commerciale.