ChatTTS vs TranscriptMate

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.

TranscriptMate transforme les enregistrements audio et vidéo en texte consultable pour les podcasteurs, journalistes, chercheurs et équipes travaillant quotidiennement avec du contenu parlé. Téléchargez un fichier ou collez un lien YouTube, et le service fournit une transcription avec des horodatages et, si souhaité, des étiquettes pour les intervenants. Les 15 premières minutes de chaque fichier sont gratuites, sans nécessiter de compte.

L’espace de travail associe un éditeur de texte synchronisé à un lecteur audio, vous permettant de cliquer sur un mot pour accéder directement à ce moment précis de l’enregistrement. La diarisation des intervenants indique qui a dit quoi, et renommer un intervenant met à jour l’étiquette dans toute la transcription. Les groupes de discussion et les entretiens with plusieurs participants bénéficient du même traitement.

TranscriptMate génère également des formats prêts à être publiés à partir de transcriptions : articles de blog, newsletters, notes d’épisodes pour podcasts, chapitres vidéo, résumés et clips pour réseaux sociaux via des modèles intégrés. Les formats d’exportation incluent DOCX, PDF, TXT, SRT et VTT.

Le service supporte plus de 30 langues, fonctionne sur une infrastructure européenne conforme au RGPD, et cible les professionnels traitant des interviews, conférences de presse, cours et enregistrements clients en volume.