Synthèse vocale IA
Transformer un texte en voix convaincante ne se résume plus à « sonner humain » : clonage de voix, contrôle des émotions et des dialectes, signaux paralinguistiques comme le rire — c'est là que les modèles se disputent désormais, avec des évaluations vérifiables et des implémentations ouvertes.
La synthèse vocale a nettement accéléré en 2026 : Qwen3-TTS et GLM-TTS ont fait du clonage en trois secondes une fonction open source standard, et inclusionAI, du groupe Ant, vient de publier Ming-3.0-tts, qui contrôle rire et soupirs via des balises dans le texte et bascule entre sichuanais et cantonais. Ce qui départage les modèles : la robustesse de prononciation, la couverture linguistique et le coût d'inférence.
