MODIFICATEUR DE VOIX IA
Modificateur de voix IA qui tourne dans votre navigateur
Deux extraits en entrée, un en sortie. Le premier fournit les mots, le rythme et l'intention ; le second fournit la voix. Le filtre audio d'Audiofilter fait la conversion dans cet onglet — aucun des deux extraits n'est envoyé, et aucun compte n'est requis.
LABORATOIRE AUDIO LOCAL
Changer une voix
Donnez-lui quelque chose à convertir et un échantillon de la voix vers laquelle convertir.Ce qui est dit ici ressort tel quel — seule la voix change.
Un échantillon de la voix cible. Ce qui marche le mieux, c'est une parole propre venant d'une seule personne.
N'utilisez pas cet outil pour vous faire passer pour quelqu'un d'autre, ni à aucune autre fin illicite. Voir les Conditions.
Ce qu'il fait réellement
C'est un convertisseur de timbre, ce qui est plus étroit et plus prévisible que ce que « modificateur de voix » laisse habituellement entendre. Il ne change ni ce qui est dit, ni la façon dont c'est dit. Votre enregistrement garde ses mots, son rythme, ses pauses et ses accents ; ce qui est remplacé, c'est l'identité de la personne qui parle.
Le mécanisme, dans l'ordre où il s'exécute : un encodeur de référence écoute votre échantillon de voix et le distille en 256 nombres — c'est là toute la représentation d'une voix ici. Un encodeur postérieur transforme votre enregistrement en une séquence latente. Un flux normalisant emmène ensuite cette séquence vers un espace neutre vis-à-vis du locuteur puis la ramène, conditionnée cette fois sur ces 256 nombres, et un vocodeur reconstruit une forme d'onde à partir du résultat.
Le flux est la seule partie qui voit le plongement du locuteur, et c'est pour cela que la conversion est aussi propre : l'encodeur et le vocodeur font un travail indépendant du locuteur, et l'échange d'identité se produit à un seul endroit.
Il lui faut de l'audio pour travailler et il ne fera rien de mots tapés. Si vous voulez générer de la parole à partir d'un texte — avec son propre clonage de voix — utilisez plutôt l' outil de synthèse vocale .
Ce que coûte une exécution en local
Des chiffres honnêtes, mesurés sur cette version plutôt qu'estimés :
| Poste | Chiffre | Pourquoi |
|---|---|---|
| Téléchargement à la première visite | Environ 102 Mo, une seule fois | Les poids du convertisseur, en cinq morceaux parce qu'un hébergement statique plafonne les fichiers à 25 Mio. Ensuite ils restent en cache. |
| Vitesse de conversion | Environ 18 s de calcul par seconde d'audio | Trois étages WaveNet en consomment 82 pour cent, et le vocodeur le reste. Il n'y a pas de point chaud unique à supprimer. |
| Durée de l'extrait | Jusqu'à 10 secondes en entrée, 30 secondes de référence | Cinq secondes représentent déjà environ une minute et demie d'attente, et allonger ne fait que l'allonger. La référence ne coûte presque rien — son encodeur prend environ 6 ms. |
| Sortie | 22 050 Hz mono, WAV en virgule flottante 32 bits | 22 050 Hz est la fréquence interne du modèle. De la virgule flottante plutôt que du 16 bits, pour que les passages doux gardent leurs détails. |
Obtenir un résultat qui vaille la peine d'être gardé
- Donnez à la référence cinq à quinze secondes de parole propre. Une seule personne, pas de musique, pas de deuxième voix. Plus long n'est pas mieux — tout finit de toute façon réduit à 256 nombres.
- Enregistrez la référence dans un endroit silencieux. Le convertisseur reproduit la pièce en même temps que la voix : un ventilateur dans l'échantillon devient un ventilateur dans le résultat. Si votre seul échantillon est bruité, passez-le d'abord par le réducteur de bruit .
- Donnez-lui de la parole, pas du chant. Les hauteurs tenues et le vibrato sortent de ce pour quoi ce modèle a été construit.
- Gardez aussi la source propre. Le bruit de fond de la source survit à la conversion ; ce n'est pas un outil de nettoyage.
- Essayez plus d'une référence. Certaines voix se transfèrent mieux que d'autres, et tester deux références va plus vite que de s'acharner sur une seule.
Là où cela ne marchera pas
- Tout ce qui est long. Dix secondes par passage, et l'attente croît linéairement avec la durée — dix secondes font déjà près de trois minutes. Pour une voix off, ce n'est pas adapté.
- Le temps réel. À dix-huit secondes de travail par seconde d'audio, la conversion en direct n'est pas envisageable dans un onglet de navigateur.
- Le chant et la musique. Parole uniquement.
- Changer ce qui a été dit. Ici on ne monte rien, on ne fait que revoixer.
- Les appareils peu dotés en mémoire. Le modèle a besoin d'environ 200 Mo de mémoire de travail pendant son chargement. Un téléphone modeste n'a pas forcément cette marge.
L'outil convertira vers la référence que vous lui donnerez, et c'est précisément pour cela que ce choix vous revient et que vous en répondez. Cloner la voix d'une personne réelle sans son accord peut porter atteinte au droit à l'image, et plusieurs juridictions disposent désormais de lois spécifiques sur la ressemblance vocale — le droit d'auteur n'est pas la seule question en jeu. Utilisez votre propre voix, ou une voix pour laquelle vous avez l'autorisation. Rien n'est envoyé ici, ce n'est donc pas nous qui vous surveillons ; c'est un rappel que la responsabilité appartient à celui qui appuie sur le bouton.
Pas pour un usage illicite. Faire passer une voix convertie pour celle d'une autre personne, tromper quelqu'un ou un système d'authentification vocale, le harcèlement, la diffamation — rien de tout cela n'est un usage pour lequel cet outil est proposé, et rien de tout cela ne cesse d'être illicite parce que la conversion s'est faite sur votre propre machine. Ce que la loi autorise varie d'un pays à l'autre, et rester dans le cadre de la loi qui s'applique là où vous êtes relève de votre responsabilité. Votre utilisation de ce site est régie par les Conditions.
Le reste de la panoplie de filtres audio d'Audiofilter
- Suppresseur de voix IA — sépare une chanson en un a cappella isolé et un instrumental prêt pour le karaoké.
- Réducteur de bruit IA — retirer le ronflement du ventilateur, la climatisation et le souffle du micro derrière la parole.
- Synthèse vocale IA — 19 voix, plus le clonage à partir d'un court échantillon.
- Convertisseur audio et compresseur MP3 — convertir d'un format à l'autre, ou réduire un MP3.
QUESTIONS & RÉPONSES
Questions fréquentes
Comment fonctionne ce modificateur de voix IA ?
C'est un convertisseur de timbre. Votre enregistrement fournit les mots, le rythme et l'intention ; l'extrait de référence fournit l'identité vocale. Un encodeur de référence transforme l'échantillon en un plongement de locuteur de 256 nombres, et un flux normalisant reconditionne votre audio sur ce plongement avant qu'un vocodeur ne reconstruise la forme d'onde.
Dois-je taper quelque chose, comme dans un outil de synthèse vocale ?
Non, et il ne fonctionnera pas à partir d'un texte. Il convertit de l'audio que vous avez déjà. Si vous voulez de la parole à partir de mots tapés, utilisez l'outil de synthèse vocale, qui a son propre clonage de voix.
Mon audio est-il envoyé quelque part ?
Non. Le modèle est téléchargé une fois dans votre navigateur et la conversion s'y déroule. Ouvrez le panneau réseau avant de convertir : chaque requête est un téléchargement du modèle depuis ce site, et rien n'emporte votre audio dans l'autre sens.
Combien de temps prend une conversion ?
Environ 18 secondes de calcul par seconde d'audio, donc un extrait de cinq secondes prend environ une minute et demie. C'est mesuré, pas estimé — le travail tourne sur votre propre processeur plutôt que sur un serveur, et ce modèle est lourd.
Quelle durée peut faire l'extrait que je convertis ?
Jusqu'à 10 secondes, et un extrait court est le choix confortable. Cela découle directement du chiffre ci-dessus : cinq secondes représentent environ une minute et demie d'attente, et dix secondes à peu près trois minutes. La limite se situe là où la patience s'arrête ; ce n'est pas une offre payante.
Quelle doit être la durée de l'extrait de référence ?
Cinq à quinze secondes de parole propre venant d'une seule personne suffisent largement. Plus long n'aide pas : l'encodeur de référence coûte environ 6 millisecondes quoi qu'il arrive, et il distille de toute façon l'extrait entier en 256 nombres.
Pourquoi le résultat sonne-t-il comme ma pièce ?
Parce qu'un échantillon de voix emporte la pièce avec lui. Le convertisseur reproduit ce qu'il entend dans la référence, y compris la réverbération, le souffle et le caractère du micro. Enregistrez la référence dans un endroit silencieux, ou nettoyez-la d'abord avec le réducteur de bruit.
Quelle fréquence d'échantillonnage le résultat utilise-t-il ?
22 050 Hz mono, c'est-à-dire la fréquence à laquelle le modèle travaille en interne. Il est téléchargé en WAV virgule flottante 32 bits pour que les passages doux gardent leurs détails.
Puis-je cloner la voix de n'importe qui avec ça ?
Techniquement il convertira vers la référence que vous lui donnerez, et c'est exactement pour cela que ce choix compte. Cloner une personne réelle sans son accord peut porter atteinte au droit à l'image et, dans plusieurs juridictions, à des lois spécifiques sur la ressemblance vocale — le droit d'auteur n'est pas la seule question. Utilisez votre propre voix, ou une voix pour laquelle vous avez l'autorisation.
Quelle est la taille du téléchargement, et se répète-t-il ?
Environ 102 Mo, une seule fois. Le navigateur le met en cache, les visites suivantes commencent donc à convertir tout de suite. Il arrive en cinq morceaux parce qu'un hébergement statique plafonne les fichiers individuels à 25 Mio.
Vous voulez nettoyer un enregistrement plutôt que le revoixer ?
Ouvrir le réducteur de bruit → Ouvrir la synthèse vocale →