Audio & voix par IA
Chaque modèle audio qu’on sert — synthèse vocale, composition musicale, transcription, clonage de voix, isolation vocale, séparation de pistes. D’ElevenLabs et Suno à Cartesia et Deepgram. Prix réels, capacités réelles.
Données en direct de 18 fournisseurs audio — mis à jour quotidiennement
🗣 Voix
Synthèse vocale ultra-rapide en temps réel optimisée pour les applications à faible latence
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Async's latency-optimised streaming model for real-time apps and voice agents: English, Spanish, French, German, Italian and Portuguese, with built-in normalisation of dates, currencies, numbers and abbreviations.
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Async's highest-quality English model for content production and audiobooks, with built-in text normalisation; twice the price of Flash.
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Modèle de synthèse vocale original de Deepgram — 12 voix anglaises à moitié prix d'Aura 2. Rapide et fiable.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Dernier modèle de synthèse vocale de Deepgram — plus de 90 voix naturelles dans 8 langues (EN, FR, DE, ES, IT, NL, JA), latence inférieure à 200 ms. Noms de voix inspirés de la mythologie grecque.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Modèle de synthèse vocale stable de Sarvam pour les langues indiennes et l'anglais. Retourne de l'audio WAV encodé en base64. Qualité constante en production.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Dernier modèle de synthèse vocale de Sarvam — plus de 30 voix dans les langues indiennes et l'anglais. Prosodie naturelle avec intonation culturelle. Actuellement en bêta.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
English TTS with emotion control and zero-shot voice cloning
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Multilingual TTS supporting 23 languages with natural prosody
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Modèle TTS le plus expressif avec balises audio, mode dialogue, émulation d'accent et plus de 70 langues. Idéal pour le contenu long.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voixnouveau
Low-latency v3 tuned for realtime conversation (~280 ms), high-quality expressive delivery with custom audio tags, 70+ languages.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voixnouveau
ElevenLabs' most expressive model (September 2026): tone, pacing and emotion read from the text, speaker identity held across long-form, audio tags, 85 languages, up to 10,000 characters per request.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voixnouveau
Low-latency Eleven v4 for realtime voice (~100 ms median inference), audio tags, 85 languages, up to 10,000 characters per request.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
TTS à latence ultra-faible pour l'IA conversationnelle en temps réel. ~75 ms de latence.
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Synthèse vocale à faible latence de Google avec prosodie naturelle et style contrôlable. Prend en charge 24 langues.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Synthèse vocale premium avec expressivité améliorée, tonalité plus riche et rythme précis. Idéal pour une sortie de haute qualité.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Latest price-performant, low-latency controllable speech generation. 30 voices, 24 languages.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voixnouveau
High-throughput, low-latency conversational speech generation. 30 curated voices, 24 languages.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voixnouveau
Studio-grade speech generation with expressive acting and long-form stability. 30 prebuilt voices, 24 languages.
textaudio
🗣 VoixEssayer sur Zubnet →
🗣 Voix
xAI's expressive text-to-speech — 26 multilingual voices with inline speech tags for tone, pauses, whispers and laughter. 20+ languages with auto-detection.
🗣 VoixEssayer sur Zubnet →
📝 Transcription
Arabic-first speech-to-text with dialect-aware recognition and broad multilingual coverage.
$0.000292/track
audiotext
📝 TranscriptionEssayer sur Zubnet →
🗣 Voix
Arabic-first text-to-speech, low-latency tier, with 50 voices spanning Arabic dialects and 20+ languages.
textaudio
🗣 VoixEssayer sur Zubnet →
🔊 Effets sonores
Generate sound effects for longer videos (SFX 1.6), up to 60 seconds of audio from a video URL.
$0.1750/track
videoaudio
🔊 Effets sonoresEssayer sur Zubnet →
🎵 Musique
Google DeepMind's latest music generation — 30-second compositions from text prompts with SynthID watermarking.
$0.0700/track
textaudio
🎵 MusiqueEssayer sur Zubnet →
🎵 Musique
Full-song generation from Google DeepMind's Lyria 3 — complete compositions from text prompts with SynthID watermarking.
$0.1400/track
textaudio
🎵 MusiqueEssayer sur Zubnet →
🎵 Musique
Google DeepMind's Lyria 3.5 — full-length songs with verses, choruses and bridges, vocals and timed lyrics, 44.1 kHz stereo, SynthID watermarking.
$0.1400/track
textaudio
🎵 MusiqueEssayer sur Zubnet →
🗣 Voix
Synthèse vocale la plus avancée avec conscience émotionnelle et expression riche dans 29 langues
🗣 VoixEssayer sur Zubnet →
🗣 Voix
$0.000053/track
🗣 VoixEssayer sur Zubnet →
🎵 Musiquenouveau
ElevenLabs' value-tier music generation: songs up to 10 minutes from a prompt, instrumental on request. Billed per generated minute upstream.
$0.0044/track
textaudio
🎵 MusiqueEssayer sur Zubnet →
🎵 Musiquenouveau
ElevenLabs' studio-grade music generation: songs up to 10 minutes from a prompt, instrumental on request. Billed per generated minute upstream.
$0.0044/track
textaudio
🎵 MusiqueEssayer sur Zubnet →
🗣 Voix
Rime's flagship voice model, 269 voices across 9 languages with rich emotional range.
textaudiotts
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Stylized voices in 4 categories (Professional / Formal / Casual / Energetic). 184 voices, 8 languages.
textaudiotts
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Original Mist model, 117 English voices, fast.
textaudiotts
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Mist generation 2, 141 voices across 4 languages.
textaudiotts
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Latest Mist generation, 83 voices, 4 languages. Improved expressiveness.
textaudiotts
🗣 VoixEssayer sur Zubnet →
📝 Transcription
Reconnaissance vocale par lots avec horodatage au mot et détection de langue dans 99 langues.
$0.000170/track
audiotext
📝 TranscriptionEssayer sur Zubnet →
📝 Transcriptionnouveau
Batch state-of-the-art speech recognition: 98%+ accuracy, keyterm prompting, 90+ languages.
$0.000107/track
audiotext
📝 TranscriptionEssayer sur Zubnet →
📝 Transcriptionnouveau
Speech recognition fine-tuned for clinical audio: 35% fewer clinical errors than Scribe v2.
$0.000107/track
audiotext
📝 TranscriptionEssayer sur Zubnet →
📝 Transcription
Reconnaissance vocale en temps réel à latence ultra-faible (<150 ms). 93,5 % de précision dans plus de 90 langues. Streaming WebSocket avec DAV.
$0.000190/track
audiotext
📝 TranscriptionEssayer sur Zubnet →
🗣 Voix
Speechify's streaming-native multilingual model: English plus German, Spanish (Spain and Mexico), French, Italian and Brazilian Portuguese, and it accepts every Speechify voice whatever its locale.
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Speechify's recommended streaming-native English model: lowest time-to-first-byte in the Simba family, fine-grained emotional control and SSML prosody. English voices only.
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Cartesia's most natural streaming text-to-speech (2026-08-27): pacing and intonation from context, 60+ emotions, speed and volume controls, 44 languages including Odia and Urdu, sub-100 ms first audio.
🗣 VoixEssayer sur Zubnet →
🔊 Effets sonoresnouveau
Sound effects from a text description: automatic length or a set length up to 22 seconds, with adjustable prompt influence.
$0.0875/track
textaudio
🔊 Effets sonoresEssayer sur Zubnet →
🗣 Voix
Axé sur le rythme, la stabilité et la réplication vocale de haute qualité
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Capacités multilingues améliorées à vitesse turbo
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Dernière variante HD mettant l'accent sur la prosodie et la qualité du clonage vocal
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Performance turbo avec prise en charge de 40 langues et faible latence
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Current HD voice model. Highest fidelity prosody and voice cloning.
🗣 VoixEssayer sur Zubnet →
🗣 Voix
Current Turbo voice model. Low latency, broad language coverage.
🗣 VoixEssayer sur Zubnet →
📝 Transcription
$0.000364/track
📝 TranscriptionEssayer sur Zubnet →
📝 Transcription
$0.000117/track
📝 TranscriptionEssayer sur Zubnet →
📝 Transcription
$0.000219/track
📝 TranscriptionEssayer sur Zubnet →
🎵 Musique
Générez musique et effets sonores jusqu'à 3 minutes à partir de prompts textuels. Produit des compositions structurées avec intros, développements et outros en stéréo 44,1 kHz.
$0.3500/track
🎵 MusiqueEssayer sur Zubnet →
🎵 Musique
Génération musicale et sonore de qualité entreprise. Compositions structurées avec intros, développements et outros en stéréo 44,1 kHz. Inférence en 8 étapes pour une génération rapide.
$0.3500/track
🎵 MusiqueEssayer sur Zubnet →
🎚 Séparation
Séparez l'audio en pistes individuelles (voix, batterie, basse, etc.). Modes 2 ou 6 pistes.
$0.0029/track
audioaudio
🎚 SéparationEssayer sur Zubnet →
🎵 Musique
Meilleure organisation des chansons avec des structures couplet/refrain claires
$0.1050/track
🎵 MusiqueEssayer sur Zubnet →
🎵 Musique
Qualité vocale améliorée et traitement audio affiné pour la génération musicale
$0.1050/track
🎵 MusiqueEssayer sur Zubnet →
🎵 Musique
Excellente compréhension des prompts avec des vitesses de génération plus rapides, pistes jusqu'à 8 minutes
$0.1050/track
🎵 MusiqueEssayer sur Zubnet →
🎵 Musique
Modèle avancé avec variation tonale améliorée et excellente compréhension des prompts
$0.1050/track
🎵 MusiqueEssayer sur Zubnet →
🎵 Musique
Modèle de pointe avec qualité et capacités améliorées pour la génération musicale par IA
$0.1050/track
🎵 MusiqueEssayer sur Zubnet →
🗣 Voix
Génération vocale à faible latence dans 32 langues, optimisée pour l'IA conversationnelle en temps réel
🗣 VoixEssayer sur Zubnet →
🔊 Effets sonores
Generate and edit sound effects from video (SFX 1.6). Provide a video URL and optional text prompt; adds seamless extension, looping ambiences, and AI inpainting to erase/replace moments.
$0.0875/track
videotextaudio
🔊 Effets sonoresEssayer sur Zubnet →
🗣 Voix
Synthèse vocale naturelle avec vitesse, volume et hauteur ajustables.
🗣 VoixEssayer sur Zubnet →