Eleven v3

Eleven v3 est le modèle vers lequel se tourner quand la façon de dire compte autant que les mots. Tous les autres modèles de voix d’ici prennent une consigne de diction dans un champ séparé ou sous forme de préréglage : un prompt de style, un sélecteur d’émotion, un curseur de vitesse. Celui-ci la prend en ligne : écrivez `[whispers]`, `[excited]`, `[sighs]` ou `[laughs]` dans le texte et la balise oriente la phrase devant laquelle elle se trouve. C’est un instrument plus fin qu’une humeur globale, car une même réplique peut basculer deux fois.

En contrepartie, il attend davantage de vous. Un paragraphe plat confié à v3 se lit à peu près comme ailleurs ; le modèle mérite son prix sur un texte que quelqu’un a réellement dirigé. Il parle toutes les langues de ce catalogue, le seul modèle de voix d’ici à le faire, sur vingt-six voix préréglées, et il est le plus cher au caractère hormis Gemini.

Prenez-le pour des bandes-annonces, du jeu de personnage, tout ce qui comporte un basculement. Pour de la narration neutre et longue où le but est la clarté plutôt que l’interprétation, Gemini 3.1 Flash TTS est moins cher par minute d’audio fini et n’a besoin d’aucune direction ; pour du volume, Kokoro 82M coûte cent fois moins. Et s’il vous faut une voix absente de la liste, un clonage ou une des vôtres, MiniMax Speech 2.8 HD et Inworld TTS 2.0 sont les deux qui acceptent un identifiant de voix externe, ce que v3 ne fait pas sur ce chemin.