Donnez une voix à tout texte. Entendez ce qui a été dit.

Exemples

Faits sur cet ordinateur avec le studio tel qu’il est livré, chaque prise vérifiée à l’oreille et exportée telle que le studio l’a enregistrée. Tous les moteurs lisent le même texte.

Les voix de personnes connues sont de la synthèse : un clone fait à partir d’un court échantillon du pack de voix du studio, pas un enregistrement de ces personnes. Les poèmes sont dans le domaine public.

Accent tonique, nombres et homographes en russe

Supertonic 3 et Qwen3-TTS placent l’accent russe au hasard. Le studio le marque avant que le moteur ne lise : RUAccent choisit замо́к ou за́мок, му́ки ou муки́ selon la phrase, et les nombres, dates et unités sont écrits en toutes lettres à leur cas.

Moteurs

Mesuré sur une RTX 4090 sous Windows 11 avec Speech Studio 0.2.0 tel qu’il s’installe : le même texte russe de 17 secondes, la deuxième exécution de chaque moteur, son modèle déjà chargé. Le premier son est le délai avant que l’audio commence dans la fenêtre ; la mémoire vidéo est le pic pendant la lecture.

Reconnaissance

Mesuré sur le même ordinateur avec Speech Studio 0.2.1 (Whisper 0.2.4) tel qu’il s’installe : un enregistrement russe de 5 minutes d’une seule voix transcrit dans Listening sans séparer les locuteurs, chargement du modèle compris. × indique combien de fois plus vite que la durée de l’enregistrement ; la mémoire vidéo est le pic pendant la tâche, et le modèle la libère à la fin.

Live : de votre phrase à la voix de l’agent

Chaque étape d’un tour de conversation, mesurée sur le même ordinateur. L’étape la plus longue est la réflexion de l’agent lui-même, qui dépend de l’agent et de son modèle.

Ce qu’il fait

Cinq moteurs locaux, clonage à partir d’un court échantillon

Higgs Audio v3, Fish Audio Drama 3, Supertonic 3, Qwen3-TTS et Qwen3-TTS avec l’accent russe tournent sur votre carte.

Un russe qui sonne juste

Les nombres au bon cas et au bon genre, les dates, heures, sommes et unités sont écrits en toutes lettres avant que le moteur ne lise.

Chaque prise vérifiée à l’oreille

Chaque prise est reconnue en retour et comparée au texte mot par mot, avec des contrôles de saturation, de silence, de coupure, de clic, de phrase répétée et de bruit au lieu de la parole.

Dialogues et podcasts

Les lignes «Anna :» et «[Anna]» deviennent des personnages avec leurs voix, le réalisateur écrit un podcast sur un sujet pour plusieurs voix et la timeline montre chaque chevauchement.

Reconnaissance vocale avec qui parle

Un enregistrement, une vidéo ou un lien devient une transcription avec qui a dit quoi et quand : Parakeet-TDT, Nemotron 3.5 ou Whisper, jusqu’à huit locuteurs, lecteur karaoké, montage par le texte et export en SRT, VTT, ASS, TXT ou JSON.

Pour les agents IA

Tant que le studio est ouvert, un agent comme Claude Code ou Cursor fait par MCP tout ce que fait la fenêtre : donne une voix à un texte dans un fichier, modifie les projets, distribue les voix, transcrit et vérifie les enregistrements.

Captures d’écran

Le studio lui-même, dans votre langue.

Pour commencer

1. 1InstallerLancez l’installateur ou décompressez la version portable où vous voulez.
2. 2Télécharger les modèlesLe panneau du premier lancement récupère modèles, moteurs et bibliothèques une fois.
3. 3Coller un texteOu ouvrir un livre, des sous-titres ou un script de podcast.
4. 4Le doublerChaque bloc est dit et vérifié ; exportez quand ça sonne juste.

FAQ

claude mcp add --transport http speech-studio http://127.0.0.1:8797/mcp

React UI ─┐
          ├─ Speech Studio.exe   (Tauri window + Rust/axum speech-server)
Rust axum ┘        │
                   ├─ Higgs Audio v3, Drama 3, Qwen3-TTS   (C++/CUDA, GGUF)
                   ├─ Parakeet, Nemotron 3.5   (transcribe.cpp, GGUF)
                   └─ Supertonic, RUAccent   (ONNX Runtime)

Qui l’a fait

Nerual Dreming — artiste, fondateur d’ArtGeneration.me et de la communauté Neuro-Cartel, auteur de Dub Studio et des studios YuE2, MiniMax Music3 et ACE-Step.