Vous n'avez pas envie de cloner votre voix, ou vous n'avez pas de micro. Le logiciel embarque cinquante-neuf voix déjà prêtes : vous en choisissez une, vous tapez votre texte, vous avez votre audio. Rien à enregistrer.
Ce ne sont pas des voix de démonstration bridées. Elles sont libres : vous vous en servez sur une vidéo monétisée sans rien payer.
Les voix viennent de deux modèles différents, et c'est la seule chose qui compte au moment de choisir.
Le premier, Kokoro, en propose une cinquantaine. En français, il y en a exactement une, `ff_siwis`. Et c'est la plus mauvaise du lot : moins de onze heures d'audio pour l'entraîner, et ses propres auteurs la classent en bas de leur tableau.
Donc si vous produisez en français, laissez tomber ce modèle-là. Sur une phrase courte, une voix anglaise peut s'en sortir, à tester au cas par cas. Sur une voix off entière, non.
L'autre modèle, Qwen, propose neuf voix, et il accepte une consigne : vous lui décrivez en une phrase, en français, le ton que vous voulez. C'est celui-là qu'il vous faut.
Une voix prête vous dépanne, et c'est déjà beaucoup quand vous démarrez. Pour que ça sonne comme vous, il faut votre voix, il n'y a pas de raccourci.