AssemblyAI lance une voix à 47 millisecondes et relance la guerre des prix vocaux
— AUDIOVISUEL
AssemblyAI, connu pour la transcription, sort une voix de synthèse facturée 15 dollars le million de caractères et promet une réponse quasi instantanée pour les agents téléphoniques. La bataille se joue désormais sur la vitesse et le prix, pas sur la richesse expressive des voix.
Un nouvel acteur débarque sur un marché où ElevenLabs et Cartesia faisaient la loi jusqu'ici. AssemblyAI, spécialiste de la transcription audio utilisé par plus d'un million de développeurs, propose désormais sa propre voix de synthèse, pensée pour les robots qui décrochent le téléphone et doivent répondre sans silence gênant.
Le public visé n'est pas celui des studios de création sonore mais celui des équipes qui construisent des assistants vocaux pour le service client, la prise de rendez-vous ou la réservation. Quinze dollars par million de caractères, sans supplément pour cloner une voix ni pour multiplier les appels simultanés, change le calcul économique de ces produits. Un centre d'appels qui faisait tourner des milliers de conversations par jour voit sa ligne de coût bouger sensiblement, puisque le tarif reste fixe quelle que soit la charge.
Cette guerre des prix et de la vitesse entre fournisseurs de voix synthétique a un effet d'entraînement sur tout le secteur. Quand trois acteurs se disputent la latence la plus basse et le tarif le plus bas, les marges se compriment pour tout le monde, et les voix de synthèse utilisées ailleurs, dans des outils grand public ou des plateformes créatives, finissent par en profiter en coût comme en rapidité.
La prudence s'impose sur un point précis. Le chiffre de 90 millisecondes mis en avant commercialement ne couvre que le début de la parole générée, pas la reconnaissance de ce que dit l'interlocuteur, ni le raisonnement de l'agent, ni la transmission téléphonique complète. Un assistant vocal reste la somme de plusieurs délais, et celui-ci n'en règle qu'un seul maillon, même s'il s'agit du plus visible pour l'utilisateur final.
Ce lancement ne bouleverse aucun métier de la création sonore aujourd'hui, mais il confirme que la voix de synthèse devient un produit d'infrastructure disputé à coups de millisecondes et de centimes. Les tarifs qui se négocient sur ce marché de callbots finiront, un jour ou l'autre, par déterminer ce que coûtera une voix IA dans un logiciel de montage ou un générateur de podcast.