ElevenLabs fait jouer la voix comme une partition d'acteur
— AUDIOVISUEL
Eleven v4 lit les didascalies autant que le texte : un rire, un murmure, une porte qui claque deviennent des instructions directes pour la synthèse vocale. La rapidité de la version Turbo ouvre la voie aux agents vocaux en direct, mais les voix clonées avant ce modèle doivent être reprises pour suivre.
Un script pour ElevenLabs ne se limite plus à des mots à lire à voix haute. Des balises glissées dans le texte, comme un murmure ou un éclat de rire, deviennent des indications de jeu que le modèle Eleven v4 restitue directement dans l'intonation. Pour un monteur son habitué à round-tripper des dizaines de prises de voix off, cela ressemble moins à un outil de synthèse qu'à une direction d'acteur écrite au clavier.
Le vrai terrain d'usage se joue sur les formats longs. Un livre audio, un doublage de série, une série de podcasts narratifs exigent une identité vocale stable sur des heures, avec les mêmes intentions d'un chapitre à l'autre. Eleven v4 promet justement cette continuité, y compris quand une réplique doit être régénérée dix fois pour trouver le bon souffle. Le monteur son gagne un aller-retour en moins avec le comédien ou le client, tant que le rendu tient sur la durée complète d'un projet.
La version Turbo change la cible : elle vise les agents vocaux et les conversations en direct, avec une latence annoncée autour d'un dixième de seconde avant que la voix commence à parler. C'est l'écart entre une réponse qui sonne naturelle et un silence gênant au téléphone. Pour qui conçoit des voix d'assistants ou des standups vocaux automatisés, ce chiffre pèse plus lourd que n'importe quelle démonstration d'expressivité.
La contrainte arrive avec la bibliothèque existante. Les voix clonées créées avant cette version doivent être réentraînées pour fonctionner correctement avec la nouvelle architecture. Pour un studio qui a construit une identité de marque sur une voix maison depuis plusieurs années, cette étape s'ajoute au budget et au planning, sans garantie que le grain d'origine survive intact au passage.
Ce déplacement technique acte une évolution du métier de la voix synthétique : elle sort de la simple lecture pour entrer dans l'interprétation dirigée, avec toutes les reprises et tous les réglages qu'une vraie direction d'acteur suppose. Le studio qui adopte v4 gagne en nuance ce qu'il perd en simplicité de maintenance, et c'est ce compromis qu'il faut chiffrer avant de migrer un catalogue de voix entier.