Chaque semaine, nous recevons des tickets d’assistance de quelqu’un qui a choisi “Effets vocaux → Robot” quand il voulait vraiment “Clone vocal → Marcus Blake”. La sortie dans les deux cas change votre voix. La façon dont ils le font ne pourrait pas être plus différente, et les modes d’échec le sont aussi.
Les effets vocaux sont du DSP
Les effets — Démon, Hélium, Talkie, Stade, Sous-marin, tous les 20+ présets — s’exécutent via une chaîne classique de traitement du signal audio : courbes EQ, décalage de hauteur, réverbération, bit crushing, ajustement des formants, portes de bruit. La sortie est déterministe : même forme d’onde d’entrée + mêmes paramètres = exactement la même sortie.
- Latence : ~5 ms. Pratiquement instantané.
- Qualité : Sortie polie. Chaque préset est accordé pour sonner propre et utilisable directement de la boîte.
- Portée : Change le son de votre voix, pas l’identité. Les auditeurs peuvent dire que c’est toujours vous, juste modulé.
Les effets sont parfaits quand vous voulez un caractère — “une voix qui sonne comme un démon” ou “une voix qui sonne comme une radio” — sans prétendre être une personne spécifique.
Le clone vocal est un modèle neuronal
Le Clone vocal exécute votre audio via un réseau neuronal en temps réel entraîné sur une voix cible. Le modèle analyse le contenu phonétique de ce que vous dites et le resynthétise dans le timbre de la voix cible.
- Latence : ~500 ms (configurable jusqu’à 250 ms avec des compromis de qualité).
- Qualité : Les bonnes voix réussissent les tests “est-ce une vraie personne?” sur les clips courts ; l’écoute plus attentive révèle les signes d’IA.
- Portée : Change l’identité de la voix. Une autre personne parle vos paroles avec votre cadence et votre emphasis.
Le Clone vocal est ce que vous voulez quand vous devez être quelqu’un d’autre — une voix de narrateur pour une persona de streaming, une voix de PNJ pour une session TTRPG, une voix de personnage pour un projet de voix hors champ.
L’arbre de décision
Choisissez les effets vocaux quand :
- Vous voulez un son de caractère, pas une identité de caractère.
- Vous avez besoin d’une sortie sans latence (appels multijoueurs compétitifs, performance musicale).
- Vous voulez que l’audience sache que c’est toujours vous.
Choisissez le clone vocal quand :
- Vous voulez sonner comme une personne différente et spécifique.
- Un aller-retour de 500 ms est acceptable (appels Discord, travail VO, podcasts, streams).
- Vous voulez que l’audience suspende son incrédulité.
L’erreur que presque tout le monde fait
Ils choisissent “Effets vocaux → Démon” pour leur stream gaming, s’attendant à ce que cela sonne comme un antagoniste intimidant. Cela sort en sonnant comme un mème bon marché de Garry’s Mod, parce que Démon est un décalage de hauteur plus une réverbération, pas un vrai modèle de voix démoniaque.
Ce qu’ils voulaient vraiment était “Clone vocal → Theo Strand” (bas, râpeux, voix de type personnage) pour la voix principale du stream, avec “Effets vocaux → Démon” comme un bit déclenché par touche de raccourci lors de moments spécifiques.
Les moteurs s’empilent. Vous pouvez exécuter Clone vocal comme votre voix de base, puis déclencher des effets par-dessus pour des moments uniques. C’est la configuration que la plupart des streamers que nous avons vus converger après une semaine de jeu avec.