Podcastle dévoile du texte à la dissection avec plus de 450 voix d'IA

Podcastle, la plateforme populaire pour l'enregistrement et l'édition de podcasts, se lance dans le jeu de la synthèse vocale par IA avec son nouveau modèle, Asyncflow v1.0. Ils ne s'arrêtent pas là — ils déploient également une API pour les développeurs, facilitant l'intégration de cette technologie dans leurs propres applications.

Avec Asyncflow v1.0, Podcastle propose désormais plus de 450 voix IA prêtes à lire votre texte à haute voix. Le point fort ? Ils ont réussi à réduire les coûts d'entraînement et d'inférence, ce qui leur donne un avantage sur la concurrence.

Podcastle se place désormais au même niveau que d'autres startups comme ElevenLabs, Speechify et WellSaid, qui utilisent toutes l'IA pour transformer le texte en paroles. Cette technologie a des applications dans de nombreux domaines, du marketing et de la publicité à la création de contenu, l'enseignement, et même la formation en entreprise.

Arto Yeritsyan, le cerveau derrière Podcastle, a déclaré à TechCrunch qu'ils voulaient se lancer dans la synthèse vocale depuis un moment. Le problème ? C'était trop coûteux et gourmand en données. Mais grâce à des avancées récentes dans les grands modèles de langage, ils ont enfin trouvé la solution l'année dernière. « Nous avons toujours voulu construire un modèle de synthèse vocale solide dès le départ », a déclaré Yeritsyan. « Mais les coûts étaient exorbitants. Avec la dernière technologie, nous avons trouvé un moyen de créer un modèle vocal de premier ordre sans avoir besoin d'une montagne de données. »

Leur levée de fonds de 13,5 millions de dollars en série A l'année dernière a également contribué à financer ce projet.

En ce qui concerne les prix, Podcastle est assez compétitif. Ils facturent environ 40 $ pour 500 minutes de conversion texte-parole, tandis qu'ElevenLabs demande 99 $ pour la même quantité.

La fonctionnalité de clonage vocal de Podcastle bénéficie également d'une amélioration, rendant le processus d'entraînement beaucoup plus rapide. Auparavant, il fallait lire environ 70 phrases pour entraîner le système. Maintenant, il ne faut que quelques secondes de votre voix. Ils utilisent leur Magic Dust AI, lancé l'année dernière, pour améliorer la qualité audio lors de ce nouveau processus.

Lors de notre essai, la voix semblait un peu robotique, mais elle capturait assez bien notre ton. Podcastle affirme qu'ils travaillent à l'améliorer encore. Vous pouvez également entraîner le système avec différents échantillons vocaux pour obtenir des résultats variés.

Podcastle estime que, outre le maintien de coûts bas, le fait d'avoir tout, des outils audio et vidéo aux podcasts et à la narration par IA, en un seul endroit les distinguera de la concurrence. Yeritsyan a mentionné que bien que la plupart des utilisateurs se concentrent sur le contenu audio, la vidéo commence également à gagner du terrain.