Clonage de voix, synthèse vocale, transcription, doublage de vidéos, séparation des locuteurs, suppression du bruit ou encore isolation de la voix et de la musique : VODER rassemble dans un même projet open source une impressionnante collection d’outils consacrés au traitement de la voix et de l’audio.
Son principal argument est particulièrement intéressant à l’heure où la plupart des services d’IA vocale fonctionnent dans le cloud : VODER peut fonctionner directement sur votre propre ordinateur, sans abonnement et sans avoir à envoyer systématiquement vos fichiers audio vers un service distant.
Bien plus qu’un simple outil Text-to-Speech
Présenté par son développeur comme un moteur de traitement vocal local, VODER — pour Voice Operation and Design Engine with Reproduction capabilities — ne se contente pas de transformer du texte en parole.
Le projet réunit actuellement huit grands modes de traitement audio dans une même boîte à outils :
- Text-to-Speech (TTS) : générer une voix à partir d’un texte ;
- Speech-to-Text (STT) : retranscrire un fichier audio ou vidéo en texte ;
- Voice Conversion : transformer une voix en une autre ;
- Voice Cloning : reproduire les caractéristiques d’une voix à partir d’un enregistrement de référence ;
- Speech Enhancement : réduire le bruit, l’écho et améliorer un enregistrement ;
- Vocal Separation : séparer la voix de la musique ;
- Speaker Separation : distinguer et extraire plusieurs intervenants d’un même enregistrement ;
- Génération et traitement audio : musique, effets sonores et différentes opérations de transformation.
Cloner et concevoir des voix
L’une des fonctions les plus intéressantes de VODER concerne la création et le clonage vocal. Il est possible de fournir un extrait audio servant de référence afin de générer une voix similaire, mais aussi de décrire le type de voix recherché.
VODER peut également gérer des dialogues avec plusieurs personnages. Chaque intervenant peut disposer de sa propre voix, avec différents réglages concernant notamment le timing, le volume ou la durée des répliques.
Cette approche ouvre la porte à de nombreux usages : narration, podcasts, livres audio, vidéos, prototypes de jeux vidéo ou création de dialogues automatisés.
Un véritable système de doublage vidéo
VODER va également beaucoup plus loin que la simple génération vocale grâce à son système de doublage audio et vidéo.
Le logiciel peut analyser la parole d’une vidéo, la retranscrire, la traduire puis générer la nouvelle piste vocale en essayant de conserver l’identité de la voix d’origine et l’alignement temporel des différents segments.
Le projet prend notamment en charge la traduction entre de nombreuses langues grâce à l’intégration de modèles spécialisés. Il peut également préserver la musique de fond et intégrer des sous-titres traduits dans certains workflows.
Transcription et identification des différents locuteurs
Pour la reconnaissance vocale, VODER s’appuie notamment sur des technologies open source comme Whisper et d’autres moteurs spécialisés.
Il ne se contente pas nécessairement de produire un simple bloc de texte. La diarisation des locuteurs permet d’identifier les différentes personnes qui interviennent dans une conversation et de déterminer qui parle à quel moment.
Une fonctionnalité particulièrement intéressante pour les interviews, réunions, podcasts et vidéos comportant plusieurs intervenants.
Nettoyer un enregistrement et séparer la voix de la musique
VODER intègre également plusieurs outils de traitement audio généralement répartis entre différents logiciels.
Le moteur peut notamment réduire le bruit et l’écho, restaurer certains enregistrements dégradés et améliorer leur qualité. Il dispose également d’un système capable d’isoler les voix d’un morceau afin de récupérer séparément les parties vocales et instrumentales.
Cette séparation peut ensuite être utilisée comme étape intermédiaire dans d’autres opérations, par exemple pour préparer un échantillon destiné au clonage vocal.
Plusieurs modèles d’IA réunis derrière une seule interface
L’un des aspects les plus intéressants du projet réside dans son architecture. VODER n’essaie pas de réinventer chaque technologie : il agit plutôt comme une plateforme réunissant différents modèles open source spécialisés.
Son dépôt mentionne notamment des technologies telles que Whisper, Qwen3-TTS, Fish Audio S2-Pro, Seed-VC, pyannote, BS-RoFormer, AudioSR ou encore TranslateGemma, selon les tâches effectuées.
L’utilisateur dispose ainsi d’un environnement commun pour enchaîner plusieurs traitements qui nécessiteraient autrement différents outils.
Tout peut fonctionner sur votre propre machine
C’est probablement ce qui distingue le plus VODER des plateformes commerciales telles qu’ElevenLabs : le traitement peut être effectué localement.
Selon la documentation du projet, VODER fonctionne avec ou sans GPU. Une carte graphique compatible reste toutefois fortement recommandée pour certaines opérations lourdes et permet naturellement d’obtenir de bien meilleures performances.
Le fonctionnement local présente plusieurs avantages :
- pas d’abonnement mensuel imposé par VODER ;
- pas de facturation à la minute pour utiliser le logiciel lui-même ;
- davantage de contrôle sur les fichiers traités ;
- possibilité de travailler hors ligne pour les fonctionnalités dont les modèles et dépendances sont déjà installés ;
- possibilité de modifier et d’étendre le projet grâce à son code source.
Il faut néanmoins garder une nuance importante : « gratuit » ne signifie pas sans coût matériel. Les modèles d’IA peuvent demander beaucoup de mémoire, d’espace disque et de puissance de calcul, en particulier pour les fonctions les plus avancées.
Une boîte à outils qui intéressera particulièrement les créateurs
VODER pourrait devenir particulièrement intéressant pour les créateurs qui souhaitent construire leur propre chaîne de production audio sans dépendre de plusieurs plateformes cloud.
Un vidéaste peut par exemple imaginer un workflow dans lequel VODER retranscrit une vidéo, distingue les différents intervenants, traduit les dialogues, génère de nouvelles voix puis reconstitue une version doublée.
Pour un créateur de livres audio, les fonctions de synthèse et de clonage vocal permettent d’explorer différents narrateurs et personnages. Les podcasteurs peuvent quant à eux profiter des outils de transcription, de séparation des intervenants et de nettoyage sonore.
Un projet puissant, mais encore destiné aux utilisateurs à l’aise techniquement
VODER reste toutefois un projet open source en développement et ne doit pas être présenté comme un remplacement parfait et clé en main d’un service commercial.
L’installation passe actuellement par Python et plusieurs dépendances, et certaines fonctions peuvent nécessiter des modèles volumineux ainsi qu’une machine relativement puissante. L’expérience utilisateur dépendra donc fortement du matériel et de la fonctionnalité utilisée.
Les plateformes commerciales conservent également l’avantage de la simplicité : elles fournissent l’infrastructure de calcul et permettent généralement de commencer en quelques clics.
VODER adopte la philosophie inverse : davantage de liberté et de contrôle, en échange d’une installation et d’une gestion plus techniques.
Attention aux droits liés au clonage vocal
La possibilité de reproduire une voix soulève évidemment des questions juridiques et éthiques. Le fait qu’un outil soit open source et fonctionne localement ne signifie pas que toutes les utilisations d’une voix sont autorisées.
Avant de cloner ou de publier une voix identifiable, il est essentiel de disposer des droits et autorisations nécessaires, notamment lorsqu’il s’agit de la voix d’une autre personne.
Un projet open source particulièrement ambitieux
VODER se distingue finalement moins comme un simple concurrent gratuit d’ElevenLabs que comme une boîte à outils multimédia locale construite autour de plusieurs modèles d’intelligence artificielle.
Text-to-Speech, clonage vocal, conversion de voix, transcription, traduction, doublage, séparation des locuteurs, nettoyage audio et isolation des pistes : réunir toutes ces fonctions dans un seul projet constitue une proposition particulièrement ambitieuse.
Pour les créateurs, développeurs et passionnés d’IA qui disposent du matériel nécessaire et préfèrent conserver leurs traitements sur leur propre machine, VODER est clairement un projet open source à surveiller.
