Comment HeyGen a migré d'ElevenLabs vers Fish Audio pour résoudre les problèmes de similarité vocale avec les accents anglais non américains, et a vu les utilisateurs choisir Fish trois contre un dans des comparaisons côte à côte.
Taux de sélection de Fish Audio face aux fournisseurs TTS alternatifs dans les comparaisons utilisateur côte à côte sur HeyGen.
John Wu
Responsable ingénierie audio chez HeyGen
"Fish est un modèle vocal fantastique pour maximiser la similarité vocale sur des voix très uniques."
CEO de Fish Audio
Rissa Cao
"HeyGen est l'endroit où la qualité du clonage vocal compte le plus. Les créateurs de savoir n'ont pas besoin d'une voix qui leur ressemble vaguement : ils ont besoin d'une voix qui sonne comme eux, accent compris. Ce niveau d'exigence, celui qui met à plat la plupart des modèles TTS dès qu'ils quittent l'anglais américain, est exactement celui que nous avons conçu S2 Pro pour dépasser. Voir les utilisateurs de HeyGen choisir Fish trois contre un dans des tests côte à côte est la validation pour laquelle nous avons construit le modèle."
HeyGen est la principale plateforme vidéo AI pour les créateurs axés sur la connaissance : enseignants, créateurs de cours, communicants d’entreprise et créateurs de contenu qui transforment leur expertise en vidéo à grande échelle. La plateforme permet de produire des vidéos AI professionnelles sans studio, sans voix professionnelle et sans semaines de production.
La voix est au centre de chaque vidéo produite par HeyGen. Pour un créateur de savoir dont l’audience connaît déjà la voix, la voix AI doit être sa voix : pas un narrateur générique, pas une approximation proche, mais la vraie voix avec le véritable accent que l’audience reconnaît. C’est le niveau que le clonage vocal pour la vidéo AI doit atteindre.
Avant d’évaluer Fish Audio, HeyGen utilisait ElevenLabs pour la couche TTS de son pipeline de génération vidéo AI. La plateforme fonctionnait et les voix étaient intelligibles. Mais un problème structurel revenait sans cesse dans les retours utilisateurs : des problèmes de similarité vocale, surtout pour les créateurs avec des accents anglais non américains.
Les créateurs de savoir parlent avec leurs propres accents. Les Australiens sonnent australiens. Les Indiens sonnent indiens. Britannique, sud-africain, singapourien, irlandais, écossais, philippin, caribéen : le paysage des accents de l’anglais mondial n’est pas un cas limite pour HeyGen, c’est la forme de sa base internationale de créateurs.
Un TTS qui produit un bon anglais américain mais aplatit tous les autres accents vers un anglais américain neutre casse la promesse du clonage vocal pour la vidéo AI : que la vidéo sonne comme vous. Les utilisateurs HeyGen avec des accents non américains se plaignaient du maintien de l’accent. Les voix clonées ne préservaient pas l’identité d’accent attendue.
HeyGen a évalué tout le marché TTS pour résoudre le problème des accents anglais non américains. Le TTS pour ces accents n’était pas une comparaison de fonctionnalités, mais un critère existentiel pour la base internationale de créateurs.
Chez les fournisseurs testés, l’écart entre la qualité de clonage de l’anglais américain et celle des accents non américains était constant, et constant dans la mauvaise direction. La plupart des modèles TTS étaient entraînés d’abord sur l’anglais américain, puis adaptés aux autres accents. Cette adaptation se voyait dans les voix clonées par une prosodie aplatie, des voyelles neutralisées et une perte nette d’identité d’accent .
Fish Audio a été retenu par HeyGen selon un critère dominant : la qualité du clonage vocal pour les voix uniques, en particulier les voix avec accents anglais non américains.Le modèle Fish S2 Pro préserve l’identité d’accent de la voix source au lieu de la normaliser vers une base d’anglais américain, exactement le mode d’échec observé chez d’autres fournisseurs.
Pour HeyGen, ce n’est pas un détail technique. C’est la différence entre une audience qui entend le créateur qu’elle reconnaît et une voix synthétique étrangère. La qualité du clonage vocal, et non la latence ou le coût, a été le facteur décisif.
HeyGen déploie Fish Audio via la cloud API pour générer le TTS des vidéos produites par ses clients sur la plateforme. L’intégration fonctionne à l’échelle de production : chaque vidéo publiée sur HeyGen avec une voix propulsée par Fish passe par le modèle Fish S2 Pro.
Le signal utilisateur le plus parlant n’est pas l’éloge, mais le silence sur ce qui était auparavant la plainte la plus forte. Trois signaux de la base de créateurs HeyGen depuis la migration :
Produits utilisés : Fish Audio S2 Pro · Text-to-Speech (cloud API)
Taux de sélection 3:1 pour Fish Audio face aux fournisseurs TTS alternatifs dans les comparaisons côte à côte sur HeyGen.
Les plaintes liées aux accents anglais non américains ont cessé dans la base internationale de créateurs HeyGen.
Tout le marché TTS a été évalué avant de choisir Fish Audio ; la préservation de l’accent a été décisive.
Migration d’ElevenLabs vers Fish Audio pour la qualité du clonage vocal.
Parlez à notre équipe de similarité vocale pour les voix uniques, de préservation des accents anglais non américains et d'intégration Cloud API à l'échelle de la production.
