Produits utilisés
Migré depuisQuand une voix sort de l’anglais américain
Les créateurs de HeyGen viennent du monde entier : Australie, Inde, Royaume-Uni, Afrique du Sud, Singapour, Irlande, Écosse, Philippines et Caraïbes. Tous parlent anglais, mais chacun le fait avec une voix différente.
La synthèse vocale que HeyGen utilisait en production générait un anglais américain précis et ramenait tous les autres accents vers ce modèle. La prosodie s’aplatissait, les voyelles perdaient leurs particularités. L’accent qui rendait un créateur reconnaissable à son public revenait sous une forme proche d’un américain neutre. Ce schéma se retrouvait sur l’essentiel du marché, pour une raison : les modèles entraînés d’abord sur l’anglais américain puis adaptés aux autres accents excellent sur le premier et se dégradent de façon prévisible sur les autres.
La plainte la plus fréquente au support
Les créateurs l’ont remarqué immédiatement. La fidélité de l’accent est devenue un motif récurrent de plainte : leur voix ne leur ressemblait plus. Surtout, le problème se concentrait sur le public que HeyGen souhaitait développer. Les créateurs du monde entier avaient besoin de faire voyager leur voix entre langues et accents sans perdre l’identité qui les rendait reconnaissables.
HeyGen a évalué le marché sur une seule question
L’évaluation n’était pas un comparatif de fonctionnalités. HeyGen ne cherchait ni la latence la plus faible, ni l’expressivité maximale, ni le plus grand nombre de langues. L’entreprise a ramené le choix à une question bien plus simple : lorsqu’un créateur clonait sa voix, lui ressemblait-elle encore ?
Plus précisément, HeyGen a testé si le modèle préservait l’accent qui rendait une voix reconnaissable. Un créateur britannique pouvait-il garder son accent ? Une voix pouvait-elle passer d’une langue à l’autre sans devenir par défaut une version américanisée d’elle-même ?
C’est devenu le critère de référence. Une voix pouvait être rapide, expressive et techniquement impressionnante : si l’accent changeait, elle échouait au test.
Fish est un modèle vocal fantastique pour maximiser la similarité vocale sur des voix très uniques.
John Wu
Responsable de l’ingénierie audio, HeyGen
La similarité l’a emporté sur la latence et le coût
HeyGen a choisi Fish Audio parce que le modèle répondait le mieux à ce critère. La vitesse et le prix comptaient, mais sans être décisifs. Une fois le seuil de performance atteint, la différence était simple : quel modèle restituait le plus fidèlement la voix à travers différents accents ?
Fish Audio se distinguait en conservant les caractéristiques de la voix d’origine plutôt qu’en les lissant vers une norme commune. Cette cohérence a permis à HeyGen d’étendre son produit vocal à davantage de créateurs et de marchés sans leur demander de renoncer à leur façon de parler.
Le résultat dépassait l’amélioration du modèle vocal. Il levait un obstacle à l’utilisation de HeyGen entre langues et renforçait les fondations de sa stratégie mondiale pour les créateurs.
Tout le volume de production dès la première semaine
HeyGen a déployé S2 Pro via l’API cloud de Fish Audio. Chaque vidéo publiée avec une voix Fish passe par le modèle. Ni déploiement progressif ni groupe pilote n’ont été nécessaires. L’intégration est immédiatement passée à l’échelle de production.
Le résultat : des voix qui restent elles-mêmes
Depuis sa migration vers Fish Audio, HeyGen n’a rencontré aucun problème de fidélité d’accent en production. Lors des tests vocaux, les créateurs ont choisi Fish Audio plutôt que l’alternative dans un rapport de 3 contre 1.
Aujourd’hui, Fish Audio alimente les expériences vocales des créateurs de HeyGen dans le monde entier, pour que chaque voix reste indéniablement celle de son créateur, où qu’il s’exprime.
