Un guide complet des outils de génération de voix gratuits d’ElevenLabs : création de compte, quotas mensuels de caractères, clonage vocal instantané, intégration API et meilleures alternatives gratuites lorsque 10 000 caractères par mois ne suffisent pas.
L’écart entre la synthèse vocale robotique et les voix qui trompent réellement l’oreille s’est comblé il y a quelques années. ElevenLabs a fait bien plus que le combler : il a élargi la route de l’autre côté. Le problème, c’est que la plupart des gens atteignent le plafond de l’offre gratuite avant d’avoir compris ce que cette technologie peut vraiment faire. Cet article vous montre pas à pas comment utiliser ElevenLabs pour générer des voix gratuitement, ce que signifient concrètement les limites, et où aller lorsque 10 000 caractères par mois ne suffisent pas.
ElevenLabs propose une offre gratuite vraiment utile, et pas seulement une démonstration. Voici ce que vous obtenez sans renseigner de carte bancaire :
L’offre gratuite comprend 10 000 caractères par mois. Cela paraît beaucoup. Concrètement, 10 000 caractères représentent environ :
Une fois ces caractères épuisés, la génération s’arrête jusqu’à la réinitialisation mensuelle. Le compteur se réinitialise le même jour du mois que la création de votre compte, et non le 1er du mois.
L’offre gratuite vous donne accès à :
Ce que l’offre gratuite ne comprend pas : le clonage vocal professionnel (modèle haute fidélité), les droits de licence commerciale, Projects (l’outil de livres audio longs), Dubbing, ainsi que les formats audio de meilleure qualité comme PCM ou FLAC.
| Fonctionnalité | Gratuit | Starter (5 $/mois) | Creator (22 $/mois) |
|---|---|---|---|
| Caractères/mois | 10 000 | 30 000 | 100 000 |
| Licence commerciale | Non | Oui | Oui |
| Clonage vocal professionnel | Non | Non | Oui |
| Qualité audio | 128 kbps | 192 kbps | 192 kbps |
| Outil Projects | Non | Non | Oui |
L’absence de licence commerciale est l’écart le plus important. Tout ce que vous générez avec l’offre gratuite ne peut techniquement pas être utilisé dans des produits payants, des travaux pour des clients ou des contenus monétisés.
La configuration prend environ deux minutes.
Aucune carte bancaire n’est demandée à cette étape. La plateforme ne réclame pas d’informations de paiement tant que vous ne choisissez pas de passer à une offre payante.
La bibliothèque de voix dans le panneau de gauche trie les voix selon :
💡 Filtrez par « Conversational » pour les contenus sociaux et par « Narration » pour les scripts longs. La catégorie « News » tend à sonner la plus neutre et la plus autoritaire pour les contenus informatifs.
L’interface principale est simple. Collez votre script dans la grande zone de texte, sélectionnez une voix dans la barre latérale, puis cliquez sur Generate. La vraie subtilité se trouve dans le panneau de réglages sous la zone de texte :
La plupart des débutants ignorent ces curseurs et s’étonnent que le rendu sonne plat. Stability a le plus gros impact. Si votre voix sonne robotique et uniforme, descendez vers 0,4. Si elle paraît erratique et imprévisible, montez vers 0,8.
💡 Ajoutez des pauses naturelles à votre script avec des points de suspension
...ou un point suivi d’une espace. Sur les offres payantes, la syntaxe SSML comme<break time="1.0s" />fonctionne, mais ces astuces de ponctuation simples sont efficaces aussi sur l’offre gratuite.
Après la génération, un lecteur audio vert apparaît sous la zone de texte. Cliquez sur l’icône Download (flèche pointant vers le bas) pour enregistrer le fichier au format MP3. Le fichier porte un nom horodaté. Il n’existe pas de téléchargement groupé : si vous avez généré 10 extraits, vous les téléchargez un par un.
Le clonage vocal est ce qui fait la réputation d’ElevenLabs. Même l’offre gratuite vous donne accès au clonage vocal instantané, qui est plus impressionnant que la plupart des gens ne l’imaginent.
Le clonage vocal instantané (IVC) crée un modèle de voix à partir d’un échantillon audio que vous importez. Il n’est pas aussi précis que le modèle de clonage vocal professionnel (qui exige plus de 30 minutes d’audio propre et constitue une fonctionnalité payante), mais pour la plupart des usages, il est largement suffisant.
Rendez-vous dans Voices > Add Voice > Instant Voice Clone, puis importez :
La qualité de votre clone dépend entièrement de la qualité de votre audio source. Un extrait enregistré sur un smartphone dans une pièce silencieuse l’emporte sur un enregistrement professionnel dans un espace résonnant. La musique de fond est le principal ennemi de la précision du clone.
💡 Enregistrez dans un placard rempli de vêtements suspendus. Le tissu absorbe les réflexions acoustiques mieux que la plupart des panneaux de mousse, et il ne coûte rien.
Avec l’offre gratuite, vous pouvez créer jusqu’à 3 voix clonées. Pour en créer une 4e, vous devez supprimer l’une des trois existantes. Les clones sont stockés uniquement dans votre compte et ne peuvent pas être partagés publiquement. L’audio généré à partir d’une voix clonée consomme votre quota mensuel de 10 000 caractères, de la même manière que les voix prédéfinies.
L’offre gratuite inclut l’accès à l’API. Cela surprend beaucoup de développeurs qui pensent que les API sont toujours derrière un mur payant.
Votre clé API gratuite partage le même quota mensuel de 10 000 caractères que l’interface web. Il n’existe aucune allocation API distincte. Chaque caractère généré via l’API réduit ce que vous pouvez générer dans le navigateur, et inversement.
Le point d’accès API pour la synthèse vocale est :
POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id}
L’authentification utilise l’en-tête xi-api-key avec votre clé, disponible sur la page Profile Settings.
Python :
import requests
url = "https://api.elevenlabs.io/v1/text-to-speech/YOUR_VOICE_ID"
headers = {
"xi-api-key": "YOUR_API_KEY",
"Content-Type": "application/json"
}
payload = {
"text": "Your script here",
"model_id": "eleven_multilingual_v2",
"voice_settings": {"stability": 0.6, "similarity_boost": 0.8}
}
response = requests.post(url, json=payload, headers=headers)
with open("output.mp3", "wb") as f:
f.write(response.content)
JavaScript (Node.js) :
const response = await fetch(
`https://api.elevenlabs.io/v1/text-to-speech/${voiceId}`,
{
method: 'POST',
headers: { 'xi-api-key': apiKey, 'Content-Type': 'application/json' },
body: JSON.stringify({ text: script, model_id: 'eleven_multilingual_v2' })
}
);
const buffer = await response.arrayBuffer();
L’accès API à coût nul est pratique pour :
Ne construisez pas un produit de production destiné aux clients sur l’API gratuite. Le plafond de 10 000 caractères est une limite stricte, sans période de grâce.
La plupart des gens atteignent la limite gratuite plus vite qu’ils ne l’imaginent. Voici comment calculer vos besoins mensuels réels et trois façons d’étirer votre quota.
Comptez les caractères de vos scripts, pas les mots. Un mot anglais moyen compte environ 5 caractères, espace suivant inclus.
| Type de contenu | Longueur moyenne | Caractères utilisés |
|---|---|---|
| Extrait social de 60 secondes | ~130 mots | ~780 caractères |
| Narration YouTube de 5 minutes | ~700 mots | ~4 200 caractères |
| Épisode de podcast de 10 minutes | ~1 400 mots | ~8 400 caractères |
| Chapitre complet de livre audio | ~3 500 mots | ~21 000 caractères |
Un seul épisode de podcast de 10 minutes consomme 84 % de votre quota mensuel gratuit. Deux épisodes, et vous êtes à court pour le mois avant la fin de la deuxième semaine.
1. Rédigez des scripts plus concis. Supprimez les mots de remplissage avant de générer. Chaque proposition inutile consomme des caractères. Éditez d’abord, générez ensuite.
2. Créez plusieurs comptes gratuits. Chaque nouvelle adresse e-mail reçoit 10 000 caractères neufs. Ce n’est pas très élégant, mais c’est techniquement conforme aux conditions d’utilisation pour les projets personnels. Évitez cette approche pour un travail commercial.
3. Générez par lots en début de mois. Votre quota se réinitialise à la date anniversaire de votre compte. Si vous générez le 1er jour, vous disposez de tout le mois civil avant la prochaine réinitialisation.
C’est la partie que la plupart des utilisateurs d’ElevenLabs ne connaissent pas. PicassoIA fait fonctionner les modèles propres d’ElevenLabs directement sur sa plateforme, aux côtés d’une bibliothèque de moteurs de synthèse vocale concurrents. Au lieu d’atteindre un plafond mensuel de caractères, vous payez à la génération, ce qui revient bien moins cher pour un usage ponctuel ou à fort volume.
ElevenLabs v3 est le modèle le plus expressif d’ElevenLabs, avec une grande richesse émotionnelle et la prosodie la plus naturelle de toutes les versions. Sur PicassoIA, vous y accédez directement, sans compte ElevenLabs ni suivi de votre compteur mensuel. C’est le meilleur choix pour la narration longue, les dialogues de personnages ou tout contenu où l’émotion de la voix porte le message.
ElevenLabs v2 Multilingual prend en charge plus de 30 langues avec une qualité d’accent constante. Si votre contenu s’adresse à un public non anglophone, ce modèle gère l’espagnol, le français, l’allemand, le portugais, le japonais, le coréen et d’autres langues, sans la contamination d’accent qui affecte de nombreux systèmes de synthèse multilingues.
Lorsque le délai de traitement compte davantage que la qualité émotionnelle maximale, ElevenLabs Flash v2.5 offre une synthèse quasi instantanée avec une latence très faible. Il est conçu pour les applications en temps réel : traduction en direct, applications interactives et scénarios de streaming. La qualité reste excellente, simplement pas au même niveau de profondeur émotionnelle que v3.
ElevenLabs Turbo v2.5 se situe entre Flash et la version complète v3 dans le compromis entre vitesse et qualité, avec la prise en charge de 32 langues et une génération plus rapide que le modèle standard.
ElevenLabs n’est pas la seule option solide de la collection. Plusieurs modèles le surpassent dans des domaines précis :
💡 Quand utiliser quoi : ElevenLabs v3 pour la narration émotionnelle en anglais. Gemini 3.1 Flash TTS pour une couverture multilingue à grande échelle. Inworld Realtime TTS 2 pour les applications en direct et en temps réel. Minimax Speech 2.8 HD pour une qualité de livre audio.
La génération vocale ne représente que la moitié de l’équation. Si vous produisez du contenu audio, vous devez aussi en extraire du texte, que ce soit pour des sous-titres, une réutilisation ou une édition à partir de la transcription. Les modèles de reconnaissance vocale de PicassoIA couvrent aussi cette partie du flux de travail.
GPT-4o Transcribe est le meilleur modèle de transcription d’OpenAI, avec des taux d’erreur de mots à l’état de l’art selon les accents et les niveaux de qualité audio variables. Il gère mieux le bruit de fond, les locuteurs multiples et le vocabulaire technique que les anciens modèles basés sur Whisper. Pour les extraits courts à moyens de moins de 30 minutes, c’est le choix par défaut.
GPT-4o Mini Transcribe offre une précision comparable à moindre coût, adapté aux transcriptions à fort volume lorsque vous traitez de nombreux fichiers en une seule session.
Gemini 3 Pro traite de longs fichiers audio grâce à une fenêtre de contexte massive, ce qui en fait le bon choix pour les entretiens complets, les réunions enregistrées ou les épisodes de podcast d’une heure. Il produit aussi des transcriptions structurées avec l’identification des locuteurs et des repères horodatés.
💡 Flux de travail : générez votre script avec ElevenLabs v3 ou Minimax Speech 2.8 HD, produisez votre contenu, puis passez Gemini 3 Pro sur l’audio final pour créer une transcription sous-titrée, utile pour l’accessibilité et le référencement.
L’offre gratuite d’ElevenLabs est un outil réel, avec une qualité de sortie réelle. La limite de 10 000 caractères est le plafond honnête, pas un aperçu bridé. Pour les projets personnels, la narration occasionnelle et le prototypage API, elle tient la route. Lorsque ce plafond devient un problème, les mêmes modèles d’ElevenLabs sont disponibles sur PicassoIA sans le calcul du quota mensuel, aux côtés de plus de 20 autres moteurs de synthèse vocale adaptés à tous les usages.
Plus largement, la qualité de la voix IA a dépassé l’idée que la plupart des gens se font de la synthèse vocale. Obtenir une narration professionnelle, des contenus multilingues et des voix de personnages réalistes ne demande plus qu’une chose : savoir quel modèle utiliser et où y accéder.
PicassoIA rassemble plus de 23 modèles de synthèse vocale, de ElevenLabs v3 et Flash v2.5 à Minimax Speech 2.8 HD, Inworld Realtime TTS 2, Gemini 3.1 Flash TTS et Chatterbox, ainsi que trois modèles de reconnaissance vocale pour la transcription. Parcourez la collection complète sur picassoia.com/en/all-models et générez un extrait vocal qui aurait exigé autrefois un studio professionnel.
Choisissez votre langue
