Trois API de clonage vocal côte à côte. Découvrez ce que chacune de ces API, ElevenLabs, Cartesia et MiniMax, offre gratuitement, combien d’audio il faut pour cloner une voix, ce que coûte un million de caractères, et quand un outil dans le navigateur vaut mieux que du code d’intégration.
Chaque promesse d’API de clonage vocal commence par le mot gratuit, et presque aucune ne l’entend comme vous l’espérez. Un compte ElevenLabs gratuit ne permet pas du tout de cloner une voix. L’offre gratuite de Cartesia se limite à un usage non commercial. Dans les comparatifs consultés pour cette analyse, MiniMax ne propose aucune offre gratuite et facture 1,50 $ par voix clonée. Si vous choisissez une API pour un produit, un pipeline de podcast ou un flux de travail pour livres audio, le prix mis en avant dit très peu de choses.
Ce comparatif met les trois fournisseurs côte à côte sur les points qui tranchent un projet : la quantité d’audio nécessaire pour chacun, ce que vous payez avant la première phrase finie, ce qui arrive à la voix clonée ensuite, et le moment où un outil dans le navigateur bat l’écriture d’un code d’intégration. Les chiffres proviennent des comparatifs de tarifs 2026 en date d’octobre 2026. Les fournisseurs modifient souvent leurs offres : vérifiez les montants sur la page tarifaire en ligne avant de vous engager sur un budget.
Une API de clonage vocal transforme un court enregistrement en identifiant de voix réutilisable. Vous importez l’échantillon une seule fois, le fournisseur renvoie un identifiant, et chaque requête de synthèse vocale suivante transmet cet identifiant pour que le nouveau texte sorte avec la même voix. Pas de réentraînement par script, pas de nouvel import de l’enregistrement.
Les fournisseurs proposent deux niveaux de clone, et le niveau détermine à la fois la qualité et le prix :
L’intégration suit partout le même schéma :
Deux détails modifient un budget davantage que le tarif affiché. Le premier concerne l’emplacement du clone : MiniMax supprime un clone inutilisé au bout d’une semaine, le projet doit donc anticiper cela. Le second concerne le coût d’un test : MiniMax facture les aperçus séparément, et sur une offre à crédits, chaque rendu de test consomme aussi des crédits. Un projet qui régénère le même paragraphe vingt fois en ajustant la façon de lire paie les vingt.
Voici la version courte avant le détail. Tous les montants sont des prix publics en USD.
| ElevenLabs | Cartesia | MiniMax | |
|---|---|---|---|
| Offre gratuite | 10 000 crédits par mois, pas de licence commerciale, pas de clonage instantané | 20 000 crédits par mois, usage non commercial uniquement | Aucune offre gratuite listée, 1,50 $ par voix clonée |
| Clonage instantané le moins cher | Offre Starter, environ 5 à 6 $ par mois | Offre Pro, environ 5 $ par mois | Paiement à l’usage |
| Audio pour un clone instantané | 1 à 2 minutes | Environ 10 secondes | 10 secondes à 5 minutes |
| Clone professionnel | Offre Creator (22 $) et au-delà, plus de 30 minutes d’audio, vérification de la voix | Offre Startup (49 $ par mois) et au-delà | Non listé |
| Unité de facturation | Caractères, via des crédits mensuels | Crédits | Caractères |
| Prix public pour 1 M de caractères | 50 $ (Flash) à 100 $ (Multilingual v2, v3) | Variable selon l’offre | 60 $ (Turbo) à 100 $ (HD) |
💡 Comparez le coût par minute finie, pas par offre. Un million de caractères représente environ 18 à 20 heures de narration, donc même un tarif de 100 $ par million revient à moins de 9 centimes par minute d’audio.
Les crédits et les quotas mensuels de Cartesia rendent une comparaison directe des prix impossible sans test, c’est pourquoi cette API a sa propre section plus bas.
ElevenLabs est le nom que la plupart des gens choisissent en premier, et les voix le justifient. Le compromis porte sur le prix, auquel s’ajoute une gamme de clonage qui commence au-dessus de l’offre gratuite.
L’offre gratuite inclut 10 000 crédits par mois et aucune licence commerciale, donc l’audio qui en est issu ne peut pas servir dans un contenu monétisé ou un travail pour client. Le clonage vocal instantané n’en fait pas partie non plus : le seul outil de création de voix disponible dans l’offre gratuite est Voice Design. Considérez-la comme un moyen d’auditionner des voix de la bibliothèque et de tester la forme de l’API, rien de plus.
L’offre Starter (environ 5 à 6 $ par mois, 30 000 crédits) ajoute une licence commerciale et le clonage vocal instantané à partir de 1 à 2 minutes d’audio. Pour quelque chose de plus proche de la voix réelle du locuteur, vous passez au Professional Voice Cloning avec l’offre Creator (22 $ par mois, 121 000 crédits) et au-delà. Il demande un minimum de 30 minutes d’audio, en recommande 2 à 3 heures, s’entraîne pendant plusieurs heures et exige une vérification de la voix, ce qui empêche de cloner quelqu’un qui n’a pas donné son accord.
Côté API, les comparatifs de tarifs indiquent 0,10 $ pour 1 000 caractères sur Multilingual v2 et V3, et 0,05 $ sur Flash v2.5. Si vous voulez entendre la qualité du modèle avant de payer une offre quelle qu’elle soit, les trois fonctionnent sur PicassoIA.
Cartesia est construit autour de la rapidité, et ses offres le montrent : même le niveau gratuit inclut 1 $ d’usage d’agent vocal à côté des crédits, ce qui indique à qui le produit est destiné.
L’offre gratuite donne 20 000 crédits de modèle par mois pour un usage personnel non commercial. Le clonage se trouve un cran au-dessus. L’offre Pro, environ 5 $ par mois ou 48 $ par an, inclut le clonage instantané à partir d’un extrait de 10 secondes, la condition la plus courte des trois fournisseurs. Le clonage vocal Pro arrive avec l’offre Startup (49 $ par mois, ou 468 $ facturés annuellement) avec 1 250 000 crédits par mois, et le palier Scale les porte à 8 000 000.
Les crédits rendent les devis difficiles à comparer. ElevenLabs et MiniMax facturent au caractère, tandis que Cartesia facture en crédits dont le coût par minute parlée dépend de l’offre. Passez votre script réel dans un essai, divisez les crédits dépensés par le nombre de caractères envoyés, et seulement ensuite placez ce chiffre à côté des deux autres.
Cartesia n’est pas sur PicassoIA. Si ce que vous testez est la faible latence, Inworld Realtime TTS 1.5 Mini (annoncé à 120 ms) et Inworld Realtime TTS 1.5 Max (moins de 200 ms) sont les options les plus proches axées sur la vitesse.
MiniMax fait figure d’exception : pas d’échelle d’abonnement pour le clonage, des frais par voix, et le prix par caractère le plus bas des trois au niveau Turbo.
MiniMax Speech 2.8 clone une voix à partir d’une référence de 10 secondes. Le fichier peut être au format MP3, M4A ou WAV, de 10 secondes à 5 minutes et d’un poids inférieur à 20 Mo. Les identifiants de modèle sont speech-2.8-hd et speech-2.8-turbo.
Le piège est qu’une voix clonée est temporaire. Si vous ne lancez pas au moins une synthèse réelle avec l’identifiant de voix dans les 168 heures (7 jours), elle est supprimée, et l’audio d’aperçu généré au moment du clonage ne compte pas. Enregistrez l’identifiant de voix dès qu’il revient et envoyez tout de suite une courte requête réelle.
Le clonage coûte 1,50 $ par voix, facturé à la première synthèse, et les aperçus sont facturés séparément. La synthèse coûte 100 $ par million de caractères en HD et 60 $ en Turbo. Les deux niveaux sont sur PicassoIA : Speech 2.8 HD et Speech 2.8 Turbo.
Voici ce que coûtent 100 000 caractères de narration (environ 17 000 mots) avec une voix clonée, aux prix publics :
| Fournisseur et modèle | Coût de la synthèse | Coût du clonage | Total |
|---|---|---|---|
| ElevenLabs Flash | 5 $ | Frais de l’offre | 5 $ plus l’offre |
| ElevenLabs Multilingual v2 ou v3 | 10 $ | Frais de l’offre | 10 $ plus l’offre |
| MiniMax Speech 2.8 Turbo | 6 $ | 1,50 $ | 7,50 $ |
| MiniMax Speech 2.8 HD | 10 $ | 1,50 $ | 11,50 $ |
| Cartesia Sonic | Crédits | Frais de l’offre | Faites un essai |
ElevenLabs et Cartesia exigent une offre payante avant de pouvoir cloner, donc votre facture mensuelle réelle est plus élevée que la seule ligne de synthèse.
Les offres gratuites sont des bancs d’essai. L’offre gratuite d’ElevenLabs ne permet pas de cloner et celle de Cartesia est non commerciale : servez-vous-en pour auditionner des voix et vérifier le fonctionnement de l’API, puis prévoyez une offre payante si le résultat part en production.
Si votre objectif est un fichier vocal fini plutôt qu’une intégration, PicassoIA réalise le clonage sans code :
💡 Au moment de la rédaction, l’API pour développeurs de PicassoIA liste des modèles d’image et de vidéo, donc le clonage vocal s’y fait depuis le navigateur. Consultez la page de l’API pour la liste actuelle des modèles avant de planifier une intégration.
💡 Utilisez un niveau HD pour une narration finale et un niveau Turbo pour des brouillons rapides. Faire les brouillons sur Turbo puis générer le rendu final en HD garde les itérations peu coûteuses.
Le clone de chaque fournisseur ne vaut jamais plus que l’enregistrement. L’échantillon compte davantage que l’offre que vous payez.
Une fois le clone créé, vérifiez-le par un aller-retour. Passez l’audio généré dans GPT-4o Transcribe et comparez le texte à votre script. Tout mot qui ressort différent marque un endroit où la voix bafouille. Pour une introduction de podcast ou de vidéo, vous pouvez aussi superposer la narration clonée à une piste de Music 2.6 ou de Stable Audio 2.5.
| Votre projet | Meilleur choix | Pourquoi |
|---|---|---|
| Agent vocal en direct | Cartesia | Offres axées sur la vitesse, clone de 10 secondes |
| Long livre audio | MiniMax Turbo ou HD | Coût par caractère le plus bas |
| Vidéo multilingue soignée | ElevenLabs | Gamme de modèles et clones professionnels |
| Voix off ponctuelle | Outil navigateur | Sans code, sans frais d’offre |
Un agent téléphonique se joue sur le délai avant le premier mot. Les offres de Cartesia incluent l’usage d’agent vocal, et son clone de 10 secondes est le plus rapide à mettre en place. Testez le coût en crédits par appel avant de passer à l’échelle.
La narration est un jeu de volume, donc le coût par caractère prime. MiniMax Turbo à 60 $ par million de caractères, ou HD à 100 $, rend un long livre abordable. Découpez le texte en chapitres, réutilisez un même identifiant de voix, et gardez en tête la règle des 168 heures : continuez à générer dans la fenêtre.
Si chaque utilisateur enregistre sa propre voix, la facturation par voix s’additionne vite. Au tarif de 1,50 $ de MiniMax, 10 000 utilisateurs clonant chacun une voix représentent 15 000 $ de frais de clonage avant même la génération du moindre audio. Conservez aussi chaque échantillon d’origine, car une voix qui expire après sept jours d’inactivité doit être recréée.
Avant de choisir un fournisseur, répondez à ces cinq questions :
Le consentement passe avant tout, quelle que soit l’API que vous choisissez. Ne clonez que des voix qui vous appartiennent ou dont vous avez l’autorisation écrite d’utilisation. ElevenLabs exige une vérification pour les clones professionnels, et l’audio d’une offre gratuite ne comporte aucun droit commercial.
Un bon usage du clonage est celui de la famille : un grand-parent qui accepte d’enregistrer vingt minutes de récits, conservés dans une voix que ses petits-enfants pourront toujours entendre.
Le moyen le plus rapide de comparer ces fournisseurs est d’entendre revenir votre propre voix. Enregistrez 30 secondes dans un placard silencieux, importez-le dans Voice Cloning sur PicassoIA, et lisez un paragraphe de votre propre script dans la voix clonée. Passez ensuite du niveau Turbo au niveau HD et écoutez la différence, ou essayez Chatterbox pour le contrôle des émotions. Dix minutes de test vous en apprendront plus sur vos besoins que n’importe quel tableau de prix, et l’essai ne coûte rien.
Choisissez votre langue
