ElevenLabs vs PlayHT : j'ai raconté le même script de 40 minutes avec les deux

J'ai pris un script de narration de cours de 40 minutes et je l'ai exécuté via ElevenLabs et PlayHT, même archétype de voix, mêmes instructions de rythme, puis j'ai fait écouter à trente collègues un A/B aveugle pendant les deux premières minutes. Vingt-six ont choisi le même clip, et ce n'était pas proche.

ElevenLabs a remporté les micro-décisions émotionnelles. L'accent est mis sur le mot juste, des respirations qui semblent intentionnelles et un léger ralentissement avant les changements de section que personne n'a consciemment remarqué mais que tout le monde ressent. La sortie de PlayHT était propre et parfaitement intelligible, mais elle répartissait l'accent de manière uniforme, ce qui est l'équivalent audio d'une page sans texte en gras.

Là où PlayHT a riposté, c'est le débit et le prix. Sa génération était plus rapide sur les scripts longs, ses limites de caractères allaient plus loin par dollar et le flux de clonage vocal posait moins de questions. Pour l’apprentissage en ligne interne, où la narration est fonctionnelle plutôt que appréciée, ces aspects économiques sont difficiles à ignorer.

La dérive de forme longue était l'autre séparateur. Vers la trentaine de minutes, la prestation de PlayHT est restée stable tandis que ma patience face à l'accent excessif occasionnel d'ElevenLabs s'est épuisée ; mais les erreurs d'ElevenLabs étaient des erreurs d'expression, et je préférais réparer dix mots surjoués plutôt que d'écouter quarante minutes plates. Votre tolérance décidera de celle-ci, pas une référence.

Le verdict que j'ai donné à mon équipe : le travail en direction des clients et de la marque est confié à ElevenLabs, le volume de contenu interne va à PlayHT. Si vous n’en payez qu’un et que vous racontez des choses que les humains ont choisi d’écouter, payez pour celui qui respire.