Aller au contenu
CSuite
Fonctionnalités · Audio

Voix, musique et son : un seul panneau.

Faites lire un script par une voix naturelle, accompagnez-le d’une musique générée et ajoutez les effets sonores : trois types de génération audio dans un seul espace de travail, avec un éditeur de forme d’onde intégré pour les finitions. Le même espace de travail transcrit aussi un enregistrement ou la bande-son d’une vidéo en texte et en sous-titres. Les modèles cloud fonctionnent avec vos propres clés API, la synthèse vocale et la transcription peuvent tourner entièrement hors ligne, et l’édition s’exécute en local sur votre ordinateur.

Choisir

Trois types de son, un seul sélecteur.

Faites passer la barre de prompt de la parole à la musique ou aux effets sonores. Le sélecteur de modèles n’affiche que ceux qui prennent en charge le type actif, et chaque catégorie garde son propre modèle par défaut, Auto compris. ElevenLabs pour une narration chaleureuse, Lyria pour une bande originale, SFX 1.5 pour le bruitage : une seule clé API par plateforme (Runware, OpenRouter ou Replicate) donne accès à tous, une clé d’un éditeur comme OpenAI, Google ou ElevenLabs ajoute les modèles propres à cet éditeur, et Supertonic TTS parle hors ligne sans aucune clé. Un quatrième type, Transcription, fait passer le sélecteur aux modèles de reconnaissance vocale comme Whisper, GPT-4o Transcribe et Scribe v2.
Parole

Un script en entrée, une voix off en sortie.

Collez le script, choisissez un modèle et une voix, puis générez. Les voix proviennent de la liste propre à chaque modèle, avec des réglages par voix (vitesse, stabilité, similarité) sur les modèles qui les proposent. Appuyez sur le bouton de lecture à côté du sélecteur pour écouter une voix avant de lui confier tout un script : la première écoute coûte une fraction de centime, et toutes les suivantes sont mises en cache et gratuites. Sur les modèles qui prennent en charge le clonage, fournissez plutôt un échantillon et sa transcription, et le modèle lit votre script avec cette voix.L’extrait sous la maquette est une véritable génération ElevenLabs v3 réalisée dans CSuite, sans aucune retouche. Appuyez sur lecture. Le prompt dans la barre est le script exact qu’il a lu.
Résultat réel · ElevenLabs v3narration.mp3
0:00 / 0:10
Composer

Décrivez l’ambiance, obtenez la musique.

Instrumentation, tempo, texture : décrivez-la comme un brief adressé à un musicien de studio, et le modèle la compose. Lyria 3 accepte aussi des images de référence, pour qu’un mood board donne le ton, et sur Music 2.6 et ACE-Step v1.5, un champ Paroles séparé conserve vos mots exactement tels que vous les avez écrits. Les questions de droits ne vous suivent pas : c’est votre génération, réalisée avec votre clé.L’extrait de 30 secondes ci-dessous est une véritable composition Lyria 3 issue du prompt exact affiché, le même brief auquel répond chaque modèle de musique du catalogue sur sa page de détails.
Résultat réel · Lyria 3ambient.mp3
0:00 / 0:30
Bruitage

Des effets sonores à la demande.

La porte qui claque, l’ambiance de forêt, le ronronnement du projecteur : décrivez le son au lieu de fouiller dans des banques de sons, ou donnez une vidéo source à SFX 1.5 et il crée un son calé sur l’image. Déposez le résultat directement dans une composition vidéo ou exportez-le pour votre logiciel de montage.Ci-dessous, une véritable génération SFX 1.5 du prompt affiché : une lourde porte en bois dans un couloir de pierre.
Résultat réel · SFX 1.5impact.mp3
0:00 / 0:10
Transcrire

Un enregistrement en entrée, une transcription en sortie.

Passez le type sur Transcription, puis importez ou déposez un fichier audio ou une vidéo : CSuite extrait pour vous la bande-son de la vidéo. Le modèle écrit un fichier texte à côté de l’enregistrement, plus un fichier de sous-titres SRT quand il renvoie des horodatages. La transcription s’affiche sous le lecteur, et un clic sur une ligne horodatée amène la lecture à ce moment précis. Whisper Base, Small et Large V3 Turbo tournent sur votre propre ordinateur sans clé, et Scribe v2, avec votre clé ElevenLabs, peut identifier chaque locuteur.Sur les modèles qui lisent un indice, comme Whisper et GPT-4o Transcribe, la zone de prompt accepte des noms et du jargon pour qu’ils ressortent correctement orthographiés.
Améliorer

Tapez l’idée, obtenez le brief complet.

Pour la musique et les effets, appuyez sur la baguette magique et votre propre modèle de texte transforme une seule ligne en brief complet : d’abord le sujet du morceau, puis le genre, l’instrumentation, le tempo et l’ambiance. Les paroles vont là où le modèle les lit. La parole n’a pas de baguette magique, car le texte que vous tapez est exactement ce qui est prononcé.La musique est facturée à la génération : ce sont les prises que vous jetez qui coûtent cher.
Édition

Peaufinez sans quitter l’app.

Un éditeur de forme d’onde intégré au lecteur couvre les retouches habituelles, sans export vers un autre outil. Chaque modification est calculée en local sur votre ordinateur et s’enregistre à la place de l’original ou dans une nouvelle copie, en conservant le format du fichier : un MP3 découpé reste un MP3.

Découper la bonne prise

Supprimez le silence aux deux extrémités d’un enregistrement, ou extrayez une prise propre d’une longue session. Faites glisser les poignées sur la forme d’onde, et tout ce qui se trouve hors de la sélection disparaît.

Fondu d’entrée, fondu de sortie

Donnez à un fond musical généré une entrée et une sortie en douceur avant de le placer sous une voix off. Réglez la durée des fondus et l’enveloppe s’applique à la forme d’onde.

Corriger le niveau

Une voix off trop faible à côté d’un fond musical trop fort, c’est le problème de mixage le plus courant qui soit. Augmentez ou baissez le volume du clip jusqu’à ce que les niveaux s’équilibrent.

Changer la vitesse

Transformez l’enregistrement d’un cours de 42 minutes en une écoute de 28 minutes à 1,5×, ou ralentissez une prise trop rapide. La durée s’actualise selon la vitesse.

Convertir le format

Fournissez à votre monteur un WAV ou un FLAC sans perte, ou compressez une session en MP3 ou en OGG pour la partager. Choisissez le format cible et le transcodage se fait directement depuis le fichier source, sans passage intermédiaire avec perte.
Compositions

Pas seulement des clips, des épisodes entiers.

Les compositions sont un second mode de création pour les podcasts, les interviews et les récits narrés : écrivez un script, donnez à chaque intervenant sa propre voix, mixez la musique et les effets sonores en dessous sur une timeline multipiste, et exportez un seul fichier MP3, M4A ou WAV. Le script, la distribution et la table de mixage sont présentés en détail sur la page des compositions.
Espace de travail

Le reste de la cabine.

Les petites choses autour du bouton de génération : écouter d’abord une voix, connaître le prix, retrouver le prompt qui a marché.

Écouter une voixÉcoutez n’importe quelle voix de la liste directement depuis le sélecteur avant de lui confier un script. La première écoute coûte une fraction de centime, toutes les suivantes sont mises en cache et gratuites, et sur Supertonic TTS chaque aperçu est gratuit, car généré sur l’appareil.
Cloner une voixSur les modèles qui le permettent, joignez un échantillon et sa transcription, et le modèle lit votre script avec cette voix plutôt qu’avec une voix prédéfinie.
Rédiger le brief avec l’IAPour la musique et les effets, tapez l’essentiel et appuyez sur la baguette magique : votre modèle de texte le développe en sujet, genre, instrumentation, tempo et ambiance, et rédige aussi les paroles sur les modèles qui chantent à partir du prompt. La parole n’est pas touchée, puisque le texte est exactement ce qui est prononcé.
Connaître le coût à l’avanceLa barre de prompt affiche le prix estimé avant la génération (par clip pour la musique, d’après le nombre de caractères en direct pour la parole), et une ligne d’état suit l’opération.
Réutiliser ce qui a marchéLes prompts récents s’affichent sous forme de puces au-dessus de la barre de prompt, et chaque clip généré mémorise le modèle et les paramètres qui l’ont produit, que vous pouvez recharger en un clic.
Des fichiers qui restent à vousLes clips sont des fichiers ordinaires dans votre dossier de projet. Faites-y glisser des enregistrements, filtrez une longue liste par nom, et ouvrez ou sauvegardez vos fichiers avec l’outil de votre choix.
Catalogue

Modèles et fournisseurs disponibles.

Tous les modèles audio du catalogue sont ici, pour la synthèse vocale, la musique, les effets sonores et la reconnaissance vocale. Ils tournent dans le cloud via Runware, OpenRouter et Replicate, ou directement chez des éditeurs comme OpenAI, Google, ElevenLabs et d’autres, avec vos propres clés, et sur l’appareil grâce au moteur Hugging Face intégré. Chaque modèle qui génère de l’audio propose de vrais extraits sur sa page de détails.

OpenAICloud · votre clé API
OpenRouterCloud · votre clé API
ReplicateCloud · votre clé API
GoogleCloud · votre clé API
RunwareCloud · votre clé API
xAICloud · votre clé API
ElevenLabsCloud · votre clé API
MiniMaxCloud · votre clé API
Fish AudioCloud · votre clé API
Hugging FaceLocal · votre matériel
KlingCloud · votre clé API
OllamaLocal · votre matériel
GPT-4o Mini TTS
Cloud

OpenAI's steerable speech model: ten natural voices you can direct with free-text instructions for tone, accent and pacing.

OpenAI
Gemini 3.8 Flash TTS
Cloud

Google's most expressive Gemini speech model, for long-form narration and two-speaker scenes in 130 languages, with inline vocal cues such as sighs and laughs.

Google · OpenRouter · Replicate
Gemini 3.8 Flash-Lite TTS
Cloud

A faster, lower-cost Gemini speech model for high-volume narration and voice agents in 101 languages, with the same voices and vocal cues as 3.8 Flash TTS.

Google · OpenRouter · Replicate
Grok Text-to-Speech
Cloud

xAI's expressive text-to-speech model with multiple voices and 20-language support.

xAI · Runware · Replicate
Lyria 3.5
Cloud

Google's music model for full-length songs with structure, vocals or instrumentals, guided by a text prompt, optional lyrics and reference images.

Google · Replicate
Lyria 3
Cloud

Enhanced Lyria model with improved musical coherence and audio quality.

Google · OpenRouter · Replicate
Lyria 3 Pro
Cloud

Google's professional-grade music model with enhanced fidelity and musical expression.

OpenRouter · Replicate
v4
Cloud

ElevenLabs' most expressive speech model, with closer voice cloning, audio tags for delivery and more than 90 languages.

ElevenLabs · OpenRouter
v4 Turbo
Cloud

The low-latency tier of ElevenLabs v4, with the same audio tags and more than 90 languages at half the per-character price.

ElevenLabs · OpenRouter
v3
Cloud

ElevenLabs' most expressive voice model with rich emotional and tonal range.

ElevenLabs · OpenRouter · Replicate
v3 Conversational
Cloud

A variant of ElevenLabs' v3 voice model tuned for natural dialogue in conversational agents, in more than 70 languages.

ElevenLabs · OpenRouter
Music
Cloud

ElevenLabs music generation model for creating original AI-composed tracks.

ElevenLabs · Replicate
Music 2.6
Cloud

MiniMax music model for full-arrangement AI compositions with rich instrumentation.

Runware · Replicate
SFX 1.5
Cloud

Mirelo sound effects model for generating custom audio SFX from text prompts.

Runware
Speech 2.8
Cloud

MiniMax's studio-grade speech model with 332 voices, emotion control, voice cloning, and a 50,000-character input limit.

MiniMax · Runware · Replicate
Drama 3
Cloud

Fish Audio's text-to-speech model for directed voice performances: you describe how each line should be delivered in square brackets, add sounds and pauses, and script several speakers in one call.

Fish Audio · OpenRouter
Voice
Cloud

HeyGen's text-to-speech model with preset voices on OpenRouter and Runware; on Runware it can also clone a voice from a recording.

OpenRouter · Runware
Voice Turbo
Cloud

A lower-latency version of HeyGen Voice with the same preset voices on OpenRouter and Runware, and voice cloning on Runware.

OpenRouter · Runware
Voxtral TTS 3
Cloud

Mistral's text-to-speech model with preset voices in eight languages; emotion and pace tags written into the text, such as [emotion=happy] or [pace=slow], direct the delivery. In public preview.

OpenRouter
S2.1 Pro
Cloud

Fish Audio's recommended production TTS with natural-language cues in brackets, multi-speaker synthesis in one call, and zero-shot voice cloning across 83 languages.

Fish Audio · OpenRouter · Runware
S2.1 Pro Free
Cloud

Fish Audio's S2.1 Pro model at $0 for development and testing under fair-use limits, with the same bracket cues, multi-speaker synthesis and voice cloning but no latency or data-processing guarantees.

Fish Audio
S2 Pro
Cloud

Fish Audio's previous-generation open S2 TTS with natural-language cues in brackets, multi-speaker dialogue and zero-shot voice cloning across 80+ languages.

Fish Audio · OpenRouter
Seed Audio 1.0
Cloud

ByteDance's audio generation model that reads a script word for word or builds a whole scene from one prompt, with a described voice, ambience, music and sound effects, and clones a voice from short reference clips.

OpenRouter · Runware
MAI-Voice-2.1
Cloud

Microsoft AI's highest-fidelity text-to-speech model, with detailed prosody and a consistent speaker over long passages. It reads in 23 languages through preset voices across 28 locales, and the voice you pick sets the language.

OpenRouter
MAI-Voice-2.1 Flash
Cloud

Microsoft AI's low-latency text-to-speech model, built for real-time responsiveness. It reads in 23 languages through the same preset voices as MAI-Voice-2.1, across 28 locales, and the voice you pick sets the language.

OpenRouter
ACE-Step v1.5
Cloud

Open full-track music generation with lyric editing, remix, cover generation, and voice cloning in 50+ languages.

Runware
Flash v2.5
Cloud

ElevenLabs' fastest speech model, with about 75 ms latency across 32 languages at half the per-character price of Multilingual v2.

ElevenLabs · OpenRouter · Replicate
Multilingual v2
Cloud

ElevenLabs' previous-generation voice model for lifelike, consistent long-form narration such as voice-overs and audiobooks, in 29 languages.

ElevenLabs · OpenRouter
Flash v2
Cloud

ElevenLabs' English-only speech model with very low latency, suited to conversational and real-time use.

ElevenLabs · OpenRouter
Sound Effects v3
Cloud

ElevenLabs' newest text-to-sound-effects model: foley, ambiences and impacts up to 30 seconds that follow several cues in one prompt, handle music and vocals, and loop seamlessly.

ElevenLabs
GPT Transcribe
Cloud

OpenAI's high-accuracy transcription model for recorded audio, which follows a hint for names and terms and returns plain text without timestamps.

OpenAI · OpenRouter
Whisper Large V3
Cloud

OpenAI's open-weight Whisper Large V3, which transcribes speech in close to a hundred languages and returns timed segments for subtitles.

OpenRouter · Replicate
Whisper Large V3 Turbo
CloudLocal

A faster, slimmed-down Whisper Large V3 that keeps most of its accuracy and returns timed segments for subtitles.

OpenRouter · Hugging Face
Transcribe 1 Pro
Cloud

Fish Audio's speech-to-text model for multi-speaker conversations, which labels who is speaking and keeps emotion and vocal-event cues such as laughter in the transcript.

Fish Audio · OpenRouter
Muse Voice Transcribe 1.0
Cloud

Meta's speech-to-text model for push-to-talk and speaker-aware transcription, which returns plain text.

OpenRouter
MAI-Transcribe 2
Cloud

Microsoft AI's multilingual transcription model, which covers 60 languages with automatic language detection and returns plain text.

OpenRouter
Voxtral Small Transcribe 3
Cloud

Mistral's flagship transcription model, which returns a timestamped transcript and detects the language on its own. In public preview.

OpenRouter
Voxtral Mini Transcribe 3
Cloud

Mistral's compact transcription model, a lower-cost sibling of Voxtral Small Transcribe 3 with timestamps and language detection. In public preview.

OpenRouter
Universal-3.6 Pro
Cloud

AssemblyAI's speech-to-text model and the successor to Universal-3.5 Pro, served through its synchronous API for clips of up to two minutes. The app sends a longer recording in two-minute pieces and returns plain text.

OpenRouter
TTS 1
Cloud

AssemblyAI's text-to-speech model for voice agents, narration and multilingual applications, with twenty preset voices here in English, Spanish, French and German.

OpenRouter
Gemini 3.5 Transcribe
Cloud

Google's speech-to-text model for fast synchronous transcription with automatic language detection; this route returns plain text.

Google · OpenRouter
Scribe v2
Cloud

ElevenLabs' batch transcription model, which returns word-level timing for subtitles and can label who is speaking.

ElevenLabs · OpenRouter
Scribe v2 Medical
Cloud

ElevenLabs' batch transcription model tuned for clinical and medical terminology, which returns word-level timing for subtitles and can label who is speaking.

ElevenLabs · OpenRouter
Kling Text to Audio
Cloud

Kuaishou's Kling sound effects model, generating 3 to 10 second clips from a short text description.

Kling
Kling TTS
Cloud

Kuaishou's Kling text-to-speech model, reading up to 1,000 characters aloud in English or Chinese system voices.

Kling
Phonon
Local

Gradium's 31M-parameter English text-to-speech model, run on device by Ollama on Apple silicon Macs. It reads text as written, so numbers and dates are best spelled out.

Ollama
LFM3-Audio 2B
Local

Liquid AI's 2B audio model, run on device by Ollama: it speaks text in 19 languages with a female or male voice per language, and transcribes speech.

Ollama
Supertonic TTS
Local

On-device English text-to-speech that runs entirely in the app, with ten preset voices and no API key.

Hugging Face
Whisper Base
Local

A small on-device Whisper model that transcribes speech in the app with no API key, trading accuracy for speed.

Hugging Face
Whisper Small
Local

A mid-sized on-device Whisper model that transcribes speech in the app with no API key, balancing speed and accuracy.

Hugging Face
FAQ

Vos questions sur l’audio, nos réponses.

Comment fonctionnent la parole, la musique, les effets sonores et la transcription dans CSuite : voix, coûts, édition et formats.

Paiement unique. À vous pour toujours.

Aucun abonnement. Aucune facturation par poste. Aucun renouvellement. Achetez CSuite une fois, mises à jour futures comprises.

Paiement sécurisé via Stripe. Vous avez déjà une licence ? Téléchargez l’app