Neurogen lance un studio de doublage hors ligne : 16 voix en dialogue et 8 Go de mémoire vidéo
Les services de voix off dans le cloud facturent chaque prise ratée et envoient vos textes et vos voix sur des serveurs tiers. Neurogen a publié un logiciel Windows basé sur le modèle Fish Audio Drama 3, qui tourne sur votre propre machine. Il clone une voix à partir de 5–15 secondes d'enregistrement et gère un dialogue jusqu'à 16 personnages. Une carte NVIDIA avec 8 Go de mémoire vidéo (VRAM) suffit. Internet n'est nécessaire que pour télécharger les modèles, et les prises ne coûtent rien.
Traité par IA depuis TG: @neurogen_news (Neurogen) ; édité par Hamidun News
Imaginez que vous développiez un jeu ou un cours en ligne et que vous deviez doubler des centaines de répliques. Dans les services cloud de synthèse vocale, chaque prise ratée consomme des crédits, et vos scénarios comme les voix de tiers partent sur des serveurs externes. L'équipe de Neurogen a publié un studio de doublage portable qui fonctionne entièrement sur votre ordinateur.
Il repose sur le modèle de synthèse vocale Fish Audio Drama 3 (il lit un texte avec une voix prise sur un court échantillon), tandis que le moteur ComfyUI intégré assure un lancement rapide. Le studio assemble un dialogue de 16 personnages maximum dans un même scénario, et une carte NVIDIA avec 8 Go de mémoire vidéo (VRAM) lui suffit. Si vous avez beaucoup de voix off à produire, c'est un moyen de ne plus payer chaque prise et de ne plus confier vos voix au cloud.
Comment fonctionne le studio
Python, PyTorch et ComfyUI sont déjà inclus dans l'application : aucune installation manuelle n'est nécessaire. Le moteur se lance automatiquement ou manuellement, au choix. Les modèles se téléchargent séparément, directement depuis le logiciel : le téléchargement reprend après une coupure et les fichiers sont vérifiés. Ensuite, le studio fonctionne sans internet, et ni les textes ni les échantillons de voix ne sont envoyés où que ce soit.
Tout le processus tient dans une seule fenêtre : préparer la voix, écrire le scénario, essayer l'interprétation, écouter les variantes, sauvegarder le projet et exporter l'audio pour le montage. Un export en FLAC est prévu pour cette dernière étape. Pour ceux qui ont l'habitude de travailler avec des nœuds, les auteurs fournissent un workflow pour ComfyUI compatible.
Voix, dialogues et émotions
Le clonage est simple. Vous chargez un enregistrement, vous y sélectionnez 5–15 secondes de parole propre, puis vous utilisez cette voix pour un nouveau texte. La voix et sa transcription peuvent être enregistrées dans une bibliothèque, pour y revenir dans une prochaine vidéo ou pour les répliques d'un même personnage. Les auteurs le rappellent : n'utilisez que des enregistrements dont vous détenez les droits.
Pour une scène à plusieurs personnages, on attribue un échantillon à chacun, et jusqu'à 16 intervenants se rassemblent dans un même scénario. On peut aussi commencer par un simple monologue. L'interprétation se modifie directement dans le texte : vous sélectionnez une phrase et ajoutez un chuchotement, un rire, un soupir ou une indication d'intonation joyeuse, et les pauses se placent avec des balises.
Il est aussi possible de chercher une voix sans enregistrement source. Le modèle propose des variantes de départ, et un tirage aléatoire aide à en découvrir de nouvelles. Un résultat qui vous plaît peut être figé et enregistré dans la bibliothèque. Mais c'est le seed de la génération réussie (le nombre dont dépend le résultat) qui est conservé : sur un autre texte, le timbre peut donc changer. Pour un personnage récurrent, il est plus fiable de cloner la voix à partir d'un enregistrement.
Un éditeur d'échantillon dédié affiche la forme d'onde et permet l'écoute, le réglage précis des bornes et le découpage. Demucs permet de séparer la parole de la musique, le fichier source restant disponible pour comparaison. Le texte de l'échantillon se saisit à la main ou est reconnu lors de la génération via Qwen3-ASR.
Projets et configuration matérielle requise
Un projet est sauvegardé dans un fichier .drama3, qui contient le scénario, les paramètres et les échantillons de voix eux-mêmes. Le bouton « Вернуть в студию » (« Retour au studio ») restaure les réglages du résultat sélectionné, tandis que la sauvegarde automatique et l'archive des brouillons permettent de reprendre le travail plus tard. Pour les textes longs, le logiciel propose un découpage automatique, la lecture intégrale ou ligne par ligne, des prises distinctes et la réduction des pauses trop longues. Le mode avancé donne accès au choix du modèle, au seed et aux paramètres de génération.
Les prérequis sont conséquents. Il faut Windows 10 ou 11 x64, une carte NVIDIA de génération Turing ou plus récente avec 8 Go de VRAM, un pilote en version 580 ou supérieure et un SSD. La mémoire vive nécessaire dépend de la variante du modèle : environ 32 Go pour W4A8, 40 Go pour W6A8 et 48 Go pour FP8/INT8. Pour les variantes les plus lourdes, les auteurs conseillent 64 Go. Un ordinateur portable sans carte graphique dédiée et avec 16 Go de mémoire ne conviendra pas.
À qui s'adresse ce studio
L'intérêt pratique tient à l'économie et à la confidentialité. Les nouvelles prises ne consomment pas de crédits cloud : vous ne dépensez que l'électricité et le temps de votre carte graphique. Si vous travaillez sur des scénarios confidentiels ou sur des voix de tiers dans le cadre d'un contrat, elles restent sur votre ordinateur. Pour les studios de jeu et les auteurs de cours, 16 voix dans une même scène couvrent la plupart des besoins.
Les limites sont tout aussi claires. La version n'existe que pour Windows et NVIDIA, et les besoins en mémoire vive sont élevés. Le studio est distribué via Boosty (paiement par carte) et Telegram (USDT, ЮMoney, Telegram Stars) : il n'est donc pas gratuit. La qualité du résultat dépend de Fish Audio Drama 3 et de la propreté de l'échantillon ; avant un projet sérieux, mieux vaut donc lancer quelques prises de test sur votre propre matériel.
- 28 oct. 2026Un agent monte un studio de motion design avec 20 bibliothèques ouvertes, de Remotion à Whisper
- 19 juil. 2026ElevenLabs recrée la voix de Michael Caine pour un livre audio de « L'Odyssée » d'Homère
- 2 mai 2026Synthèse vocale par IA : Yandex SpeechKit face à CosyVoice
- 12 nov. 2026Qwen 4 a conçu en 30 minutes une application de partage de fichiers entre PC et téléphone
Questions clés sur cet article
Comment fonctionne le studio?
Python, PyTorch et ComfyUI sont déjà inclus dans l'application : aucune installation manuelle n'est nécessaire. Le moteur se lance automatiquement ou manuellement, au choix. Les modèles se téléchargent séparément, directement depuis le logiciel : le téléchargement reprend après une coupure et les fichiers sont vérifiés. Ensuite, le studio fonctionne sans internet, et ni les textes ni les échantillons de voix ne sont envoyés où que ce soit.
Que sait-on sur Voix, dialogues et émotions ?
Le clonage est simple. Vous chargez un enregistrement, vous y sélectionnez 5–15 secondes de parole propre, puis vous utilisez cette voix pour un nouveau texte. La voix et sa transcription peuvent être enregistrées dans une bibliothèque, pour y revenir dans une prochaine vidéo ou pour les répliques d'un même personnage. Les auteurs le rappellent : n'utilisez que des enregistrements dont vous détenez les droits.
Que sait-on sur Projets et configuration matérielle requise ?
Un projet est sauvegardé dans un fichier .drama3, qui contient le scénario, les paramètres et les échantillons de voix eux-mêmes. Le bouton « Вернуть в студию » (« Retour au studio ») restaure les réglages du résultat sélectionné, tandis que la sauvegarde automatique et l'archive des brouillons permettent de reprendre le travail plus tard. Pour les textes longs, le logiciel propose un découpage automatique, la lecture intégrale ou ligne par ligne, des prises distinctes et la réduction des pauses trop longues.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.