Ce qui le distingue
Contrairement aux modèles open source du benchmark, eleven_v3 accepte des « tags audio » directement dans le texte envoyé ([excited], [whispers], [sighs]…) pour diriger l'émotion et la prosodie — une fonctionnalité que nous testons séparément (voir la fiche elevenlabs_v3_prompt) plutôt que de cloner une référence émotionnelle dédiée.
Choix techniques
ce que ses auteurs ont décidé, et ce que ça impliqueClonage zero-shot (IVC), pas de fine-tuning
voices.ivc.create (Instant Voice Cloning) à partir d'un seul échantillon de référence par voix — même fichiers que les modèles open source (corpus/voix_reference/). Pas de « Professional Voice Cloning » (fine-tuné, hors périmètre ici).
Pas de poids ni de révision épinglée
Modèle API, versionné côté fournisseur : aucun hash de poids à épingler dans models.lock. La reproductibilité repose sur le model_id (eleven_v3) et les paramètres de génération documentés dans meta.json, pas sur un snapshot téléchargé.
Service payant, pas de coût nul
Facturé au caractère (≈ 0,10 $ / 1 000 caractères en pay-as-you-go sur eleven_v3), à la différence des modèles open source qui tournent en local sans coût récurrent une fois les poids téléchargés.
Langues couvertes
page produit officielle, non vérifié indépendamment (pas de model card publique)
70+ langues annoncées (page produit eleven_v3).
Ce qu'on peut régler
paramètres exposés par ce modèleRelevé dans la signature du code réellement installé pour nos runs (et dans la documentation officielle quand elle précise les valeurs recommandées). Chaque modèle expose des leviers différents : c'est souvent là que se joue la différence entre un résultat correct et un bon résultat.
| paramètre | défaut | ce que ça change |
|---|---|---|
| model_id | eleven_v3 | fixé pour tout le run (pas de comparaison inter-modèles ElevenLabs). |
| voice_settings.stability / similarity_boost | 0.5 / 0.75 | défauts recommandés par l'éditeur, pas de calibration par voix (passe 1, comme les autres modèles du benchmark). |
| output_format | pcm_24000 | PCM 16 bits mono déjà au SR cible du benchmark — pas de resample. |
Ce qu'on mesure sur ce modèle
nos runs, pas les chiffres de l'éditeurÀ l'oreilletest d'écoute en aveugle
Détail complet : table de toutes les métriques · résultats du test d'écoute.
Réglages de génération utilisés
relevés dans les métadonnées de nos runsCes valeurs sont celles réellement passées au modèle pour produire les audios mesurés — pas des réglages recommandés recopiés d'une documentation. Elles sont écrites par l'adaptateur dans le meta.json de chaque run.
À savoir avant de l'utiliser
pièges, limites, nuances de licence- Exclu du classement licence commerciale ouverte : la « Commercial License » ElevenLabs est conditionnée au maintien d'un abonnement payant, pas une licence de poids/code possédée par l'utilisateur — cf.
licences.yaml. - Voix testées :
papa_narration,aurore2_narration,tonton_marc_narration,manou_narration,papy_narration(run principal) + les 4 voix émotionnelles clonées (papa_joie/colere/ peur/tristesse).
Sources & vérification
vérifié le 2026-09-18Les comptes de paramètres cités plus haut sont lus directement dans les fichiers de poids de la révision épinglée ci-dessous (en-têtes safetensors / torch), pas repris d'une annonce. Les caractéristiques annoncées proviennent de la model card officielle, liée ici. Les chiffres de performance viennent de nos propres runs.
Note de licence : « Commercial License » incluse à partir du plan payant Starter, mais conditionnée au maintien de l'abonnement et au respect des CGU — ce n'est pas une licence de poids/code possédée par l'utilisateur, à la différence des modèles open source du benchmark. Traité comme référence commerciale, hors classement licence.