La retouche vocale au mot près avec Tonality de Riverside Labs

Un mot, une pause ou une intonation peuvent être retouchés avec Tonality. Riverside Labs propose un essai gratuit et un accès à l’API sur demande.

Remplacer un nom dans une prise déjà validée oblige parfois à réenregistrer une phrase, puis à retrouver son rythme et les conditions sonores du tournage. Le modèle Tonality de Riverside Labs vise cette étape de correction : modifier les mots d’un enregistrement et leur interprétation, tout en conservant, selon l’entreprise, la voix du locuteur et l’acoustique d’origine.

L’annonce inaugure les travaux de Riverside Labs, le nouveau laboratoire de recherche audio et vidéo de Riverside. Le service fonctionne sur des enregistrements existants, mais aussi à partir d’un texte et d’une voix de référence pour produire une nouvelle prise. Son positionnement porte sur la précision des interventions, jusqu’à un seul mot.

Deux types de modifications se côtoient dans l’interface. La transcription permet de remplacer, d’insérer ou de supprimer des mots, ainsi que d’ajouter des phrases. Des commandes distinctes agissent sur la hauteur de la voix, le ton, la durée, les pauses, l’énergie et la prononciation. Une correction peut ainsi concerner ce qui est dit ou la manière de le dire, sans nécessairement réécrire le passage.

Le parcours présenté commence par l’importation d’un fichier ou la saisie d’un script. L’utilisateur sélectionne ensuite les mots concernés, règle leur interprétation et verrouille les parties qu’il souhaite conserver. Après génération, le service restitue l’audio modifié et les plages exactes d’échantillons annoncées comme ayant changé. Ces indications doivent permettre de localiser les interventions et de contrôler leur étendue.

La préservation du reste de la prise constitue la promesse centrale du produit. Elle recouvre toutefois plusieurs aspects : reconnaître la même personne, retrouver son accent et son débit, maintenir le son de la pièce et conserver les passages non concernés. Les exemples publiés illustrent le résultat recherché ; ils ne suffisent pas à établir que ces propriétés seront préservées pour chaque voix et chaque enregistrement.

Une comparaison sonore sur la page produit soumet une même réécriture à plusieurs services, dont HeyGen, Cartesia, ElevenLabs, Qwen et Fish Audio. Le script passe notamment de quatre à six vidéos courtes et ajoute quelques mots à une autre formulation. Il s’agit d’extraits sélectionnés par Riverside, sans protocole d’évaluation détaillé accompagnant cette présentation. Ils ne permettent donc pas, à eux seuls, de classer les modèles sur l’ensemble des usages de retouche vocale.

La revendication de première mondiale demande également à être circonscrite. Des travaux comme VoiceCraft, publiés en 2024, traitaient déjà l’insertion, la suppression et le remplacement de mots dans une parole enregistrée. Ce précédent ne démontre pas une équivalence avec les six commandes proposées ici. Il établit en revanche que l’édition locale de la parole précède Tonality. La différenciation revendiquée par Riverside porte sur la combinaison de ces réglages et la conservation du matériau enregistré autour des modifications.

Pour les équipes de production, l’intérêt envisagé concerne notamment les corrections après validation : actualiser une offre dans une publicité de podcast, remplacer un nom ou reprendre la prononciation d’un passage de livre audio. En doublage, les commandes de durée et de pause pourraient aider à ajuster une réplique à la fenêtre disponible. Une modification de durée doit néanmoins être vérifiée dans le montage ; la présentation ne décrit pas comment un éventuel décalage est compensé.

L’essai gratuit donne accès aux commandes sur ses propres enregistrements, avec des limites d’usage. L’API est proposée par l’intermédiaire du service commercial, qui fournit les clés, la documentation et les conditions tarifaires selon le volume. Aucun prix unitaire public n’accompagne cette offre. Pour une intégration dans une chaîne de production automatisée, ces modalités restent donc à obtenir avant de chiffrer le coût des corrections.