# WaveNet

Éditeur : Google (États-Unis). Poids fermés (selon Artificial Analysis).

En bref : 87e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 6 modèles que la marge d'erreur ne permet pas de séparer.

Page : https://quelleia.com/voix/modeles/google-wavenet/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Voix de synthèse de Google Cloud Text-to-Speech produites par les modèles WaveNet de DeepMind, entraînés sur des enregistrements bruts de voix humaines. Google les a lancées avec le service Cloud Text-to-Speech en 2018 et les classe parmi ses voix généralistes. (lu sur https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types, https://cloud.google.com/blog/products/gcp/introducing-cloud-text-to-speech-powered-by-deepmind-wavenet-technology)

- Sortie : 28 mars 2018 (lu sur la page de l'éditeur, https://cloud.google.com/blog/products/gcp/introducing-cloud-text-to-speech-powered-by-deepmind-wavenet-technology)

## Langues

- Annoncées par l'éditeur : liste de langues publiée par Google, dont le français.
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types

## Ses classements

- Synthèse vocale en anglais, Artificial Analysis : 87e sur 96, Elo 918 (intervalle à 95 % : 906 à 930), 6 306 votes ; prix : 4 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/google (relevé du 19 octobre 2026).

## Modèles proches

- Synthèse vocale en anglais, Artificial Analysis : [Kugel 3](https://quelleia.com/voix/modeles/kugel-3/), 86e (931), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [XTTS v2](https://quelleia.com/voix/modeles/coqui-xtts-v2/), 88e (917), juste derrière

## Comment lire ces chiffres

- Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

## Noms dans les sources

- Artificial Analysis : WaveNet

## Liens

- Page de l'éditeur : https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types
- L'essayer : https://cloud.google.com/text-to-speech

## Pages lues

- https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types (« WaveNet models have been trained using raw audio samples of actual humans speaking. »), 17/10/2026
- https://cloud.google.com/blog/products/gcp/introducing-cloud-text-to-speech-powered-by-deepmind-wavenet-technology (« Introducing Cloud Text-to-Speech powered by DeepMind WaveNet technology March 28, 2018 »), 17/10/2026
- https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types (« WaveNet General purpose »), 17/10/2026
- https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types (« French (France) Premium fr-FR fr-FR-Wavenet-F FEMALE »), 17/10/2026