Comparatif

CastDub comme alternative à PlayHT pour les dialogues écrits

La documentation de PlayHT décrit un modèle fait pour la conversation, que l'on atteint par une interface de programmation. CastDub est un endroit où l'on s'assoit pour monter une scène. Cette page demande lequel des deux vous est nécessaire — et c'est surtout une question de savoir si vous écrivez du code.

Vérifié le:

Nous sommes en concurrence avec PlayHT : suivez les liens. Une précision inhabituelle d'abord : le 2026-09-21, play.ht a refusé net notre outil de lecture — la connexion s'est fermée sur leur page de tarifs comme sur leur page d'accueil, trois tentatives. Cette page ne contient donc aucun prix PlayHT, aucune condition de palier gratuit et aucune clause d'usage commercial. Tout ce qui suit vient de docs.play.ht, qui a bien répondu.

Cette limite mérite d'être dite haut et fort, car la question la plus fréquente sur n'importe quel outil est son prix, et sur cette page nous ne pouvons pas y répondre pour eux.

Ce que nous avons pu vérifier

 CastDubPlayHTElevenLabs
Plusieurs personnages depuis un script collé ?Oui, et c'est tout le produit : vous collez un script, CastDub sépare les répliques, détermine qui parle et donne à chaque personnage l'un des 40 personnages de la bibliothèque. Jusqu'à 10 voix de base distinctes dans un même projet.PlayDialog est « a more advanced model that can generate turn-based dialogues with multiple voices », via l'interface. (source)« There is no limit to the number of speakers in a dialogue » (Text to Dialogue, Eleven v3). (source)
Éditeur ou interface de programmation ?Un éditeur web. Coller, distribuer, diriger, exporter. Il n'existe pas d'interface publique pour les scripts.Documenté comme une interface avec des moteurs de voix, des limitations de débit et des conseils de latence. (source)Les deux : une interface et l'éditeur Studio. (source)
Direction de l'émotionRéplique par réplique avec Pro ; dans toutes les formules, chaque personnage porte une émotion par défaut. 7 émotions, réellement jouées sur la réplique et non plaquées après coup par un effet.PlayDialog utilise un « Adaptive Speech Contextualizer » pour « control prosody, intonation, emotion and pacing » ; des étiquettes d'émotion par réplique ne sont pas indiquées. (source)Des balises entre crochets comme [sad] dans le texte. (source)
Langues9 : anglais, chinois, japonais, coréen, espagnol, portugais, français, allemand, russe. Chaque voix de base les parle toutes. Hors anglais, les accents régionaux ne se choisissent pas, et nous ne les promettons pas.Play 3.0 Mini « Supports 36 languages » ; PlayHT 2.0 Turbo est « English only » ; le multilingue de PlayDialog est marqué « Beta » ; PlayDialog Turbo chez Groq : « Only two language options are supported: english and arabic ». (source)« 74 » langues affichées en face des paliers payants. (source)
Cloner sa propre voix ?Votre propre voix uniquement : vous lisez à voix haute une courte déclaration de consentement, et cet enregistrement devient la voix, jusqu'à 3 par compte. Elle lit des répliques dans les 9 langues et suit la vitesse ; les émotions et les indications de jeu ne s'y appliquent pas.« You can clone any voice instantly across languages with only 30 seconds of speech ». (source)Clonage instantané à partir de Starter ; clonage professionnel à partir de Creator (ElevenLabs). (source)
Prix et palier gratuit$5 par mois pour Basic, une fois le paiement activé. Rien n'est facturé pendant la bêta ouverte, période durant laquelle chaque compte tourne avec les fonctions de Pro. Palier gratuit : Oui : 4,500 crédits de téléchargement à vie, en une seule fois (environ 5 minutes d'audio anglais fini), 30 répliques synthétisées par 24 heures, 2 personnages par projet. Générer et écouter ne coûte de crédits dans aucune formule.Non vérifié. play.ht a fermé la connexion à notre outil de lecture le 2026-09-21 : nous n'avons donc ni prix ni conditions de palier gratuit issus de leur propre site.Free $0 avec 10k credits par mois ; Starter $6 ; Creator $11 ; Pro $99 ; Scale $299 ; Business $990 (ElevenLabs). (source)
Un fichier audio par personnage (pistes séparées) ?Pro uniquement : un ZIP contenant le mixage et, par personnage, un MP3 de la durée complète.Sans objet au même sens : une interface renvoie l'audio demandé à chaque appel, et l'assemblage vous revient. (source)Ce n'est pas indiqué ; les téléchargements Studio sont « MP3 or WAV ». (source)
Sous-titres ?Plus et Pro : un fichier SRT, dont l'export ne coûte aucun crédit.Non indiqué sur les pages de documentation que nous avons lues. (source)Sous-titres automatiques dans Studio ; un fichier SRT n'est pas indiqué. (source)

Vérifié le 2026-09-21. play.ht lui-même n'a pas voulu servir notre outil de lecture : chaque ligne PlayHT vient donc de docs.play.ht, qui a répondu.

De ce fait, cette page ne contient aucun prix PlayHT, aucune limite de palier gratuit et aucune clause commerciale. Lisez-les sur leur propre site avant de décider quoi que ce soit.

La colonne CastDub est interpolée à la construction de la page depuis les définitions de formules du produit.

Peut-il faire parler plusieurs personnages dans un même script ?

Les deux, mais à des altitudes différentes. La documentation des modèles de PlayHT décrit PlayDialog comme « PlayHT's latest voice model built for fluid, emotive conversation » et « a more advanced model that can generate turn-based dialogues with multiple voices ». C'est une vraie capacité multi-locuteurs, la plus proche de ce que nous faisons sur cette page — exprimée comme un modèle qu'on appelle plutôt que comme une pièce où l'on travaille.

CastDub est la pièce. Vous collez un script, il sépare les répliques, crée un personnage par locuteur et le distribue depuis 40 rôles de bibliothèque ; ensuite vous vous installez avec la scène : régénérer une réplique, changer l'émotion par défaut d'un personnage, réordonner, exporter. Rien dans cette boucle ne réclame une clé d'accès ni un programme à vous.

La vraie question n'est donc pas lequel produit du dialogue — les deux le font — mais si vous voulez une brique ou un établi. Si vous branchez de la voix dans votre propre produit, un modèle avec interface est le bon choix et un éditeur vous gêne.

Comment l'émotion est-elle pilotée ?

De leur côté, largement en automatique et avec finesse. La même documentation crédite PlayDialog d'une capacité émotionnelle « state-of-the-art » et d'un « Adaptive Speech Contextualizer » servant à « control prosody, intonation, emotion and pacing » : le modèle lit donc le contexte de la conversation et décide de l'interprétation. Des étiquettes d'émotion réplique par réplique ne sont pas indiquées sur les pages que nous avons lues.

Du nôtre, explicitement : 7 émotions, une valeur par défaut par personnage dans toutes les formules et un remplacement réplique par réplique avec Pro, plus un débit à cinq crans avec les formules Plus et Pro. Chaque réplique est jouée selon son indication plutôt que filtrée après coup.

Il y a là un échange facile à manquer. Une interprétation contextuelle est en général meilleure sur toute une conversation, parce que le modèle a entendu le tour de parole précédent. Une indication explicite est meilleure sur la réplique qui doit rompre avec le motif : la blague qui tombe à plat volontairement, l'aveu qui devient murmure. Si l'essentiel de votre travail est du premier type, leur approche produira peut-être simplement de meilleures scènes avec moins d'efforts.

Quelles langues ?

Leur documentation est précise modèle par modèle, et les chiffres varient beaucoup : Play 3.0 Mini « Supports 36 languages » ; PlayHT 2.0 Turbo est listé « English only » ; le multilingue de PlayDialog est marqué « Beta » dans leur tableau ; et pour PlayDialog Turbo hébergé chez Groq, « Only two language options are supported: english and arabic ».

À lire deux fois si vous produisez ailleurs qu'en anglais, car le modèle multi-locuteurs et la large liste de langues ne sont pas le même modèle. Chez nous, ce piège n'existe pas : les 10 voix de base parlent toutes les 9 — anglais, chinois, japonais, coréen, espagnol, portugais, français, allemand, russe — et chaque fonction se comporte pareil dans chacune.

Ce que nous n'offrons pas, c'est le choix d'un accent régional hors anglais, ni la moindre promesse de qualité validée par des natifs. Collez vos propres répliques et écoutez : c'est le seul test qui tranche.

Puis-je cloner ma propre voix ?

Chez eux, oui : leur documentation indique que l'on « can clone any voice instantly across languages with only 30 seconds of speech ». Trente secondes, c'est un seuil bas, et cloner d'une langue à l'autre est une vraie capacité.

Chez nous, oui, mais seulement la vôtre. Le seul enregistrement que nous acceptons, c'est vous lisant à voix haute une courte déclaration de consentement, et cet enregistrement est la voix : pas de personnalités publiques, jamais de mineur, jamais personne d'autre. Elle lit des répliques dans n'importe laquelle de nos 9 langues et suit la vitesse ; les émotions et les indications de jeu ne s'y appliquent pas.

Comme sur chaque page de cette famille, c'est un départage net : si votre production dépend d'une voix réelle précise qui n'est pas la vôtre, ou d'un clone qui joue, utilisez un outil construit autour du clonage.

Qu'obtient-on à la fin ?

De nous : un MP3 mixé dans toutes les formules, un SRT avec Plus et Pro sans coût en crédits, et avec Pro un ZIP contenant le mixage et un MP3 de durée complète par personnage pour la séance de mixage. Pas de WAV — une vraie limite si vous livrez selon un cahier des charges.

D'une interface de programmation, ce qui sort est ce que vous avez demandé : des octets audio par requête, l'assemblage — les silences entre les répliques, la synchronisation, le fichier de sous-titres — restant à votre charge. Leur documentation signale une limite à prévoir sur le moteur Turbo et des limitations de débit qui « depend on the API you are using and the plan ». Rien de tout cela n'est un reproche : c'est ce qu'est une interface. Mais cela veut dire que la comparaison oppose en réalité notre après-midi de clics à votre après-midi de plomberie.

Notre modèle de crédits peut compter ici aussi : les crédits ne partent qu'au téléchargement, pas à la génération ni à l'écoute, avec à la place un plafond quotidien de synthèse (30 répliques sur Free, 2,000 sur Pro). Expérimenter n'est pas décompté.

Quand choisir PlayHT plutôt que nous

Quand vous construisez un logiciel. Si la voix est une fonction de votre propre produit — un agent, un jeu, une application de lecture —, il vous faut une interface et un modèle, et un éditeur web a une forme totalement inadaptée. Leur modèle de dialogue est documenté exactement pour cela.

Quand il vous faut du clonage davantage que votre propre voix qui lit des répliques, avec leur clone instantané à partir de trente secondes. Quand il vous faut l'une des 36 langues de Play 3.0 Mini que nous n'avons pas, en gardant en tête quel modèle reçoit quelles langues. Et quand la latence compte : leur documentation lui consacre une page, ce qui vous dit pour quel genre de client ils conçoivent.

Prenez-nous quand c'est une personne, et non un programme, qui s'installe avec un script : plusieurs locuteurs, des répliques à remonter, et à la fin des pistes séparées et des sous-titres sans écrire une ligne de code.

Comment cette page a été écrite

Nous sommes un concurrent et cette page est écrite par nous : la seule chose qui la rende digne de votre temps, c'est qu'elle soit vérifiable. Chaque affirmation sur PlayHT ci-dessus est citée de docs.play.ht, lue le 2026-09-21, avec le lien à côté.

Trois sujets entiers manquent ici — le prix, les limites du palier gratuit, les clauses commerciales — parce que play.ht nous a fermé la connexion. Nous aurions pu prendre ces chiffres sur une douzaine de sites de tests. Nous ne l'avons pas fait, parce qu'une page qui mélange des citations vérifiées et des chiffres de seconde main inspire moins confiance qu'une page qui admet un trou, et parce que les prix relevés par ces sites pour ce produit se contredisent entre eux.

Nous n'avançons rien sur les voix qui sonneraient le mieux, et nous n'avons mis aucune croix là où nous avons simplement échoué à trouver quelque chose. Là où leur capacité est réellement supérieure — un modèle de dialogue documenté, un clonage en trente secondes, 36 langues sur l'un de leurs moteurs —, elle est rapportée dans leurs mots, sans être rabaissée.

Notre colonne est produite depuis le code des formules sur lequel tourne le produit : elle ne peut pas glisser vers la flatterie.

D'où vient chaque information

Toutes les lignes ci-dessus qui décrivent un autre produit viennent de ces pages. Ouvrez-les vous-même : les éditeurs changent leurs offres sans prévenir personne, nous compris.

  • PlayHT — Voice engines documentation — PlayDialog « can generate turn-based dialogues with multiple voices » et utilise un « Adaptive Speech Contextualizer » pour « prosody, intonation, emotion and pacing » ; Play 3.0 Mini « Supports 36 languages » ; PlayHT 2.0 Turbo « English only » ; multilingue de PlayDialog marqué Beta.
  • PlayHT — Dialog Turbo on Groq — « Only two language options are supported: english and arabic. »
  • PlayHT — Documentation home — « You can clone any voice instantly across languages with only 30 seconds of speech » ; PlayDialog listé comme moteur de voix.
  • PlayHT — Rate limits — « our APIs are rate-limited. The specific limits depend on the API you are using and the plan ».
  • PlayHT — Pricing — Connexion fermée à notre outil de lecture le 2026-09-21 ; aucun prix ni clause de formule n'en a été tiré.
  • ElevenLabs — Pricing — Prix des formules et crédits ; paliers de clonage ; 74 langues (ElevenLabs).
  • ElevenLabs — Text to Dialogue documentation — Aucune limite au nombre de locuteurs dans un dialogue ; des balises entre crochets pilotent l'interprétation.

Questions fréquentes

Pourquoi cette page ne donne-t-elle pas les prix de PlayHT ?

Parce que leur site n'a pas servi notre outil de lecture le 2026-09-21 : trois tentatives, connexion fermée à chaque fois. Tous les faits ici viennent de leur documentation, qui a répondu. Allez voir directement leur page de tarifs ; nous ajouterons les chiffres dès que nous pourrons les lire sur leur propre page.

PlayDialog, est-ce la même chose que la distribution de CastDub ?

Non, et la différence est la couche. PlayDialog est un modèle documenté comme produisant des « turn-based dialogues with multiple voices » via une interface ; CastDub est un éditeur qui prend un script collé en entier, crée des personnages, les distribue depuis 40 rôles de bibliothèque et vous laisse remonter des répliques une par une sans écrire de code.

CastDub a-t-il une interface de programmation ?

Aucune interface publique pour produire des scripts. S'il vous faut générer du dialogue depuis votre propre logiciel, un fournisseur pensé pour l'interface est la bonne forme et nous ne sommes pas candidats.

Combien de voix une scène peut-elle utiliser ?

10 voix de base distinctes (4 féminines, 5 masculines, 1 neutre). Au-delà, des personnages partagent une voix et ne se distinguent que par l'indication de jeu : prévoyez vos grandes scènes d'ensemble en conséquence.

Quelles langues CastDub prend-il en charge ?

9 : anglais, chinois, japonais, coréen, espagnol, portugais, français, allemand et russe, chaque voix de base les parlant toutes. Hors anglais, les accents régionaux ne se choisissent pas et nous ne les promettons pas.

Puis-je obtenir des pistes séparées pour le mixage ?

Avec Pro : un ZIP contenant le mixage et un MP3 de durée complète par personnage, plus un SRT. Avec Plus et Pro, vous avez les sous-titres et un seul MP3 mixé. Tout est en MP3 : il n'y a pas d'export WAV.

Distribuez votre première scène ce soir

Collez un script, laissez CastDub donner sa voix à chaque personnage, et exportez une fiction sonore finie.

Créer gratuitement

Sans carte bancaire. Free vous donne une réserve unique de crédits.