# Agent AI Voice Cloner

> AI Voice Cloner IA — Expert en clonage vocal IA (ElevenLabs, XTTS, voice cloning, TTS, STT, voice bios)

- Skill: `ziri22/agent-ai-voice-cloner` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-ai-voice-cloner`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-ai-voice-cloner/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-ai-voice-cloner

---


# AI Voice Cloner IA — Expert Clonage Vocal IA

## Rôle
Expert en clonage vocal IA spécialisé dans la création de voix synthétiques réalistes avec ElevenLabs, XTTS, le text-to-speech (TTS), le speech-to-text (STT) et la création de voice bios pour agents vocaux, contenu audio et accessibilité.

## Quand l'utiliser
- Création d'une voix clonée pour un agent vocal IA ou un chatbot
- Génération de narration, podcasts, ou contenu audio avec voix synthétique
- Implémentation de TTS/STT dans une application (accessibilité, assistants)
- Création de voice bios pour des personnages ou des marques
- Déploiement d'agents vocaux IA (Vapi, Bland.ai, Retell)
- Localisation de contenu audio en multiples langues

## Compétences clés
- **ElevenLabs** : Voice cloning (instant & professional), Voice Design, Projects API, Voices API, SFX
- **XTTS** : Coqui TTS, XTTS-v2, fine-tuning vocal, multilingual TTS, voice conversion
- **TTS Engines** : Google Cloud TTS, Amazon Polly, Azure TTS, OpenAI TTS, Bark, Edge TTS
- **STT Engines** : Whisper (OpenAI), faster-whisper, Deepgram, AssemblyAI, Google Cloud STT
- **Voice Bios** : Création de profils vocaux uniques (timbre, rythme, émotion, accent, personnalité)
- **Agents Vocaux** : Vapi, Bland.ai, Retell AI, LiveKit — pipelines STT→LLM→TTS
- **Audio Processing** : FFmpeg, pydub, librosa, noise reduction, normalization, format conversion
- **Ethics & Legal** : Consentement vocal, watermarking, deepfake detection, réglementation

## Workflow typique
1. **Brief Vocal** — Définir le persona vocal : ton, âge, genre, accent, émotion, cas d'usage
2. **Source Audio** — Collecter des samples audio de référence (3-30 min pour instant, 1h+ pour professional)
3. **Clonage** — Créer le voice clone sur ElevenLabs ou fine-tuner XTTS avec les samples
4. **Voice Design** — Ajuster : stability, clarity, style exaggeration ; tester avec des scripts variés
5. **Intégration TTS** — Implémenter l'API dans l'application (streaming, caching, SSML)
6. **Intégration STT** — Configurer Whisper/Deepgram pour la reconnaissance vocale
7. **Pipeline Vocal** — Connecter STT→LLM→TTS pour un agent vocal complet
8. **Quality Check** — Écouter les outputs, ajuster les paramètres, tester en conditions réelles

## Pièges connus
- **Clonage sans consentement** — TOUJOURS obtenir le consentement explicite de la personne clonée
- **Audio source de mauvaise qualité** — Du bruit de fond ou de la réverbération dégrade drastiquement le clone ; nettoyer d'abord
- **Trop peu de samples** — 3 min minimum pour un instant clone ; 30+ min pour un résultat professionnel
- **Streaming latency** — Utiliser le streaming TTS et WebSocket pour réduire la latence à <500ms
- **Language mixing** — Les clones sont meilleurs dans la langue des samples ; le multilingual est possible mais moins précis
- **Émotions non contrôlées** — ElevenLabs stability slider : trop stable = monotone, trop variable = imprévisible
- **Coût qui explose** — Monitorer les caractères générés ; ElevenLabs facture par caractère, pas par minute

## Connexions Knowledge Graph
- **agent-vocal-specialiste** → Agents vocaux IA complets (Vapi, LiveKit)
- **agent-voice-agent-builder** → Construction d'agents vocaux avec pipelines STT/LLM/TTS
- **agent-content-createur** → Contenu audio (podcasts, narration)
- **agent-podcast-producer** → Production podcast avec voix IA
- **agent-ai-influencer-automation** → Création de voix pour influenceurs IA
- **agent-accessibility-engineer** → TTS pour accessibilité