LOVO AI (Genny)

LOVO AI est une entreprise de génération de voix par IA basée à Los Angeles qui commercialise son produit sous le nom de Genny : un studio sur navigateur où la synthèse vocale (text-to-speech), le clonage vocal, l'édition vidéo, les sous-titres automatiques et la rédaction de scripts par IA sont réunis dans un seul espace de travail. Fondée en 2019 par Charlie Choi et Tom Lee, l'entreprise a levé 4,5 millions de dollars lors d'un tour de table pré-série A en août 2021 mené par Kakao Entertainment et LG CNS, et s'est développée pour servir plus de 2 millions de professionnels. L'argument principal est simple : au lieu de générer l'audio dans un outil, de monter la vidéo dans un autre et d'écrire les scripts dans un troisième, Genny gère les trois, ce qui élimine les frictions liées aux transferts de fichiers qui ralentissent les créateurs solos et les petites équipes de production.

La bibliothèque vocale compte plus de 500 voix IA couvrant plus de 100 langues et plus de 30 styles émotionnels, avec les droits d'utilisation commerciale inclus dans chaque forfait payant. Le clonage vocal fonctionne à partir d'une minute d'enregistrement audio seulement. Le lancement des voix Pro V2 en mai 2025 a ajouté la direction en langage naturel : placez vos instructions entre crochets directement dans votre script (par exemple [parlez chaleureusement, comme pour rassurer un client nerveux]) et le modèle ajuste son interprétation en conséquence, couvrant l'émotion, le rythme, l'accent et les signaux non verbaux comme les rires. L'éditeur vidéo intégré de Genny utilise une disposition en timeline avec des pistes pour la voix, la vidéo et la musique, extrait des médias libres de droits depuis Pixabay et Unsplash, et génère automatiquement des sous-titres dans plus de 20 langues. Une API développeur est disponible à $0.03 pour 1 000 caractères pour les équipes souhaitant intégrer la synthèse vocale (TTS) dans leurs propres produits.

Ce que Genny produit mi-2026

Le moteur TTS de Genny propose actuellement deux modes vocaux. Les voix Standard couvrent la bibliothèque de plus de 500 voix avec des accents régionaux, une variété de genres et des balises d'émotion prédéfinies. Les voix Pro V2, lancées le 23 mai 2025, acceptent des directives en langage naturel sous forme libre directement dans le script, plutôt que de nécessiter des curseurs de paramètres séparés. Le modèle peut interpréter des commandes pour l'embarras, l'urgence, le chuchotement, les sanglots ou des directions de personnages complexes, et génère plusieurs prises pour que les monteurs puissent choisir la meilleure lecture. La couverture linguistique atteint plus de 100 langues dans plus de 30 pays, les voix anglaises obtenant les meilleures notes de qualité de la part des évaluateurs, tandis que certaines voix non anglaises présentent encore une qualité synthétique détectable à ce stade.

L'éditeur vidéo intégré à Genny utilise une timeline multipiste standard : une piste pour la voix off générée, une pour la vidéo d'arrière-plan ou les enregistrements d'écran, et une pour la musique. La génération de sous-titres est automatique et s'exporte aux formats SRT ou incrustés. Le rédacteur de scripts par IA accepte un prompt indiquant le sujet et la longueur, et renvoie un brouillon structuré que vous pouvez coller directement dans l'éditeur TTS. Un générateur d'art par IA est inclus, produisant des visuels d'arrière-plan pour les projets vidéo sans quitter l'onglet du navigateur. Les exportations vont jusqu'à 1080p pour la vidéo ; l'audio s'exporte en WAV et MP3. La vitesse de rendu dépend du cloud et les évaluateurs notent que les vidéos 1080p de 10 minutes peuvent prendre 10 à 15 minutes pendant les heures de pointe.

"Les contrôles d'émotion étaient meilleurs que ce à quoi je m'attendais. J'ai utilisé les tons 'chaleureux' et 'professionnel' pour des vidéos de formation et les résultats étaient solides pour ce cas d'usage." - évaluateur, FahimAI.com, février 2026

Où se situe Genny par rapport à ElevenLabs et Murf

Ces trois outils partagent la catégorie de la génération de voix par IA mais servent des flux de travail principaux différents, et les différences mécaniques sont importantes avant de faire votre choix.

ElevenLabs est le leader en matière de qualité vocale. Son modèle Eleven v3 produit des discours que les évaluateurs considèrent systématiquement comme plus humains que ceux de Genny, avec une meilleure gestion des nuances émotionnelles et des schémas de respiration naturels. La différence structurelle critique réside dans la portée : ElevenLabs est uniquement un outil vocal et audio. Il n'a pas d'éditeur vidéo, pas de générateur de sous-titres et pas de rédacteur de scripts. Sa fonction de doublage couvre 29 langues avec synchronisation labiale (lip-sync), ce que Genny ne propose pas du tout. Le clonage vocal sur ElevenLabs commence avec le forfait Starter ($5/mois) ; sur Genny, il nécessite le forfait Basic à $25/mois ou plus. Pour un créateur dont le flux de travail est uniquement audio, ElevenLabs offre une meilleure fidélité à un prix d'entrée inférieur. Pour quelqu'un qui crée des vidéos YouTube sans visage (faceless), l'édition intégrée de Genny justifie le surcoût car elle élimine le besoin d'un outil vidéo séparé dans la stack.

Murf occupe un créneau différent. Il cible les cas d'usage des présentations d'entreprise et commerciales, avec une intégration poussée à Google Slides, des curseurs de contrôle de la hauteur (pitch) et une bibliothèque vocale optimisée pour la clarté professionnelle plutôt que pour l'expressivité des créateurs. Le nombre de voix de Murf s'élève à plus de 120 dans 20 langues, contre plus de 500 dans plus de 100 langues pour Genny. Murf n'a pas d'éditeur vidéo avec timeline ; son rendu est un audio intégré pour les diapositives et les documents. La distinction fondamentale est la suivante : Murf pour la formation interne en entreprise et la narration de diapositives, Genny pour le contenu de créateurs externes qui doit être livré sous forme de vidéo finalisée. Il est également intéressant de comparer : PlayHT et WellSaid Labs offrent tous deux de solides alternatives uniquement TTS pour les équipes qui souhaitent un accès API sans les outils vidéo inclus.

La réalité des licences et des droits d'auteur

En mai 2024, les acteurs vocaux Paul Skye Lehrman et Linnea Sage ont intenté un recours collectif fédéral contre LOVO Inc. à Manhattan (affaire n° 1:24-cv-03770). La plainte alléguait qu'en 2019 et 2020, des employés de LOVO les avaient embauchés via Fiverr sous prétexte que les enregistrements étaient destinés uniquement à la "recherche interne", puis avaient utilisé ces enregistrements pour entraîner le moteur vocal de Genny et cloné leurs voix pour des produits commerciaux : la voix de Lehrman a été commercialisée sous le nom de "Kyle Snow", celle de Sage sous le nom de "Sally Coleman". LOVO a déposé une requête en rejet, qualifiant la plainte d'approche "fourre-tout". Fin 2025, le tribunal a autorisé la plainte directe pour violation de droits d'auteur de Sage concernant l'utilisation par LOVO de son enregistrement réel dans des présentations aux investisseurs et des vidéos YouTube, estimant que cette utilisation dépassait la portée de la licence Fiverr. Les réclamations plus larges du recours collectif sont en cours. L'affaire représente l'une des premières plaintes pour droit à l'image contre une entreprise de voix par IA à survivre en partie à une requête en rejet, et elle met en évidence l'exposition juridique que le secteur de la voix par IA porte autour de l'approvisionnement des données d'entraînement.

Pour les utilisateurs, la situation pratique des licences est plus claire : tous les forfaits payants de Genny incluent les droits commerciaux sur l'audio et la vidéo générés, ce qui signifie que vous pouvez publier du contenu YouTube financé par la publicité ou utiliser le rendu dans des projets clients rémunérés. Les conditions de l'API accordent également une utilisation commerciale au tarif de facturation par caractère. LOVO ne fournit pas d'informations d'identification de contenu (content credentials) ni de filigrane par défaut, il n'y a donc pas de mécanisme de divulgation intégré si vous devez indiquer un audio généré par l'IA aux publics ou aux plateformes qui l'exigent.

Là où Genny montre régulièrement ses limites

La plainte la plus documentée sur Trustpilot, Capterra et les sites d'évaluation est l'instabilité de la bibliothèque vocale. Des voix sont retirées de la bibliothèque sans préavis, sans explication et sans avertissement pour les utilisateurs qui ont déjà construit des projets autour d'elles. Une équipe de production qui enregistre une série de podcasts de 20 épisodes en utilisant une voix spécifique peut découvrir que cette voix a disparu à l'épisode 10, nécessitant soit de reconstruire le flux de travail, soit de renégocier le livrable avec le client. Ce n'est pas une hypothèse : plusieurs évaluateurs sur Capterra en 2024 et 2025 ont décrit exactement ce scénario en détail.

"Ils SUPPRIMENT des voix sans avertissement, sans aucune explication et sans la moindre excuse. Nous utilisons des voix pour des personnages spécifiques dans nos études de cas, mais ensuite Lovo supprime les voix." - évaluateur vérifié, Capterra, 2024

Trustpilot aggrave ce tableau. LOVO détient une note globale de 2,3 étoiles bien que 69 % des évaluateurs aient donné cinq étoiles, ce qui indique une longue traîne de plaintes sérieuses tirant fortement la moyenne vers le bas. Le cas documenté le plus grave début 2026 impliquait un utilisateur qui avait payé $449.86 pour un abonnement Lifetime Pro en janvier 2025, a été silencieusement rétrogradé au forfait gratuit fin avril 2026 sans préavis, n'a reçu aucune réponse à ses demandes d'assistance et a finalement déposé une plainte officielle auprès de la Federal Trade Commission des États-Unis (Rapport FTC #201182578). Le résumé de l'utilisateur : "Si vous envisagez un forfait à vie (Lifetime) avec LOVO, réfléchissez-y à deux fois. 'À vie' a apparemment une date d'expiration."

D'autres tendances méritent d'être notées : le report de crédits n'existe pas, ce qui signifie que les minutes non utilisées expirent à la fin de chaque période de facturation plutôt que d'être reportées. La qualité des voix non anglaises est inconstante, les accents régionaux mexicains espagnols étant spécifiquement signalés comme sonnant de manière robotique par rapport à la bibliothèque anglaise. Les files d'attente de rendu pendant les heures de pointe ajoutent une latence qui brise les flux de travail créatifs en temps réel. Les temps de réponse du support client sont en moyenne d'une à deux semaines selon plusieurs témoignages d'évaluateurs, ce qui est lent par rapport aux accords de niveau de service (SLA) de support annoncés par des concurrents comme ElevenLabs et Murf.

À qui s'adresse Genny

Genny gagne le plus clairement sa place auprès des créateurs solos qui construisent des chaînes YouTube sans visage, du contenu TikTok ou des modules d'e-learning, où l'avantage en termes de flux de travail d'avoir le script, la voix, la vidéo et les sous-titres dans un seul onglet de navigateur l'emporte sur l'écart de qualité par rapport à ElevenLabs. Un créateur qui paierait autrement pour Descript ou CapCut séparément, puis exporterait l'audio vers un outil TTS distinct, économise un temps précieux et des coûts d'abonnement en consolidant le tout dans Genny. Les chaînes d'automatisation YouTube, en particulier, citent souvent Genny comme leur principal outil de production car le rédacteur IA gère le script, le TTS gère la narration et l'éditeur vidéo gère l'assemblage sans avoir à changer d'application.

L'API à $0.03 pour 1 000 caractères est compétitive pour les développeurs qui souhaitent une large couverture linguistique et n'ont pas besoin du réalisme de niveau ElevenLabs. À environ 10 fois moins cher qu'ElevenLabs par caractère (selon la propre comparaison marketing de LOVO), elle convient aux scénarios de volume de production tels que la localisation en masse ou les descriptions de produits générées automatiquement dans plus de 100 langues, où les coûts par caractère importent plus que les subtiles différences de qualité vocale.

Évitez Genny si votre cas d'usage dépend de la disponibilité d'une voix spécifique dans six mois : le problème de stabilité de la bibliothèque est réel et documenté. Évitez-le pour la production de podcasts professionnels où le réalisme de la voix doit être indiscernable d'un enregistrement humain ; ElevenLabs est l'outil approprié pour ce niveau. Évitez-le si votre budget commence à zéro : l'essai de 14 jours avec 20 minutes de génération n'est pas suffisant pour valider un flux de travail à long terme, et il n'y a pas de forfait gratuit permanent une fois l'essai terminé. Les agences de marketing gérant plusieurs comptes clients actifs devraient également prendre en compte le délai de réponse du support client avant de s'engager avec Genny comme dépendance de production.

Pour les équipes comparant des options plus larges dans l'espace vocal de l'IA, PlayHT offre une solide alternative axée sur l'API, et WellSaid Labs mérite d'être évalué pour la cohérence vocale de niveau entreprise et les besoins de conformité.