Enregistrez, fredonnez ou téléversez une ligne vocale dans le navigateur, choisissez un instrument et récupérez une piste téléchargeable. L’accès repose sur des crédits mensuels, cinq crédits par conversion.
Vous avez utilisé cet outil ? Notez-le
Vous avez utilisé cet outil ? Notez-le
Service audio par IA fonctionnant dans le navigateur, il transforme un enregistrement vocal chanté, fredonné ou téléversé en interprétation instrumentale. Selon la description publiée, le modèle extrait la mélodie, la hauteur, le rythme et les nuances de la voix, puis génère une piste entièrement nouvelle avec le timbre et la texture de l’instrument choisi ; le résultat suit la ligne vocale note par note. Rien ne s’installe, et une première conversion peut être essayée sans créer de compte.
Le convertisseur s’inscrit dans une suite audio plus large publiée sur le même domaine : génération musicale, écriture de chansons et de paroles, reprises, séparation de pistes, suppression de voix, karaoké, effets sonores, mastering et analyse rythmique. Cette étendue compte pour juger les formules : un unique solde de crédits est consommé par l’ensemble de ces outils au lieu d’être réservé à la conversion instrumentale.
Une réserve mérite d’être posée d’emblée : les pages publiques se contredisent sur deux chiffres qui pèsent sur une décision d’achat, le nombre d’instruments et la taille maximale d’un fichier téléversé. Ces contradictions sont documentées plus bas et expliquent pourquoi plusieurs valeurs apparaissent ici comme un écart entre pages.
Le comportement annoncé relève du remplacement de timbre, non de la génération d’accompagnement : chaque note, chaque rythme et chaque nuance sont conservés, seul le timbre vocal cède la place à celui d’un instrument. L’éditeur présente ces modèles comme des réseaux de neurones entraînés sur des milliers d’heures d’interprétations instrumentales réelles, restituant la résonance, l’attaque et la tenue propres à chaque instrument.
Les guides par instrument détaillent la correspondance expressive. La page guitare décrit l’extraction de hauteur comme l’isolement du signal vocal du bruit de fond puis l’identification de chaque note chantée, tirés, vibrato et glissés compris : un glissé vocal devient un glissé de guitare ou un hammer-on, le vibrato de la voix se traduit par un vibrato de corde. Ce modèle aurait été entraîné sur des enregistrements de guitare professionnels couvrant le rock, le blues, le jazz et le classique.
La page d’accueil, le convertisseur et la FAQ annoncent plus de cent modèles : guitares acoustiques et électriques, piano à queue, violon, violoncelle, flûte, saxophone, trompette, clarinette, batterie, basse, ukulélé, harpe et sons de synthétiseur, la bibliothèque s’étoffant chaque mois. La page tarifaire décrit pourtant le même produit comme donnant accès à plus de treize modèles. Le pied de page publie exactement treize pages d’instruments — piano, guitare, violon, saxophone, batterie, flûte, violoncelle, trompette, basse, clarinette, piano électrique, vibraphone et hautbois — et l’extension énumère ces mêmes treize instruments.
L’enregistrement passe par le micro du navigateur, ou un fichier existant est déposé dans le convertisseur. La conversion aboutit en trente à soixante secondes pour la plupart des traitements, la durée dépendant de la longueur de l’extrait et de la charge des serveurs, les extraits de moins de trente secondes étant les plus rapides ; un autre passage revendique la conversion par lots sans attente entre les traitements. Le fichier final se télécharge en WAV sans perte ou en MP3 compressé, l’OGG et le FLAC figurant aussi parmi les formats d’export.
Les pistes générées s’ouvrent automatiquement dans le Studio complet, où se déroule le travail multipiste. L’accès au Studio est inclus dans toutes les formules payantes, mais l’export du mixage multipiste est retiré de la formule d’entrée et n’apparaît qu’au palier intermédiaire. La formule d’entrée regroupe aussi la génération de musique et de reprises, le téléchargement HD et un assistant nommé Lumi.
Les consignes d’enregistrement sont d’une précision inhabituelle et constituent ce qui ressemble le plus à un engagement de qualité ici. Un enregistrement clair d’une seule voix, sans bruit de fond, donne la meilleure conversion ; fredonnez à volume régulier, évitez chuchotement et cris, les nuances extrêmes réduisant la précision, et travaillez dans une pièce calme à une quinzaine de centimètres du micro. Les enregistrements au téléphone et les mémos vocaux suffisent pour la plupart des instruments, et les fichiers téléversés doivent être des voix sèches, sans accompagnement ni réverbération.
Un enregistrement se téléverse une seule fois puis se convertit autant de fois que voulu vers des instruments différents. La démarche documentée consiste à fredonner chaque partie séparément, à convertir ces prises en pistes de guitare, piano, basse et batterie, puis à les superposer en un arrangement complet. Comme chaque conversion coûte cinq crédits, la dépense progresse avec le nombre de parties et d’essais de timbre, pas avec la durée de la séance.
L’usage le plus concrètement documenté relève de la préproduction : une piste vocale de travail devient des versions piano, cordes, cuivres et synthétiseur côte à côte, permettant de choisir une direction avant de figer l’arrangement. Côté vidéo, l’argument avancé est que des pistes construites à partir de sa propre voix évitent les avertissements pour droits d’auteur, les réclamations d’identification de contenu et les coûts de licence.
La production de podcasts s’organise autour des génériques, des transitions et des nappes d’ambiance : quelques mélodies fredonnées deviennent un piano chaleureux ou une guitare douce. En pédagogie, l’élève chante dans un micro et entend aussitôt la même mélodie au violon, à la flûte ou au piano, ce qui fait de la comparaison de timbres un exercice en direct. Les développeurs de jeux et d’applications sont invités à fredonner un thème puis à le convertir vers des instruments d’orchestre ou des synthétiseurs, sans recruter de compositeur.
Le produit s’adresse à celles et ceux qui savent porter une mélodie avec la voix sans nécessairement jouer d’un instrument. La seule condition annoncée est de savoir fredonner ou chanter ; aucune connaissance en théorie musicale ni en production n’est réputée nécessaire, et les utilisateurs décrits incluent des auteurs-compositeurs, des créateurs de contenu et des amateurs sans formation musicale formelle. Les groupes cités sont les auteurs-compositeurs, les créateurs YouTube et TikTok, les producteurs, les créateurs de podcasts, les enseignants en musique et les développeurs de jeux.
L’adéquation est plus faible dans trois situations, qui découlent du comportement documenté. Qui a besoin de notes modifiables plutôt que d’un audio fini sera mal servi : la sortie est un rendu audio et aucun export MIDI n’est publié depuis le convertisseur. Qui part d’un mixage polyphonique plutôt que d’une voix isolée va à l’encontre des consignes d’entrée, qui réclament une voix sèche et unique. Enfin, tout flux exigeant des conditions de propriété réglées par écrit se heurte au vide décrit dans les limitations — une fiche d’annuaire tierce, promotionnelle et non une vérification indépendante, parvient à la même conclusion et désigne les usages sensibles aux droits comme le cas où les conditions de copyright, de propriété et de traitement des données doivent être claires en amont.
Le service fonctionne uniquement dans le navigateur. L’éditeur indique qu’il s’exécute entièrement dans un navigateur web sur n’importe quel appareil, sans logiciel à installer ni extension requise ; convertisseur, Studio et historique de création sont des pages web. Aucune application de bureau, application mobile, extension pour station audionumérique ni interface de programmation publique n’est publiée.
Une extension Chrome complémentaire est diffusée sur le Chrome Web Store sous le nom d’éditeur voicetoinstrument.com. C’est un lanceur, non un outil de traitement : entrée de menu contextuel sur tout contenu audio ou vidéo, fenêtre de barre d’outils listant les pages d’instruments, raccourci Alt+Shift+V (Option+Shift+V sur macOS), la conversion restant effectuée sur le site. Sa fiche précise qu’elle ne demande que l’autorisation contextMenus et qu’elle ne lit pas le contenu des pages, n’injecte pas de scripts, ne suit pas la navigation, n’émet aucune requête en arrière-plan et ne collecte pas de données, son code étant sous licence MIT. L’adoption reste modeste — cinquante-neuf utilisateurs et deux notes — de sorte que la note de cinq étoiles repose sur un échantillon bien trop faible pour constituer un signal de qualité.
Cette même fiche révèle la technologie sous-jacente : l’application web prend en charge la génération musicale reposant sur MiniMax et la conversion voix vers instrument de Kits AI. Le point compte pour ajuster ses attentes, car les limites d’un moteur sous licence ne coïncident pas toujours avec le discours commercial du site qui l’héberge.
L’accès repose sur des crédits. Trois formules d’abonnement sont publiées, chacune avec un prix mensuel et un tarif mensuel effectif plus bas en facturation annuelle, le sélecteur annuel affichant une économie de quinze pour cent. Une option de paiement à l’usage figure à côté des choix mensuel et annuel.
| Formule | Mensuel | Annuel (par mois) | Crédits par mois | Contenus notables |
|---|---|---|---|---|
| Starter | 19,9 $ | 14,9 $ | 100 | Studio multipiste, plus de 13 modèles d’instruments, génération de musique et de reprises, téléchargement HD, assistant Lumi |
| Creator | 49,9 $ | 39,9 $ | 350 | Tout Starter, plus l’export du mixage multipiste et l’assistance par e-mail ; crédit annoncé 28 % moins cher |
| Pro | 99,9 $ | 79,9 $ | 1 000 | Tout Creator, plus l’assistance prioritaire et l’accès anticipé aux nouveautés ; crédit annoncé 50 % moins cher |
Deux détails déterminent si ces montants conviennent à une charge donnée. Les crédits se renouvellent chaque mois et l’abonnement peut être résilié à tout moment, mais la page tarifaire n’indique jamais le coût d’une conversion : ce chiffre n’apparaît que dans le convertisseur, où un traitement est facturé cinq crédits. Sur cette base, la formule d’entrée couvre une vingtaine de conversions par mois, et comme les mêmes crédits alimentent les autres outils de la suite, le nombre réel diminue dès que plusieurs sont utilisés. Une fiche d’annuaire tierce, promotionnelle et non indépendante, a signalé la même lacune : le site n’explique pas publiquement la consommation de crédits par conversion.
Kits AI occupe une position singulière : la fiche de l’extension le désigne comme le moteur de conversion de ce produit alors qu’il est aussi vendu directement. Sa page instruments documente le même enchaînement — choisir un modèle, téléverser un fichier audio ou enregistrer au micro, récupérer des pistes instrumentales — et réclame explicitement un fichier vocal monophonique et net. Sa formulation de licence est plus directe que celle publiée ici : dès lors que l’audio converti vous appartient, les sorties sont libres de droits. Les formules payantes y démarrent à 14,99 $ par mois.
Basic Pitch, de Spotify, répond à une autre question. C’est un convertisseur audio vers MIDI gratuit et open source, doté de la détection des variations de hauteur, qui permet d’enregistrer une phrase fredonnée ou de déposer l’enregistrement d’un instrument seul, puis de télécharger le MIDI pour le corriger dans une station audionumérique. Là où ce produit renvoie un audio fini, Basic Pitch renvoie des notes modifiables sans timbre — le bon compromis quand la mélodie demande encore des retouches.
Le nombre d’instruments s’affiche à plus de cent sur la page d’accueil, dans le convertisseur et dans la FAQ, et à plus de treize sur la page tarifaire ; les treize pages d’instruments et les treize instruments cités par l’extension correspondent au chiffre le plus bas. La limite de téléversement est tout aussi partagée : le convertisseur accepte WAV, MP3, OGG, WebM et FLAC jusqu’à cinquante mégaoctets, la FAQ indique MP3, WAV, FLAC, OGG et M4A jusqu’à vingt mégaoctets, et certains outils du même site affichent un plafond de dix mégaoctets. Une fiche d’annuaire tierce aboutit à la même conclusion sur le nombre d’instruments. Elle signale aussi l’absence de déclarations publiques sur les formats, la durée d’entrée maximale et la qualité audio, ce qui ne correspond plus aux pages ci-dessus : observation ancienne, l’annuaire précisant que son contenu vient de pages publiques et peut être périmé. Tant que les pages ne s’accordent pas, retenir le chiffre le plus bas de chaque paire reste l’hypothèse la plus sûre.
La FAQ répond par l’affirmative à l’usage commercial : les pistes issues de vos propres enregistrements vocaux y sont qualifiées de libres de droits et utilisables dans des chansons, vidéos, podcasts, publicités et musiques de film sans licence supplémentaire, et la page d’accueil arbore un badge en ce sens. Les conditions générales, datées du 24 octobre 2025, ne comportent aucune cession équivalente : la section propriété intellectuelle couvre les modèles, le code, l’infrastructure et la documentation de la plateforme et précise que les utilisateurs conservent la propriété de leurs propres implémentations, mais aucune clause n’attribue de droits sur l’audio généré. Pour tout usage engageant contractuellement, la réponse commerciale et le document contraignant ne disent pas la même chose.
Les conditions précisent que tous les achats sont définitifs et non remboursables sauf obligation légale contraire, que les prix peuvent évoluer moyennant préavis et que l’accès peut être résilié ou suspendu à la seule discrétion de l’éditeur, sans préavis. Le service est fourni « en l’état » et « selon disponibilité », sans garantie d’exactitude, de fiabilité ou de disponibilité, et les litiges relèvent d’un arbitrage exécutoire. Avec le renouvellement mensuel des crédits, un solde inutilisé ne bénéficie d’aucun remboursement.
La FAQ affirme que les enregistrements vocaux sont traités sur les serveurs de l’éditeur puis définitivement supprimés une fois la conversion terminée, que l’audio téléversé n’est ni stocké, ni partagé, ni réutilisé, et que les pistes générées restent téléchargeables vingt-quatre heures. La politique de confidentialité, également datée du 24 octobre 2025, n’en reprend rien. Elle énumère cinq catégories de données collectées — informations de compte, détails d’utilisation, informations sur l’appareil, cookies, informations de paiement et de facturation — et évoque le chiffrement et les contrôles d’accès tout en concédant qu’aucune méthode de stockage n’est totalement sûre. Elle ne comporte ni durée de conservation, ni procédure de suppression, ni section sur les droits concernant l’audio téléversé : l’engagement de suppression vit dans une réponse de FAQ plutôt que dans le document contraignant. Le partage est autorisé avec des partenaires de confiance soumis à des accords de confidentialité, et pour des motifs légaux ou de sécurité.
Les consignes d’enregistrement fonctionnent en pratique comme une limitation : les nuances extrêmes sont annoncées comme réduisant la précision, et l’entrée demandée est une voix sèche et unique, sans accompagnement, réverbération ni bruit de pièce. Un mixage complet, une captation bruyante ou une prise chuchotée sortent du cadre pour lequel le processus documenté est calibré. Faute d’export MIDI publié, corriger revient à réenregistrer puis reconvertir, et chaque tentative consomme des crédits.
Les pages se contredisent. Les surfaces commerciales annoncent plus de cent modèles quand la page tarifaire en propose plus de treize, et les treize pages d’instruments comme les treize instruments de l’extension correspondent au chiffre le plus bas. Planifiez à partir des instruments réellement visibles.
Le convertisseur accepte WAV, MP3, OGG, WebM et FLAC jusqu’à cinquante mégaoctets, la FAQ indique MP3, WAV, FLAC, OGG et M4A jusqu’à vingt mégaoctets. Rester sous vingt mégaoctets dans un format commun aux deux listes évite cette divergence.
Le convertisseur affiche cinq crédits par traitement de voix vers instrument, ainsi que le solde restant avant l’exécution. La page tarifaire ne publie pas ce chiffre : budgétez à partir de l’écran du convertisseur plutôt que des cartes de formules.
La FAQ répond que oui et décrit des sorties libres de droits pour chansons, vidéos, podcasts, publicités et musiques de film sans licence supplémentaire. Les conditions générales ne contiennent aucune clause accordant des droits sur l’audio généré : un flux exigeant des conditions écrites doit régler ce point avec l’éditeur au préalable.
La FAQ indique que les enregistrements sont définitivement supprimés après la conversion et que les pistes générées restent disponibles vingt-quatre heures. La politique de confidentialité ne publie ni durée de conservation, ni procédure de suppression, ni section sur le cycle de vie de l’audio : cet engagement n’est pas repris dans le document contraignant.
Une pièce calme, une seule voix, une quinzaine de centimètres du micro, un volume régulier et confortable. Chuchotement et cris sont désignés comme réduisant la précision, et le fichier téléversé doit être sec : ni accompagnement, ni réverbération, ni bruit de pièce.
