Statistiques de Couverture des Langues et des Voix en Synthèse Vocale (2026) : 40+ Points de Données sur les Catalogues des Plateformes, la Profondeur des Voix et les Écarts entre Langues du Monde

Statistiques de synthèse vocale 2026 : Azure liste 82 langues, 1,1% des 7 170 en usage, avec 118 entrées de voix en anglais US contre 2 en amharique.

Le tableau de synthèse vocale publié par Azure liste 82 codes de langue distincts, soit environ 1,1% des 7 170 langues qu’Ethnologue recense en usage aujourd’hui (82 / 7 170). La documentation de Gemini 3.8 Flash TTS revendique plus de 130 langues, et le projet de recherche MMS en a atteint 1 107, mais ce modèle le plus large est distribué sous licence non commerciale. La profondeur est plus mince que l’étendue : l’anglais américain compte 118 entrées dans le tableau d’Azure contre 2 pour l’amharique. Nous avons agrégé des données d’Ethnologue, Microsoft, Google, Amazon, Apple, Meta et de recherches évaluées par les pairs sur la parole, en lisant chaque page de fournisseur le 31 octobre 2026. Ce tour d’horizon ne couvre que la synthèse ; pour le versant reconnaissance du même écart, consultez nos statistiques de couverture de la reconnaissance vocale pour les langues peu dotées.

TL;DR

  • 7 170 langues sont en usage dans le monde, et 4 153 d’entre elles disposent d’un système d’écriture développé (Ethnologue 2026).
  • 128 codes de langue sur 7 829 ont atteint les deux niveaux supérieurs de soutien numérique, soit environ 1,6% (Simons, Thomas et White, COLING 2022).
  • Plus de 130 langues sont revendiquées pour Gemini 3.8 Flash TTS, la revendication commerciale la plus large que nous ayons lue (Google, documentation du fournisseur).
  • 82 codes de langue répartis sur 154 paramètres régionaux figurent dans le tableau des voix d’Azure Speech (Microsoft, documentation du fournisseur, notre décompte).
  • 25 langues et 42 variantes figurent dans le tableau d’Amazon Polly, dont 2 variantes proposent des voix long format (Amazon, documentation du fournisseur, notre décompte).
  • 1 107 langues disposent de modèles de synthèse MMS, soit environ 15,4% des langues en usage (Meta AI, article MMS 2023).
  • 945 de ces 1 107 modèles ont atteint un taux d’erreur de caractères de 5 ou moins, mais l’Afrique était à la traîne avec 76% (Meta AI, article MMS 2023).
  • 41 des 90 voix d’Aura-2 sont en anglais (Deepgram, documentation du fournisseur, notre décompte).
  • 18 des 22 langues « scheduled » de l’Inde figurent dans la liste vocale d’accessibilité d’Apple, contre 1 dans Polly (Apple et Amazon, documentation du fournisseur, notre recensement).
  • 1 704 heures provenant de 10 496 locuteurs couvrent désormais les 22 langues « scheduled » de l’Inde pour la synthèse vocale (AI4Bharat, IndicVoices-R 2024).

1. Le dénominateur : 7 170 langues, dont toutes ne sont pas écrites

Toute affirmation de couverture a besoin d’un dénominateur, et celui de la synthèse est plus dur que ce que la plupart des gens imaginent. La synthèse vocale lit du texte ; ainsi, 3 017 langues sans système d’écriture développé se situent hors du chemin d’entrée normal avant même l’entraînement d’un modèle.

La population raconte une histoire plus clémente, et les deux points de vue ne doivent jamais être mélangés. Une plateforme peut servir la plupart des gens tout en listant moins de 3% des langues, car plus de 88% des gens parlent comme langue maternelle l’une de seulement 200 langues, et 200 / 7 170 font 2,8%. Aucune des pages de fournisseurs que nous avons lues n’indique quelle part de la population son catalogue touche ; la portée ne peut donc pas être comparée directement.

MétriqueValeurSource
Langues en usage dans le monde7 170Ethnologue, How Many Languages 2026
Langues avec un système d’écriture développé contre sans4 153 (57,9%) contre 3 017 (42,1%, soit 7 170 - 4 153, notre calcul)FAQ d’Ethnologue, 29e édition 2026
Personnes dont la langue maternelle est l’une des 200 plus grandes languesPlus de 88%Ethnologue 200, 2026
Codes de langue aux deux niveaux supérieurs de soutien numérique (Vital et Thriving)128 sur 7 829 (95 + 33), soit 1,6%Simons, Thomas et White, COLING 2022
Codes de langue au niveau le plus bas de soutien numérique (Still, score de 0)3 996 sur 7 829, soit 51,0%Simons, Thomas et White, COLING 2022
Codes de langue aux deux niveaux intermédiaires de soutien numérique (Emerging, Ascending)3 304 et 401Simons, Thomas et White, COLING 2022

Données les plus récentes disponibles pour les niveaux de soutien numérique : Simons, Thomas et White, 2022. Cette étude a collecté les listes de langues prises en charge de 143 outils numériques, et le traitement de la parole est l’une de ses sept catégories d’outils. Les totaux proviennent du décompte des langues d’Ethnologue et de sa FAQ sur les systèmes d’écriture.

2. Les catalogues commerciaux côte à côte

Ce sont des décomptes issus de la documentation des fournisseurs : le relevé primaire de ce que chaque plateforme liste, et non une preuve indépendante de qualité. L’écart entre le catalogue le plus long et le plus court de ce tableau va de 130+ langues à 9.

L’unité compte autant que le nombre. Des paramètres régionaux associent une langue et une région : l’espagnol du Mexique et l’espagnol d’Espagne comptent donc pour deux paramètres régionaux mais une seule langue. La page de présentation d’Azure indique « 100+ langues et paramètres régionaux », ce qui mélange les deux ; le tableau des langues d’Azure Speech lui-même se résout à la ligne ci-dessous.

Plus long ne veut pas non plus dire sur-ensemble du plus court. Le tableau des langues de Gemini TTS n’a aucune ligne pour l’ukrainien, l’ourdou ou le zoulou, trois langues que liste Azure.

MétriqueValeurSource
Gemini 3.8 Flash TTSPlus de 130 langues revendiquées ; 132 lignes de tableau, lues le 31 octobre 2026Google, documentation de génération vocale de l’API Gemini, mise à jour le 28 octobre 2026 (affirmation du fournisseur)
Eleven v4 / Eleven v3 / Flash v2.5 / Multilingual v290+ / 70+ / 32 / 29 languesElevenLabs, documentation des modèles (affirmation du fournisseur)
Voix prédéfinies d’Azure Speech82 codes de langue répartis sur 154 paramètres régionaux ; l’anglais, l’espagnol et l’arabe en représentent 52 sur 154 (33,8%)Microsoft, tableau de prise en charge des langues, mis à jour le 22 octobre 2026 (documentation du fournisseur, notre décompte)
Apple VoiceOver, Live Speech et Read & Speak75 entrées de langue sur iOS 27Apple, disponibilité des fonctionnalités iOS (documentation du fournisseur)
Tableau des voix de Google Cloud Text-to-Speech53 codes de langue, 61 codes langue-région ; Chirp 3: HD couvre à lui seul 47 langues dans 53 paramètres régionauxGoogle Cloud, liste des voix et documentation de Chirp 3: HD (documentation du fournisseur, notre décompte)
Sonic 3.644 languesCartesia, documentation des modèles TTS (affirmation du fournisseur)
Amazon Polly25 langues, 42 variantes, 123 entrées de voixAmazon, voix disponibles de Polly (documentation du fournisseur, notre décompte)
IBM Text to Speech9 langues de base, 15 entrées de langue, 48 voixDocumentation d’IBM Cloud, mise à jour le 4 juin 2026 (documentation du fournisseur, notre décompte)

Si vous choisissez un générateur de voix IA pour une langue autre que l’anglais, le tableau qui mérite d’être ouvert est la liste par paramètres régionaux, et non le chiffre vedette d’une page produit.

3. La profondeur des voix : où se trouvent réellement les voix

Le fait qu’une langue soit listée dit peu de choses sur le nombre de voix qu’elle obtient. L’anglais américain compte 118 entrées dans le tableau d’Azure, tandis que l’amharique, l’afrikaans et l’isiZulu en ont 2 chacun, soit un rapport de 59 pour 1. Pour un producteur, 2 voix peuvent signifier aucun choix d’âge, de ton ou de personnage.

Le schéma se répète quelle que soit la taille du catalogue. Polly, Aura-2 et le modèle ouvert Kokoro placent entre 28,5% et 51,9% de leurs voix en anglais. Une partie de l’écart est structurelle : les entrées d’un tableau peuvent répéter un même personnage à travers des niveaux de qualité ; ce sont donc des décomptes de listage, pas des locuteurs uniques.

MétriqueValeurSource
Entrées du tableau des voix d’Azure : anglais américain contre mandarin contre allemand contre hindi118 contre 59 contre 23 contre 17Microsoft, tableau de prise en charge des langues (documentation du fournisseur, notre décompte)
Entrées du tableau des voix d’Azure pour l’amharique, l’afrikaans, l’arabe égyptien et l’isiZulu2 chacunMicrosoft, tableau de prise en charge des langues (documentation du fournisseur, notre décompte)
Entrées de voix de Polly dans les variantes d’anglais35 sur 123 (28,5%)Amazon, voix disponibles de Polly (documentation du fournisseur, notre décompte)
Voix Aura-2 : anglais contre espagnol contre français41 contre 17 contre 2, sur 90 réparties en 7 languesDeepgram, documentation des modèles TTS (documentation du fournisseur, notre décompte)
Voix de Kokoro-82M en anglais américain et britannique28 sur 54 (51,9%), contre 1 pour le françaisHexgrad, liste des voix de Kokoro-82M (documentation du projet)
Entrées Google Cloud pour l’hindi (Inde) contre l’islandais46 (30 Chirp 3: HD, 4 Neural2, 6 Standard, 6 WaveNet) contre 1 voix StandardGoogle Cloud, liste des voix (documentation du fournisseur, notre décompte)
Voix intégrées d’OpenAI sur le point d’accès vocal13, que la documentation qualifie de « actuellement optimisées pour l’anglais »OpenAI, guide de la synthèse vocale (affirmation du fournisseur)

La liste des voix Cloud montre aussi pourquoi les niveaux comptent : les 30 entrées Chirp 3: HD pour l’hindi proviennent d’un seul jeu de voix partagé, et les langues extérieures à ce jeu conservent des types de voix plus anciens. Le décompte de Polly provient du tableau des voix, où 4 noms se répètent parce qu’ils sont bilingues, ce qui laisse 119 noms distincts.

4. Niveaux de fonctionnalités : listé ne veut pas dire équivalent

Le total du catalogue est le chiffre le plus large qu’un fournisseur puisse citer, et chaque fonctionnalité premium repose sur un sous-ensemble plus petit. Le moteur génératif de Polly atteint 25 des 42 variantes, et le mandarin, le japonais, l’arabe et le russe font partie des 17 laissées de côté.

Azure montre le même rétrécissement. Ses 154 paramètres régionaux tombent à 102 entrées pour les visèmes (données de forme de la bouche servant à animer un visage) et à 42 pour le transfert interlingue (faire parler une seconde langue à une voix personnalisée). Les équipes qui planifient un déploiement multilingue doivent vérifier la fonctionnalité, pas la langue. La vitesse et le prix par modèle sont une autre question, traitée dans nos statistiques de coût d’inférence TTS.

MétriqueValeurSource
Paramètres régionaux d’Azure par fonctionnalité : voix prédéfinies / entrées de visèmes / voix personnalisée professionnelle / voix personnelle / source interlingue154 / 102 / 68 / 65 / 42Microsoft, tableau de prise en charge des langues (documentation du fournisseur, notre décompte)
Variantes de Polly avec au moins une voix générative contre au moins une voix long format25 sur 42 (59,5%) contre 2 sur 42 (anglais américain, espagnol d’Espagne)Amazon, voix disponibles de Polly (documentation du fournisseur, notre décompte)
Variantes de Polly n’offrant que le moteur de voix Standard6 sur 42, dont le russe, le roumain et l’islandaisAmazon, voix disponibles de Polly (documentation du fournisseur, notre décompte)
Lignes du tableau Gemini prises en charge par Flash TTS contre Flash-Lite TTS132 contre 103 ; le finnois, le suédois, le thaï et le swahili font partie des 29 absents de Flash-LiteGoogle, documentation de génération vocale de l’API Gemini (documentation du fournisseur, notre décompte)
Langues de Personal Voice d’Apple contre entrées de la liste vocale d’accessibilité3 contre 75 sur iOS 27Apple, disponibilité des fonctionnalités iOS (documentation du fournisseur)

L’écart d’Apple est le plus net : sa page de disponibilité des fonctionnalités ne liste Personal Voice que pour l’anglais américain, le mandarin de Chine continentale et l’espagnol mexicain.

5. Modèles ouverts : une large portée, sous conditions

Le côté ouvert détient le chiffre le plus large de ce tour d’horizon. MMS-TTS a atteint 1 107 langues, soit environ 8,5 fois les 130 revendiquées pour Gemini (1 107 / 130), et environ 11 fois les quelque 100 langues que couvrait la technologie vocale avant lui (1 107 / 100).

L’étendue a eu un coût. L’article MMS a entraîné un modèle VITS distinct par langue, le plus souvent à partir d’enregistrements à locuteur unique de textes religieux, et sa fiche de modèle indique une licence non commerciale. Son résultat le plus utile est régional : la qualité a le plus chuté en Afrique, ce que les auteurs attribuent « en partie » aux systèmes d’écriture.

Le taux d’erreur de caractères désigne ici le fait qu’un système de reconnaissance vocale transcrit l’audio synthétique et que les erreurs sont comptées ; plus il est bas, mieux c’est. Il mesure si les mots survivent, pas si la parole paraît naturelle ; pour ce versant, consultez nos statistiques sur la prosodie et l’intonation du TTS neuronal.

MétriqueValeurSource
Couverture linguistique et licence de MMS-TTS1 107 langues (15,4% de 7 170), CC-BY-NC 4.0Pratap et al. (Meta AI), article MMS 2023 ; fiche de modèle Hugging Face
Langues MMS atteignant un taux d’erreur de caractères de 5 ou moins sur la parole synthétique945 sur 1 107 (85%)Pratap et al. (Meta AI), article MMS 2023
Part des langues MMS atteignant ce seuil, par régionAfrique 76% (277 sur 363), Asie 88%, Amérique du Nord 87%, Pacifique 90%, Amérique du Sud et Europe 95%Pratap et al. (Meta AI), article MMS 2023
Taux d’erreur de caractères de MMS, parole synthétique contre parole humaine de référence ; note moyenne d’opinion (1 à 5) sur 61 langues3,5 ±0,2 contre 2,2 ±0,1 ; 3,52 pour le synthétique contre 3,33 pour l’audio humain de référence hors des données d’entraînement, un écart que les auteurs attribuent à des enregistrements de référence bruitésPratap et al. (Meta AI), article MMS 2023
Langues cibles de SeamlessM4T : sortie vocale contre sortie texte36 contre 96SEAMLESS Communication Team (Meta), Nature 2025
Synthétiseur à règles eSpeak NGPlus de 100 langues et accentsProjet eSpeak NG, README
Liste des voix Piper37 langues, 42 entrées de paramètres régionaux ; dépôt archivé le 6 octobre 2025Rhasspy, Piper VOICES.md
Chatterbox Multilingual contre XTTS-v223+ contre 17 languesResemble AI, dépôt Chatterbox ; Coqui, fiche de modèle XTTS-v2

Données les plus récentes disponibles pour la qualité de synthèse au niveau des langues : Pratap et al., 2023. Les modèles ouverts plus récents de ce tableau listent bien moins de langues. L’article SeamlessM4T montre la même asymétrie au sein d’un seul modèle : il lit et écrit bien plus de langues qu’il n’en parle.

6. L’Afrique et l’Inde : là où l’écart devient précis

Les recensements régionaux révèlent ce que les totaux mondiaux masquent. Le tableau de Gemini compte 22 langues d’Afrique, celui d’Azure 5, et Polly et Apple n’en listent aucune au-delà de l’anglais sud-africain, alors que l’Afrique subsaharienne abrite à elle seule plus de 2 000 langues distinctes (Google Research, WAXAL 2026).

Le yoruba montre que l’écart ne tient pas seulement aux données. Il figure dans les corpus ouverts WAXAL et BibleTTS, mais n’a aucune entrée dans les tableaux d’Azure, Polly, Chirp 3: HD ou Gemini que nous avons lus. L’existence de données publiques ne signifie pas qu’une plateforme a livré une voix.

L’Inde raconte une meilleure histoire, car un jeu de données a comblé un vide connu. Les jeux de données antérieurs s’arrêtaient à 14 des 22 langues « scheduled » (langues reconnues par la Constitution), rapporte l’article IndicVoices-R, souvent avec 1 ou 2 locuteurs par langue. Les petites communautés ont peut-être besoin de moins que prévu : Pine et ses collègues ont remis en cause l’hypothèse selon laquelle la synthèse neuronale exige de grands jeux de données.

MétriqueValeurSource
Langues d’Afrique, hors variétés d’arabe : Gemini Flash TTS / Gemini Flash-Lite TTS / Azure / Chirp 3: HD / Polly / Apple22 / 13 / 5 / 1 / 0 / 0Catalogues de Google, Microsoft, Amazon et Apple (documentation du fournisseur, notre recensement)
Langues de WAXAL-TTS et heures enregistrées17 langues ; plus de 180 heures sur la fiche du jeu de données, plus de 235 dans l’article, plus de 565 dans l’article de blogGoogle Research, fiche du jeu de données, article et blog WAXAL 2026
Enregistrements BibleTTS de qualité studio pour la synthèse africaine10 langues, jusqu’à 86 heures par langue à 48 kHzMeyer et al., Interspeech 2022
Langues « scheduled » de l’Inde listées : Apple / Gemini Flash TTS / Azure / Chirp 3: HD / Polly18 / 17 / 13 / 10 / 1Catalogues d’Apple, Google, Microsoft et Amazon (documentation du fournisseur, notre recensement)
Données de synthèse indiennes antérieures : IndicTTS284 heures, 27 locuteurs, 14 languesAI4Bharat, article IndicVoices-R 2024
Corpus de synthèse vocale IndicVoices-R1 704 heures, 10 496 locuteurs, 22 languesAI4Bharat, article IndicVoices-R 2024
Corpus vocal en Kanien’kéha après une décision communautaire d’exclure les enregistrements de locuteurs décédés3,46 heures conservées sur 24 enregistréesPine et al. 2022, tel que rapporté par Nigatu et al. 2024
Modèle FastSpeech2 sur 1 heure d’anglais contre Tacotron2 sur 10 heuresNaturalité comparablePine et al., ACL 2022

Données les plus récentes disponibles pour BibleTTS et pour les résultats de Pine et al. : 2022. Le chiffre sur le Kanien’kéha est rapporté par Nigatu et al., et c’est le nombre le plus utile de ce tableau : la limite de ce corpus était le consentement, pas la technologie.

Résumé : couverture des langues et des voix en synthèse vocale en chiffres

MétriqueValeurSource
Langues en usage dans le monde7 170Ethnologue, How Many Languages 2026
Personnes dont la langue maternelle est l’une des 200 plus grandesPlus de 88%Ethnologue 200, 2026
Codes de langue aux deux niveaux supérieurs de soutien numérique128 sur 7 829Simons, Thomas et White, COLING 2022
Langues de Gemini 3.8 Flash TTSPlus de 130 revendiquéesGoogle, documentation de l’API Gemini (affirmation du fournisseur)
Langues d’Eleven v490+ElevenLabs, documentation des modèles (affirmation du fournisseur)
Codes de langue et paramètres régionaux d’Azure82 et 154Microsoft, tableau de prise en charge des langues (notre décompte)
Liste vocale d’accessibilité d’Apple75 entréesApple, disponibilité des fonctionnalités iOS
Langues et variantes d’Amazon Polly25 et 42Amazon, voix disponibles de Polly (notre décompte)
Entrées de voix d’Azure : anglais américain contre amharique118 contre 2Microsoft, tableau de prise en charge des langues (notre décompte)
Voix d’Aura-2 en anglais41 sur 90Deepgram, documentation des modèles TTS (notre décompte)
Variantes de Polly avec une voix générative25 sur 42Amazon, voix disponibles de Polly (notre décompte)
Langues de MMS-TTS1 107Pratap et al. (Meta AI), article MMS 2023
Langues africaines de MMS avec un taux d’erreur de caractères de 5 ou moins277 sur 363 (76%)Pratap et al. (Meta AI), article MMS 2023
Voix de Kokoro-82M en anglais américain et britannique28 sur 54Hexgrad, liste des voix de Kokoro-82M
Corpus IndicVoices-R1 704 heures, 22 languesAI4Bharat, article IndicVoices-R 2024
Corpus vocal en Kanien’kéha conservé contre enregistré3,46 contre 24 heuresPine et al. 2022, tel que rapporté par Nigatu et al. 2024

Méthodologie et sources

Toutes les pages de fournisseurs ont été lues le 31 octobre 2026. Les chiffres marqués « notre décompte » ou « notre recensement » sont nos propres comptages de tableaux publiés ; ils restent des affirmations de fournisseurs sur ce qui est proposé, et non des tests indépendants prouvant que chaque voix fonctionne bien.

Dernière mise à jour : 31 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lors de la publication de la 30e édition d’Ethnologue.

Essayez VoxBooster — essai gratuit de 3 jours.

Clonage vocal en temps réel, soundboard et effets — partout où vous parlez déjà.

  • Sans carte bancaire
  • ~30 ms de latence
  • Discord · Teams · OBS
Essayer gratuitement 3 jours