Voizum

Guides

Voix IA réaliste : comment rendre la synthèse vocale naturelle

L'équipe Voizum · Mis à jour · 5 min de lecture

Une voix IA sonne humaine quand le texte est écrit pour être entendu et que la voix correspond à ce qu'elle lit. Le timbre des voix actuelles n'est plus le problème. Ce qui trahit une voix synthétique, ce sont les pauses au milieu d'une idée, les phrases de quarante mots et une vitesse qui ne convient pas à la voix. Voici quelle voix prendre, comment préparer le texte et quels réglages choisir pour une publicité, un tutoriel ou un livre audio.

Avant de continuer : écoutez le rendu

Lancez la lecture. Chacune de ces voix lit le texte que vous écrivez.

Saisissez votre texte et écoutez-le

Si vous vous connectez avec Google, nous vous offrons 600 crédits chaque mois : environ 10 minutes d'audio.

Pourquoi une voix IA sonne-t-elle comme un robot ?

Le plus souvent, c'est le texte qui pose problème. Une phrase à rallonge avec trois incises oblige n'importe quel lecteur, humain ou non, à respirer au mauvais endroit. Un paragraphe copié d'un PDF traîne des numéros de page et des traits d'union de fin de ligne. Une abréviation en majuscules est lue lettre par lettre.

Ensuite, ce qui se remarque le plus, c'est la vitesse. Chaque voix a son rythme naturel, et la forcer à aller plus vite ou plus lentement la rend mécanique avant tout le reste.

Choisissez une voix faite pour votre type de texte

Les voix de narration lisent calmement et placent l'accent en fin de phrase : elles conviennent aux documentaires, aux formations et aux livres audio. Les voix conversationnelles donnent l'impression que quelqu'un vous raconte quelque chose : elles marchent pour les vidéos courtes, les podcasts et les publicités. Une voix de narration sur TikTok sonne comme le journal de 20 heures ; une voix conversationnelle qui lit un chapitre entier fatigue.

Choisissez aussi selon l'accent. Si votre public est en France, une voix française ; s'il est au Québec ou en Belgique, une voix avec cet accent. L'accent est la première chose que l'auditeur remarque, avant même la qualité.

Type de texteStyle de voixVitessePauses dans le texte
Publicité ou spotConversationnelle ou commerciale1,0× à 1,1×Celles du point et de la virgule
Vidéo YouTube ou TikTokConversationnelle1,0× à 1,1×Celles du point et de la virgule
Tutoriel ou formationNarration, ton proche0,95× à 1,0×<#1#> entre les sections
Documentaire ou livre audioNarration0,9× à 1,0×<#1.5#> entre les sections
Valeurs pour commencer : écoutez l'échantillon et ajustez à votre goût.

Comment écrire un texte qui sonne naturel

Dix minutes passées sur le texte changent le résultat plus que n'importe quel réglage :

  • Des phrases de 15 à 20 mots. Si une phrase demande deux virgules et une parenthèse, coupez-la en deux.
  • La ponctuation fixe les pauses : une virgule est une courte respiration, un point une pause complète. Pour que la voix marque un temps avant un chiffre, mettez un point avant.
  • Les questions et les exclamations changent l'intonation. Mettez-les là où elles vont ; un point d'exclamation après chaque phrase sonne comme du télé-achat.
  • Écrivez les sigles et les noms comme on les prononce. Si « SNCF » doit être dit comme un mot et non épelé, ou l'inverse, écrivez-le ainsi.
  • Retirez ce qui n'existe que sur le papier : parenthèses, notes de bas de page, « voir ci-dessus », numéros de page.
  • Une idée par phrase. Ce qu'une proposition subordonnée résout à l'écrit sonne mieux en deux phrases à l'oral.

Vitesse et pauses : ce qu'on entend le plus

La vitesse va de 0.5× à 2×, mais une voix ne sonne naturelle que dans une plage bien plus étroite : en général entre 0,9× et 1,1×. En dehors, cela s'entend, surtout quand on accélère.

Les pauses habituelles, le modèle les place d'après la ponctuation. Pour une pause plus longue, par exemple entre deux sections, écrivez <#1#> ou <#1.5#> (secondes) entre deux phrases. Et pour changer la façon dont un passage sonne, utilisez une émotion comme <#triste#> ou <#susurro#>. Rien de tout cela n'est lu à voix haute ni facturé.

La voix la plus humaine, c'est la vôtre, clonée

Si l'audio porte votre nom, votre chaîne ou votre marque, rien ne sonne plus vrai que votre propre voix. Un enregistrement propre de 15 à 60 secondes suffit pour obtenir une voix qui lit n'importe quel texte comme vous. Cela coûte 199 crédits et suppose d'avoir déjà acheté un pack.

L'enregistrement compte avant tout : une pièce sans écho, le micro à une main de la bouche, et parlez comme vous parlez d'habitude, pas comme quand vous lisez à voix haute.

Enregistrer l'échantillon et cloner sa voix, pas à pas →

Existe-t-il une synthèse vocale réaliste gratuite ?

Pour écouter un texte sur le moment, oui : Microsoft Edge et le mode lecture de Chrome lisent à voix haute avec des voix naturelles, gratuitement. En revanche, ils n'enregistrent pas l'audio : impossible de l'utiliser pour une vidéo ou un podcast.

Pour obtenir le MP3, Voizum vous offre 600 crédits gratuits chaque mois quand vous vous connectez avec Google, soit environ 10 minutes d'audio, sans carte bancaire. De quoi essayer plusieurs voix sur votre propre texte avant de choisir.

Une synthèse vocale peut-elle lire du texte en direct ?

Oui : Microsoft Edge et le mode lecture de Chrome lisent une page web à voix haute pendant que vous naviguez, avec des voix naturelles. Voizum fonctionne autrement : vous collez le texte, choisissez une voix et obtenez un MP3 à télécharger et à réutiliser, plutôt qu'un lecteur en direct.

Obtenir une voix IA réaliste dans Voizum

Du texte au MP3 en cinq étapes :

  1. 1Collez le texte retravaillé (phrases courtes, sigles écrits comme on les dit).
  2. 2Filtrez les voix par langue, genre, âge et style, et écoutez-en deux ou trois avant de choisir.
  3. 3Réglez la vitesse, placez les pauses selon le tableau ci-dessus et écoutez la voix pour entendre la différence.
  4. 4Cliquez sur Générer : vous voyez le coût en crédits avant que quoi que ce soit soit débité.
  5. 5Écoutez et téléchargez le MP3. Si une phrase ne convient pas, modifiez sa ponctuation et régénérez uniquement celle-là.

Saisissez votre texte et écoutez-le →

Combien ça coûte ?

Pour 1 000 caractères, comptez 60 crédits, soit environ 60 crédits par minute d'audio. Pas d'abonnement, et les crédits achetés n'expirent pas.

Sources consultées

  1. Assistance Microsoft : fonctionnalités d'accessibilité dans Microsoft Edge (Lecture à voix haute)
  2. Aide Google Chrome : utiliser le mode lecture dans Chrome
  3. Aide YouTube : divulgation des contenus modifiés ou synthétiques

Nos guides vous sont utiles ? Ajoutez Voizum comme source préférée et Google vous montrera davantage de nos contenus.

Ajouter sur Google ↗

Cela peut aussi vous servir

Questions fréquentes

Entend-on que c'est une voix IA ?
Sur un audio court avec un texte bien écrit, la plupart des gens ont du mal à le dire. Sur un texte long, c'est presque toujours le script qui trahit la voix : des phrases trop longues ou écrites pour être lues. Retravailler le texte est ce qui aide le plus.
Quelle voix IA sonne le plus humaine ?
Celle qui convient au texte : conversationnelle pour les vidéos courtes et la publicité, narrative pour les formations et les livres audio, avec l'accent de votre public. Pour vos propres contenus, votre voix clonée est la plus naturelle.
La voix peut-elle exprimer des émotions ?
Oui. Outre les questions, les exclamations et les pauses, vous pouvez marquer une émotion dans le texte : <#triste#>, <#risa#> ou <#susurro#> changent la façon dont ce qui suit sonne, jusqu'à la fin du paragraphe ou jusqu'à <#normal#>. Elles ne sont ni lues à voix haute ni facturées. Choisissez aussi une voix dont le style correspond au ton.
Puis-je utiliser la voix sur YouTube ?
Oui, les audios générés vous appartiennent. YouTube demande de signaler les contenus synthétiques lorsqu'ils paraissent réels et pourraient tromper ; la règle est liée ci-dessous.
Dans quelles langues existe-t-il des voix réalistes ?
Français, anglais, espagnol, allemand, portugais, italien, russe, néerlandais, polonais, chinois, japonais, coréen, hindi, arabe, turc, indonésien et roumain, avec plusieurs accents pour les plus utilisées.

Plus de guides

Saisissez votre texte et écoutez-le avec une voix réaliste

Si vous vous connectez avec Google, nous vous offrons 600 crédits chaque mois : environ 10 minutes d'audio.