Comment régler les règles de prononciation, l'emphase et les pauses dans Lovo.ai Genny pour une voix naturelle

Dans la production audiovisuelle et le doublage professionnel, ce qui distingue une voix de synthèse artificielle d'une interprétation digne d'un comédien humain repose sur trois micro-ajustements cruciaux : une prononciation phonétique irréprochable, une emphase ciblée sur les mots clés et des pauses respectant le rythme naturel de la respiration. Si les moteurs d'intelligence artificielle modernes offrent une belle fluidité dès le premier jet, les modèles de synthèse vocale (TTS) butent encore fréquemment sur les noms d'entreprises, les acronymes techniques, les homographes et les ruptures de ton narratives.

Au sein de Genny, la plateforme phare de Lovo.ai dédiée à la création vidéo et vocale, les créateurs maîtrisent ces variables grâce à un ensemble d'outils complémentaires : un dictionnaire de prononciation intégré, des techniques de réécriture phonétique dans le texte, des curseurs d'emphase et un agencement temporel sur banc de montage multipiste. Ce guide détaille pas à pas la configuration des règles de prononciation, de l'accentuation et des pauses dans Genny, tout en apportant les éclairages indispensables sur le statut opérationnel actuel de la plateforme.

1. Définition et gestion des règles de prononciation

Lorsque Genny prononce incorrectement une marque, un sigle ou un mot d'origine étrangère, deux approches complémentaires permettent de rectifier le tir : le Pronunciation Editor global et l'adaptation phonétique directe dans le script.

Méthode A : L'éditeur de prononciation intégré (Pronunciation Editor)

Genny propose un lexique de prononciation accessible directement depuis la barre d'outils supérieure :

1. Ouvrir l'outil : Cliquez sur l'icône Pronunciation située dans la barre supérieure de votre projet.
2. Vérifier la langue et l'accent : Assurez-vous que le menu déroulant correspond exactement à la variante de la voix choisie (par exemple, English (US) vs English (UK)). Les règles sont strictement associées à une variante linguistique ; une règle enregistrée en anglais américain ne s'appliquera pas automatiquement à une voix britannique ou australienne.
3. Renseigner le terme source et la cible phonétique :
   • Source word (mot d'origine) : Saisissez le terme tel qu'il figure dans votre texte (par exemple LOVO, SaaS ou Nguyen).
   • Target word (prononciation cible) : Tapez la transcription phonétique guidant le réseau de neurones vers le son attendu (par exemple Lovoe, Sass ou Win).
4. Enregistrer la règle : Cliquez sur le bouton + pour sauvegarder l'entrée dans le dictionnaire du projet.
5. Régénérer les blocs vocaux : Les blocs de texte contenant le mot modifié afficheront alors un point d'état rouge. Vous devez impérativement cliquer sur Regenerate au niveau de ces blocs pour que l'audio soit recalculé avec la nouvelle prononciation.

Spécificités des moteurs vocaux : L'éditeur de prononciation offre une fiabilité optimale sur les moteurs Rapid et Global de Genny. Pour certaines voix neuronales avancées (comme la série Pro V2), la réécriture phonétique directe dans le script donne souvent des résultats plus prévisibles.

Méthode B : Réécriture phonétique directe dans le script

Pour un mot isolé ou un contexte syntaxique délicat où le dictionnaire peine à s'appliquer, les directeurs artistiques ajustent directement le texte dans le bloc de script :

• Transcription phonétique : Remplacez les mots sources par leur équivalent sonore immédiat (par exemple, écrire Ay Eye pour l'acronyme anglais AI).
• Gestion des sigles et acronymes : Si le moteur épelle un acronyme qui doit être lu comme un mot (ex. N-A-S-A), saisissez-le avec une simple majuscule initiale (Nasa). À l'inverse, pour forcer l'épellation lettre par lettre (ex. US), insérez des points ou des tirets : U. S. ou U-S.
• Attention aux MAJUSCULES intégrales : Écrire un mot courant entièrement en capitales incite le moteur à l'interpréter comme un sigle et à l'épeler lettre à lettre. Conservez une casse standard pour préserver l'analyse lexicale.

2. Façonner l'emphase des mots (Emphasis) et la mélodie vocale

Dans le langage naturel, l'attention de l'auditeur est guidée par de subtiles variations : élévation de hauteur, allongement des voyelles et surcroît d'énergie sur les termes porteurs de sens. Genny propose deux leviers pour sculpter ces intonations.

Utiliser l'outil d'emphase du traitement de texte

1. Dans le bloc de texte, surlignez le mot, la syllabe ou la formule à mettre en valeur (ex. : « C'est l'unique solution envisageable »).
2. Cliquez sur l'option Emphasis dans le menu contextuel de mise en forme.
3. Définissez le niveau d'intensité pour ordonner au modèle neuronal d'accentuer la dynamique sonore sur la sélection.
4. Régénérez le bloc et écoutez le rendu pour vérifier que l'étirement des voyelles et la courbe d'intonation demeurent harmonieux.

Ajustement manuel de la prosodie (vitesse et pitch en mode avancé)

Si l'emphase automatique paraît trop théâtrale ou artificielle, ajustez les paramètres globaux du bloc :

• Ralentir la vitesse de 2 % à 5 % : Par défaut, de nombreuses voix synthétiques ont un débit légèrement précipité. Abaisser la vitesse du bloc à 0.95x ou 0.98x aère la phrase et confère aux mots accentués une assise beaucoup plus naturelle et convaincante.
• Modulation du pitch (Mode Avancé) : Dans l'Advanced Mode de Genny, vous pouvez hausser ou baisser la hauteur de phrases précises afin d'imiter l'inflexion montante d'une interrogation ou le ton descendant péremptoire d'une conclusion.
• Sélectionner des profils émotionnels : Genny intègre plus de 30 styles émotionnels (tels que Professional, Cheerful, Serious, Empathetic ou Dramatic). Dans un contexte d'entreprise ou de tutoriel, choisir un profil Empathetic ou Authoritative stabilise la prosodie bien plus vite qu'une édition syllabe par syllabe.

3. Calibrer les pauses pour un rythme de respiration réaliste

L'enchaînement ininterrompu de phrases sans respiration est le symptôme premier d'un rendu robotique. Dans Genny, deux approches permettent d'introduire des silences réalistes : l'outil Pause dans le texte et l'espacement sur la timeline.

Approche 1 : L'outil Pause dans l'éditeur de texte

Parfait pour les micro-respirations et les transitions de propositions :

1. Positionnez le curseur à l'endroit voulu ou cliquez sur l'icône Pause dans la barre d'outils.
2. Sélectionnez le mot après lequel le silence doit s'insérer.
3. Choisissez une durée prédéfinie ou saisissez une valeur par incréments de 0,1 seconde (par exemple 0.2s pour une respiration discrète, 0.5s pour une virgule marquée, 1.0s pour un silence dramatique).
4. Cliquez sur Apply et régénérez le bloc vocal.

Approche 2 : Découpage sur la timeline (la méthode de studio)

Pour caler un commentaire sur les images d'une vidéo, le travail sur la timeline multipiste s'avère bien plus souple :

1. Écrire en « lignes de souffle » (Breath Lines) : Plutôt que de coller un long paragraphe dans un seul bloc, scindez le texte en courtes unités correspondant chacune à une idée ou à une respiration.
2. Exploiter la timeline multipiste : Chaque bloc de texte généré apparaît comme une piste audio autonome en bas de l'interface Genny.
3. Désactiver l'aimant (« Snap Tool ») : Désactivez l'icône d'aimant sur la barre de la timeline pour libérer les clips de toute contrainte d'alignement forcé.
4. Espacer manuellement les blocs : Faites glisser les segments audio horizontalement pour définir la durée exacte du silence entre deux répliques.
   • Avantage majeur : Cette méthode ne consomme aucun crédit de génération supplémentaire et n'impose aucun délai de re-calcul ; le silence se synchronise au millième de seconde près avec les transitions visuelles ou les temps forts de la musique de fond.

La ponctuation comme repère rythmique naturel

Avant d'imposer des balises de pause rigides, explorez la ponctuation classique :

• Virgules (,): Introduisent une respiration fluide d'environ 150 à 250 ms.
• Tirets cadratins (—): Marquent une rupture nette idéale pour les incises.
• Points de suspension (...): Apportent une note d'hésitation, de réflexion ou de suspense.

Flux de travail recommandé en trois étapes

Pour optimiser l'utilisation de vos crédits tout en garantissant un résultat professionnel, suivez cette séquence de production :

1. Étape 1 : Nettoyage du script et paramétrage phonétique
   • Recenser les noms propres et acronymes ; alimenter le Pronunciation Editor ; lancer le premier rendu témoin.
2. Étape 2 : Peaufinage de la cadence et de l'emphase
   • Réduire la vitesse globale de 2 à 4 % ; assigner l'Emphasis aux 1 ou 2 mots porteurs de chaque phrase ; découper les longues phrases en lignes de souffle.
3. Étape 3 : Calage sur la timeline et synchronisation
   • Désactiver le Snap ; espacer manuellement les clips audio en fonction de l'image et du rythme musical ; exporter le master final.

Statut opérationnel et alternatives de référence

Si Genny a longtemps fait référence en associant écriture et banc de montage multipiste, les équipes de production doivent tenir compte de la situation actuelle de l'éditeur : fin mai 2026, la société LOVO, Inc. a fait l'objet d'une procédure de liquidation judiciaire sous le régime du Chapitre 7 (Chapter 7, dossier n° 1:26-bk-11249) devant le tribunal des faillites du district sud de New York, à la suite d'une action de groupe intentée par des comédiens de doublage (Lehrman v. Lovo, Inc.). Cette procédure a entraîné une indisponibilité prolongée des services en ligne et des erreurs de déploiement désactivé (code HTTP 402).

Pour les créateurs ayant besoin d'environnements stables offrant des outils comparables de dictionnaire phonétique, d'emphase et de gestion fine des pauses, plusieurs solutions se distinguent sur le marché :

• ElevenLabs : Référence incontournable pour le réalisme vocal et la subtilité des émotions, avec prise en charge phonétique, clonage de dynamique par Speech-to-Speech et curseurs de style.
• Murf AI : Conçu autour d'une timeline de type studio avec réglages indépendants de pitch, vitesse et emphase mot par mot, idéal pour synchroniser les voix sur les images.
• Castmagic / Speechify : Outils très performants pour les volumes importants, les dialogues multi-interlocuteurs et les déclinaisons multilingues à grande échelle.

Références

• Lovo.ai Review: The Best AI Voice Generator in September 2026? – Unite.AI
• 6 Best AI Voice Generators for Text to Speech — Castmagic
• 8 Best AI Voice Generators in 2025 (Compared)