Les moteurs de synthèse vocale (TTS) conventionnels déçoivent souvent sur les récits de longue durée en raison d'une diction linéaire, précipitée et dénuée d'humanité. Un comédien ou un narrateur professionnel respire entre les phrases, ralentit aux moments de tension dramatique, accentue les termes clés et distingue naturellement la narration des répliques de personnages. Dans Voicemaker, atteindre un rendu audio de niveau commercial repose sur l'articulation de deux niveaux de réglage : les paramètres vocaux globaux (Voice Settings) dans la barre latérale pour forger la personnalité de base du narrateur, et les balises SSML combinées à la fonction Custom Pauses dans l'éditeur pour orchestrer les respirations, les émotions et la précision phonétique.
Ce guide pratique détaille la méthode pour effacer toute raideur mécanique et produire des narrations captivantes pour des livres audio, des podcasts et des vidéos narratives.
1. Choix du moteur vocal et établissement du timbre de base
Avant d'insérer des balises de balisage dans votre texte, il est indispensable de calibrer le profil acoustique initial.
- Sélectionner le moteur neuronal AI3 : Les modèles plus anciens manquent de souplesse prosodique. Pour un livre audio immersif, privilégiez toujours le moteur vocal neuronal AI3.
- Repérer les voix dotées du suffixe « E » : Dans Voicemaker, seules les voix arborant le suffixe « E » à la fin de leur nom (par exemple Jony en anglais sous AI3) prennent en charge les Voice Effects (effets vocaux émotionnels) tels que calm (calme), sad (tristesse), happy (joie) ou angry (colère). Une voix sans ce suffixe ne permettra pas d'appliquer ces nuances émotionnelles aux répliques.
- Calibrer les paramètres globaux (Voice Settings) :
- Speed (Vitesse de parole) : Le débit par défaut est souvent trop rapide pour un récit littéraire. Dans la barre latérale droite, abaissez légèrement le curseur de vitesse pour donner au texte une cadence posée permettant à l'auditeur de visualiser les scènes.
- Pitch (Hauteur tonale) : Baisser légèrement la hauteur globale confère à la voix narrative plus de rondeur, d'autorité et de chaleur. Vous pourrez ensuite remonter la hauteur localement pour interpréter des personnages plus jeunes ou vifs.
- Volume : Maintenez un niveau d'enregistrement équilibré pour prévenir toute distorsion (écrêtage) et conserver une marge dynamique optimale pour le mastering audio dans une station de travail (DAW) comme Audacity ou Reaper.
2. Maîtrise du souffle et du rythme : Pause SSML et Custom Pauses
La signature la plus flagrante d'une voix artificielle réside dans l'absence de silences respiratoires. Voicemaker propose deux solutions complémentaires pour gérer les pauses.
Insertion manuelle avec Pause SSML
Pour des respirations ciblées et calculées, utilisez le menu déroulant Pause de la barre d'outils supérieure ou saisissez directement la balise <break time="..."/> :
- Respirations d'incise (200 ms – 400 ms) : Insérez une courte pause entre la réplique d'un personnage et la proposition incise (exemple :
« Je ne te crois pas », <break time="300ms"/> murmura-t-elle.). - Transitions scéniques et suspense (1000 ms – 2000 ms) : Marquez des silences prolongés entre les chapitres ou juste avant une révélation cruciale.
Automatisation du rythme grâce à la fonction Custom Pauses
Placer manuellement des dizaines de balises dans un chapitre entier est laborieux et alourdit le manuscrit. La fonction native Custom Pauses automatise entièrement ce processus :
- Cliquez sur l'icône d'engrenage (Settings) en haut à droite de l'éditeur.
- Ouvrez l'onglet Pauses et activez l'interrupteur Custom Pauses (ON).
- Définissez la durée du silence en secondes pour chaque ponctuation :
- Point (
.) : Réglez entre0.7set0.9spour conclure la phrase avec naturel. - Virgule (
,) : Réglez entre0.25set0.35spour aérer les propositions sans casser le flux. - Points d'interrogation et d'exclamation (
?,!) : Définissez entre0.6set0.8spour laisser résonner l'intention expressive.
- Point (
- Pauses inter-paragraphes (Between Paragraph) : En laissant une ligne blanche entre les paragraphes de votre texte, Voicemaker applique automatiquement une pause dédiée (par exemple
1.5s), ce qui structure la narration sans intervention manuelle. - Déclencheurs par symboles (
@et#) : Associez des durées fixes à des caractères comme@(0.5s) ou#(1.2s) dans le panneau des pauses. Il suffit de taper ce symbole dans le manuscrit pour déclencher un arrêt précis, sans balisage XML encombrant.
3. Dynamique vocale : Emphasis, hauteur tonale et vitesse localisée
Un ton uniforme engendre une fatigue auditive rapide. La modulation sélective permet de donner du relief aux passages déterminants.
Faire ressortir les mots pivots avec Emphasis SSML
- Surlignez le terme visé dans l'éditeur et ouvrez le menu Emphasis :
- Strong Emphasis : Augmente l'intensité et la projection de la voix. À utiliser avec parcimonie sur des verbes d'action clés ou des révélations majeures. Un excès d'accentuation forte rend la diction saccadée.
- Reduced Emphasis : Adoucit la voix et en diminue l'énergie. Idéal pour des réflexions intérieures, des apartés entre parenthèses ou des confidences chuchotées.
Modulation subtile du Pitch et du Speed
Les commandes SSML de hauteur et de vitesse de Voicemaker sont calibrées avec délicatesse pour éviter toute déformation artificielle :
- Réglage du Pitch : Sélectionnez une phrase interrogative ou une tirade et ajustez le curseur Pitch. Relever légèrement la fin d'une phrase apporte une intonation interrogative naturelle ; baisser la tonalité installe une atmosphère grave et solennelle.
- Réglage du Speed : Ralentissez légèrement le rythme lors des scènes de suspense ou d'introspection, et accélérez-le avec mesure dans les séquences d'action vive.
Application des Voice Effects aux dialogues
Avec une voix dotée du suffixe « E » :
- Laissez le paramètre général des Voice Effects dans la barre latérale sur Default (pour préserver la neutralité du narrateur).
- Sélectionnez uniquement la réplique énoncée par le personnage dans le texte.
- Cliquez sur le bouton Voice Effect de la barre supérieure et attribuez l'émotion voulue (whisper pour chuchoter, calm pour apaiser, angry pour la colère).
- Lors de la synthèse, le narrateur conservera un ton posé, tandis que la réplique adoptera la texture émotionnelle souhaitée.
4. Rigueur phonétique avec la suite Say-As SSML
Les récits audio achoppent fréquemment sur la prononciation des dates, des heures, des unités ou des acronymes. Les balises Say-As offrent un contrôle déterministe indispensable :
- Say-As Date et Time : Garantit que des mentions comme
14/07/1989ou08:30 PMsoient prononcées comme des dates et des heures réelles, évitant qu'elles ne soient interprétées comme des fractions mathématiques. - Say-As Cardinal et Ordinal : Distingue clairement les nombres cardinaux des ordinaux (« chapitre 1 » par rapport à « 1er / premier »).
- Say-As Spell-Out / Characters : Force le moteur à épeler chaque lettre individuellement (
say-as interpret-as="characters"). Très utile pour des immatriculations, des indicatifs radio, des abréviations complexes ou des codes secrets. - Say-As Fraction et Unit : Permet à des valeurs comme
1/2ou15kmd'être fidèlement lues sous la forme « un demi » et « quinze kilomètres ».
5. Pratiques de production : découpage, export et gestion des crédits
Pour mener à bien un projet de livre audio ou de voix off commerciale, une organisation de production rigoureuse est primordiale :
Découpage du manuscrit (Chunking)
Ne collez jamais un manuscrit complet de dizaines de milliers de mots d'un seul bloc dans l'éditeur.
- Scindez votre texte en séquences ou en scènes de 500 à 2 500 caractères.
- Ce découpage simplifie l'écoute de contrôle et l'ajustement des balises SSML, tout en évitant de gaspiller des crédits si une seule phrase doit être regénérée.
Paramètres d'exportation pour le mastering
Au-dessus du bouton Convert to Speech, cliquez sur Change à côté de Audio Settings :
- Format de sortie :
- MP3 : Pratique pour les podcasts, la diffusion web et les écoutes de validation.
- WAV : Le format de référence pour les livres audio. Le format WAV non compressé conserve l'intégralité du spectre acoustique pour les traitements de réduction de bruit, d'égalisation et de mastering dans un DAW.
- Fréquence d'échantillonnage (Sample Rate) :
- 44100 Hz (qualité CD) pour la plupart des plateformes grand public.
- 48000 Hz (qualité studio) pour répondre aux critères techniques stricts de plateformes comme ACX et Audible, ou pour la synchronisation vidéo.
Consommation des crédits et droits commerciaux
- Voicemaker décompte les crédits lors de l'action de conversion (Convert), et non au téléchargement du fichier. Chaque clic consomme des crédits proportionnels à la longueur du texte (les caractères CJK comptent pour 2 crédits chacun).
- Les comptes gratuits sont plafonnés à 250 caractères par conversion et n'incluent pas les droits d'exploitation commerciale.
- Pour une distribution commerciale de livres audio ou des mandats pour des clients, optez pour un forfait payant tel que Starter (5 $/mois), Creator (10 $/mois), Pro (20 $/mois) ou les packs spécifiques Audiobook Creation Pack, qui procurent une licence commerciale et des quotas de caractères étendus.
- Testez toujours les termes rares ou les enchaînements de pauses complexes sur des échantillons de 50 caractères avant d'engager la conversion d'un bloc complet.
Liste de contrôle pour une narration naturelle
- Sélection de la voix : Choisir une voix neuronale AI3 munie du suffixe « E » pour conserver la flexibilité émotionnelle.
- Profil de base : Réduire légèrement le débit et asseoir la hauteur tonale dans les Voice Settings.
- Pauses automatiques : Activer Custom Pauses (virgules à ~0,3 s, points à ~0,8 s et saut de ligne entre paragraphes).
- Sculpture des intentions : Appliquer Emphasis sur les mots forts, Say-As sur les formats numériques et Voice Effects sur les dialogues.
- Export studio : Télécharger par blocs en format WAV 48000 Hz pour faciliter le mastering définitif.