Les moteurs de synthèse vocale (TTS) standard manquent souvent de finesse lorsqu'il s'agit de porter une narration dramatique ou de rythmer une vidéo promotionnelle. Les voix artificielles adoptent fréquemment une cadence linéaire et faussement enjouée, butent sur les patronymes rares ou les sigles techniques, et enchaînent les répliques sans observer les temps de respiration indispensables. Dans l'environnement de production Genny de Lovo.ai, obtenir un rendu digne d'un comédien professionnel exige de dépasser la simple génération en bloc. En exploitant l'Advanced Mode (Mode Avancé), les narrateurs de livres audio et les réalisateurs vidéo peuvent piloter trois leviers complémentaires : l'inflexion émotionnelle (Emotional Inflection) bloc par bloc, le dictionnaire de prononciation (Pronunciation Editor) calibré par langue, et la gestion du rythme et des silences (Pacing & Pauses) sur la timeline.
Comprendre la synergie entre ces trois outils est la clé pour transformer une voix synthétique mécanique en une interprétation incarnée et parfaitement synchronisée.
1. Configuration du projet : pourquoi le Mode Avancé est indispensable
À la création d'un projet dans Genny, l'interface propose deux options : le Simple Mode et l'Advanced Mode. Si le mode simple convient aux essais ponctuels avec une voix unique, il limite l'utilisateur à une saisie textuelle basique sans repères temporels multipistes.
Pour les productions de longue durée et le travail vidéo, le Mode Avancé s'impose. Il donne accès aux fonctions maîtresses de l'outil :
- La timeline multipiste : Une interface visuelle calquée sur les stations audio numériques (DAW), permettant de superposer pistes vocales, flux vidéo, bruitages (SFX) et musiques de fond (BGM).
- L'attribution vocale par bloc : La possibilité d'associer chaque phrase à une voix de personnage spécifique ou à une nuance expressive distincte.
- Le Producer Mode : Des curseurs dédiés pour ajuster la hauteur tonale (Pitch) et la prosodie afin de sculpter l'identité de chaque voix.
- La désactivation de l'aimantation (Snap) : La liberté de caler les respirations et les silences au millième de seconde près, sans subir le carcan d'une grille rigide.
2. Diriger l'inflexion émotionnelle et l'incarnation des personnages
Genny met à disposition plus de 500 voix d'IA réparties sur plus de 100 langues, dont une sélection de profils de pointe prenant en charge entre 25 et plus de 30 styles émotionnels (tels que joyeux, triste, en colère, pleurs, chuchotement, terrifié, autoritaire, ivre ou hésitant).
Plutôt que d'appliquer une teinte émotionnelle unique à l'ensemble d'un chapitre, les professionnels utilisent la méthode d'empilement de blocs (Block Stacking) :
La technique d'empilement des blocs
Au sein d'un dialogue romanesque, l'état émotionnel d'un protagoniste évolue rarement d'un seul tenant. Une réplique sous tension peut débuter par une hésitation timide, s'envenimer en protestation véhémente et s'achever dans un murmure d'angoisse :
- Fractionner les phrases en blocs autonomes : Découpez les longues répliques en deux ou trois segments textuels dans la fenêtre de rédaction.
- Assigner des registres émotionnels précis : Sélectionnez chaque bloc et configurez le menu déroulant d'émotions. Attribuez Hesitant (hésitant) au segment initial, Angry (en colère) ou Serious (sérieux) à la relance centrale, et Whisper (chuchotement) à la chute.
- Écouter et lisser les transitions : Générez l'audio et vérifiez l'enchaînement. Si la rupture semble trop abrupte, intercalez une brève phrase neutre ou modifiez légèrement la hauteur tonale pour harmoniser la courbe mélodique.
Différencier les rôles avec le Producer Mode
Lorsqu'un comédien de doublage unique doit incarner plusieurs personnages secondaires dans un livre audio, activez le Producer Mode dans le Mode Avancé. En rehaussant ou en abaissant subtilement le curseur de pitch, vous modifiez l'âge et la corpulence perçus du personnage sans altérer le timbre de base du narrateur.
3. Calibrer le dictionnaire de prononciation (Pronunciation Editor)
Les termes inventés dans la littérature fantastique, les toponymes étrangers, les dénominations commerciales et les acronymes professionnels constituent les principaux écueils de la synthèse vocale. Genny résout cette difficulté grâce à son Pronunciation Editor.
Protocole de configuration du dictionnaire
- Ouvrir l'éditeur : Cliquez sur l'icône Pronunciation située dans le bandeau supérieur de l'espace de travail.
- Vérifier la langue et l'accent régional (étape critique) : Les tables de phonétisation sont strictement associées à une langue et un accent précis. Une règle créée sous English (US) ne s'appliquera pas à un bloc configuré en English (UK) ou en français. Assurez-vous de la concordance exacte entre la règle et le profil vocal utilisé.
- Renseigner les termes source et cible :
- Source Word (Mot source) : Saisissez l'orthographe exacte figurant dans votre texte (par exemple :
LOVO,DaenerysouSQL). - Target Word (Prononciation phonétique) : Inscrivez la transcription phonétique intuitive guidant le moteur vers le son attendu (par exemple :
Lovoe,Duh-NAIR-issouSequel).
- Source Word (Mot source) : Saisissez l'orthographe exacte figurant dans votre texte (par exemple :
- Enregistrer la règle : Cliquez sur le bouton
+pour consigner la modification dans le dictionnaire du projet. - Régénérer les blocs signalés : La sauvegarde du dictionnaire ne remplace pas automatiquement les fichiers audio déjà calculés. Repérez les blocs signalés par un point rouge d'avertissement et cliquez sur Regenerate pour compiler la nouvelle élocution.
Astuces directes dans le script pour les voix Pro
Avec certaines voix neuronales de gamme Pro dont le comportement vis-à-vis des dictionnaires externes est particulier, inscrire directement la phonétique dans le texte s'avère redoutablement efficace :
- Substitution phonétique immédiate : Écrivez l'équivalent phonétique directement dans la boîte de texte du script.
- Gestion des majuscules : Les sigles écrits en lettres capitales (
API) sont couramment épelés lettre par lettre (A-P-I). L'emploi de minuscules précédées d'une majuscule (Api) ou de traits d'union incite l'algorithme à prononcer l'ensemble comme un mot fluide.
4. Gestion du rythme, des respirations et de la vélocité
Une élocution ininterrompue épuise l'auditeur et dissout la tension narrative. Le naturel d'une voix tient autant aux silences qu'aux mots prononcés. Genny propose deux dispositifs pour moduler le tempo.
Méthode A : L'outil Pause (voix Rapid et Global)
Pour les voix Rapid et Global, l'éditeur met à disposition un outil Pause dédié :
- Positionnez le curseur entre deux mots ou à la fin d'une phrase.
- Cliquez sur l'icône de pause et sélectionnez la durée désirée à partir de
0.1s(par exemple0.3spour marquer une virgule ou0.8spour ponctuer une fin de paragraphe). - Validez via Apply et régénérez le bloc vocal.
Méthode B : Espacement physique sur la timeline et désactivation du Snap (voix Pro)
Pour les voix Pro, la mise en place de pauses réalistes s'opère de façon plus fluide directement sur la timeline :
- Scinder le texte aux points de respiration : Segmentez la phrase en blocs distincts aux endroits précis où le comédien virtuel doit reprendre son souffle.
- Désactiver l'aimantation (icône d'aimant Snap) : En bas de la timeline, désactivez la fonction Snap. Les blocs d'audio peuvent alors être glissés librement sans être verrouillés par les repères de grille.
- Créer un intervalle de silence : Décalez manuellement le bloc suivant vers la droite pour introduire une respiration sur mesure. Cet espacement physique reproduit fidèlement la dynamique respiratoire humaine.
Étalonnage de la vitesse de diction
La vitesse par défaut (1.0x) de nombreuses voix synthétiques paraît souvent précipitée pour la lecture littéraire :
- Pour le livre audio : Réduire la vitesse globale à
0.95xou0.98x(un ralentissement de 2 % à 5 %) confère de la gravité et de l'ampleur au récit, laissant le temps aux émotions de s'installer et limitant la fatigue auditive lors des sessions prolongées. - Pour la vidéo promotionnelle : Accélérer légèrement à
1.05xpermet de coller au dynamisme d'un montage court, à condition de s'assurer de la netteté des consonnes.
5. Comparatif méthodologique : livre audio versus production vidéo
Bien que reposant sur le même moteur sous-jacent, le livre audio et la vidéo d'entreprise répondent à des impératifs distincts :
| Dimension de production | Enregistrement de livre audio | Réalisation de vidéo commerciale |
|---|---|---|
| Objectif premier | Immersion au long cours, cohérence acoustique d'un chapitre à l'autre, confort d'écoute | Synchronisation millimétrée avec l'image, impact commercial, rythme incisif |
| Architecture vocale | Voix principale continue avec nuances émotionnelles ou voix secondaires pour les dialogues | Alternance de voix adaptées aux ruptures graphiques et aux scènes visuelles |
| Environnement sonore | Voix sèche et immaculée ; rares virgules musicales ou ambiances d'introduction | Mixage dense avec atténuation automatique de la musique (ducking) et bruitages |
| Sous-titres | Inutiles | Génération automatique synchronisée grâce à l'outil Auto Subtitles |
| Livrable final | Pistes non compressées haute fidélité (WAV) calibrées pour le mastering (normes ACX) | Export vidéo MP4 en 1080p ou pistes audio séparées pour montage dans Premiere/DaVinci |
6. Liste de contrôle qualité avant finalisation
Avant d'exporter votre projet depuis Genny, passez en revue les vérifications suivantes :
- Ponctuation dramatique : Vérifiez la présence de virgules, tirets cadratins et points de suspension pour induire des variations intonatives naturelles.
- Mode de travail approprié : Assurez-vous d'avoir opéré sous l'Advanced Mode pour tout travail impliquant plusieurs dialogues.
- Cohérence linguistique du dictionnaire : Contrôlez que la langue et le dialecte de l'éditeur de prononciation correspondent bien à la voix sélectionnée.
- Résorption des pastilles rouges : Régénérez systématiquement tous les blocs affichant un point rouge après une modification lexicale ou temporelle.
- Calibrage des silences sans aimantation : Désactivez le Snap pour doser les silences entre les répliques sans effet de métronome mécanique.
- Mastering externe sur DAW : Pour la diffusion commerciale sur des plateformes comme Audible/ACX, importez vos stems WAV dans une station de travail audio afin d'appliquer une égalisation douce, une compression dynamique et une normalisation de sonie (LUFS).
En combinant le découpage émotionnel des répliques, le calibrage phonétique du dictionnaire et le positionnement manuel des respirations sur la timeline, les créateurs exploitent pleinement Lovo.ai Genny pour livrer des narrations vivantes et captivantes.