Générateur texte en parole en ligne

1. 1

   Saisir le texte

   Tapez ou collez ce que vous voulez entendre, ou importez un fichier .txt ou .md.

2. 2

   Choisir un moteur

   Instantané utilise les voix du système et lit immédiatement. Studio exécute une voix neuronale sur votre appareil et peut être téléchargé.

3. 3

   Choisir une voix

   Sélectionnez parmi 28 voix Studio, ou parmi celles que fournit votre système d'exploitation.

4. 4

   Régler le rythme

   Ajustez la vitesse de lecture si la valeur par défaut est trop rapide ou trop lente.

5. 5

   Générer

   Studio synthétise l'audio sur votre appareil ; la progression s'affiche par section.

6. 6

   Télécharger

   Enregistrez le résultat en WAV, MP3, M4A, OGG ou FLAC.

Deux moteurs se cachent derrière une même zone de texte, parce que les deux attentes envers la synthèse vocale tirent dans des directions opposées.

• Instantané — utilise les voix déjà installées sur votre ordinateur ou votre téléphone. Il commence à parler dès que vous appuyez sur lecture, ne télécharge rien et prend en charge les langues de votre système. Il ne peut pas être enregistré dans un fichier.
• Studio — exécute un modèle vocal neuronal sur votre appareil. Il démarre un peu plus lentement et produit une véritable forme d'onde, ce qui permet de la télécharger et de l'utiliser dans une vidéo, un podcast ou une présentation.
• Une seule zone de texte — le texte, la vitesse et la liste des voix sont partagés, donc changer de moteur n'oblige pas à recommencer.
• Rien n'est envoyé — les deux moteurs fonctionnent localement. Le texte collé et l'audio produit restent sur l'appareil, ce qui n'est pas le cas des outils en ligne qui envoient votre texte à un serveur.

C'est la partie que la plupart des outils gratuits gardent pour eux, et la raison d'être du moteur Studio.

• WAV — la sortie exacte du modèle, non compressée, à 24 kHz. À choisir quand l'audio part dans un logiciel de montage et sera retraité.
• MP3 — le fichier compatible le plus léger, et le bon choix par défaut pour partager, téléverser ou intégrer. Encodé sur votre appareil.
• M4A — de l'AAC dans un conteneur MP4 — le choix natif Apple, bien pris en charge par les outils vidéo.
• OGG et FLAC — Opus en OGG pour le web à faible poids, et FLAC pour un fichier sans perte nettement plus léger que le WAV.
• Pourquoi Instantané n'est pas enregistrable — les voix système sortent directement sur la carte son et n'exposent aucun flux à enregistrer. C'est une limite du système d'exploitation, pas de cet outil, et c'est pourquoi le moteur neuronal existe.

Le moteur Studio propose 28 voix. Elles diffèrent par plus que la hauteur : chacune a été entraînée séparément et certaines sont nettement plus claires que d'autres.

• Anglais américain — 20 voix, 11 féminines et 9 masculines. Elles correspondent exactement au dictionnaire de prononciation et conviennent à la plupart des textes.
• Anglais britannique — 8 voix. Elles parlent avec un accent britannique en utilisant des voyelles américaines, car le dictionnaire qui les alimente est américain. La différence s'entend sur des mots comme « bath » ou « dance ».
• Comment choisir — les voix sont classées de la meilleure à la moins bonne. Si une voix sonne mince ou instable sur votre texte, remontez dans la liste plutôt que de toucher à la vitesse.
• Autres langues — passez au moteur Instantané, qui propose ce que fournit votre système d'exploitation — en général un ensemble bien plus large.

C'est là que les outils de synthèse vocale se trahissent le plus souvent, alors autant être précis.

• Nombres entiers — 1 234 est lu « mille deux cent trente-quatre », pas comme quatre chiffres séparés.
• Années — en anglais, « in 1999 » se lit « nineteen ninety nine », tandis que « 1999 items » se lit comme une quantité. Le contexte décide.
• Argent — 1 234,56 $ devient des dollars et des cents. Livres, pence et euros sont traités de la même façon.
• Décimales et versions — 1,5 se lit « un virgule cinq ». 2.0 se lit « deux », parce que c'est ainsi qu'on le dit.
• Ordinaux et plages — 3e, 21e et 102e sont lus comme des ordinaux, et une plage comme 128-192 est lue comme deux nombres au lieu d'être ignorée.
• Symboles — 25 % se lit « vingt-cinq pour cent », & se lit « et », @ se lit « arobase ». Les sigles comme ISO, PDF ou UTF-8 sont épelés lettre par lettre plutôt que prononcés comme des mots.

La qualité de la parole est surtout un problème de dictionnaire, pas de modèle. Une voix parfaite qui prononce les mauvais sons reste fausse.

• Un dictionnaire de 183 562 mots — chaque entrée donne les sons exacts et la syllabe qui porte l'accent.
• Terminaisons par règle — « rendered » n'est pas dans le dictionnaire mais « render » y est, et les règles de -s, -ed et -ing construisent le reste. C'est pourquoi les formes fléchies sonnent juste.
• Mots qui changent selon leur fonction — « use » se prononce différemment comme nom et comme verbe, tout comme « record », « content », « present » et environ sept cents autres. La phrase autour décide.
• Contexte entre les mots — « the » devant une voyelle ne sonne pas comme devant une consonne, et « to » non plus. Se tromper là rend chaque phrase subtilement étrangère alors que chaque mot est correct isolément.
• Mots inconnus — les noms propres et les néologismes passent à un petit modèle neuronal qui prédit la prononciation à partir de l'orthographe, si bien qu'un mot inconnu est prononcé plutôt qu'ignoré.

La synthèse vocale est un cas à part parmi les outils de conversion : ce que vous collez est souvent ce que vous auriez le moins envie de confier à un inconnu.

• Rien n'est envoyé — le modèle vocal est téléchargé une fois sur votre appareil. Ensuite, le texte et l'audio sont traités sur votre appareil, pas sur nos serveurs.
• Cela fonctionne hors ligne — une fois le modèle en cache, l'outil continue de fonctionner sans réseau.
• Pas de compte, pas de suivi de quota — il n'y a rien à compter sur un serveur, parce qu'il n'y a rien sur un serveur.
• La contrepartie — il faut télécharger le modèle une fois, et la synthèse utilise votre processeur plutôt que celui de quelqu'un d'autre. C'est le prix pour que le texte n'aille nulle part.

Le travail se fait sur votre appareil : la réponse honnête à « c'est rapide ? » dépend donc de l'appareil. Voici à quoi s'attendre.

• Première utilisation — le moteur Studio télécharge environ 93 Mo — le modèle vocal, le dictionnaire de prononciation et une voix. Le tout est mis en cache ensuite.
• Ensuite — la conversion démarre immédiatement. Les textes longs sont découpés en sections dont plusieurs sont synthétisées en parallèle sur vos cœurs CPU.
• Gratuit — 5 000 caractères par conversion, une à la fois. Cela représente environ six minutes de parole, plus que ce qu'autorisent la plupart des outils gratuits.
• Pro — aucune limite de caractères, jusqu'à 25 documents à la fois, livrés dans une seule archive.
• Ce qui n'est jamais limité — toutes les voix, toutes les vitesses et tous les formats de sortie, MP3 compris, sont disponibles dans l'offre gratuite. L'axe payant est l'échelle, pas la qualité.

La synthèse s'exécute sur votre appareil sur plusieurs cœurs à la fois : la vitesse suit votre matériel et rien n'attend un serveur.

L'essentiel de ce qui rend une voix de synthèse agréable se décide avant d'appuyer sur générer.

• Ponctuez correctement — les virgules et les points sont des pauses. Un texte sans ponctuation est débité d'une seule traite.
• Séparez les paragraphes — une ligne vide devient une pause plus longue, ce qui sépare les sections d'un script.
• Écrivez les nombres en toutes lettres quand cela compte — si vous voulez qu'une année soit lue d'une certaine façon dans un contexte que l'outil interpréterait comme une quantité.
• Réécrivez les noms difficiles — l'orthographe phonétique dans la saisie est le moyen le plus rapide de corriger un nom mal prononcé, et elle l'emporte toujours.
• Ralentissez un peu pour la narration — un rythme légèrement sous 1× paraît plus posé, ce qui convient à l'explication. Laissez 1× pour les dialogues.
• Testez d'abord sur un extrait court — générez un paragraphe, écoutez, ajustez, puis lancez le document entier.

C'est un meilleur outil pour certains usages que pour d'autres, et il vaut mieux dire où sont les limites.

• Interprétation émotionnelle — le modèle lit clairement et régulièrement. Il ne joue pas, et ne livrera pas une blague ou une réplique dramatique comme le ferait une personne.
• Langues autres que l'anglais — le dictionnaire Studio est en anglais américain. Utilisez le moteur Instantané pour d'autres langues, ou un service conçu pour elles.
• Cloner la voix d'une personne précise — non pris en charge, délibérément. Les 28 voix sont les voix.
• Très gros documents sur un appareil modeste — un texte de la taille d'un livre sur un vieux téléphone n'est pas adapté. Découpez-le, ou lancez-le sur un ordinateur portable.

• Parole vers texte
• PDF vers texte
• Image vers texte
• Convertisseur d'images
• Diviser du texte
• Convertisseur de casse
• Convertisseur audio
• Fusionner de l'audio
• Découper de l'audio
• Volume audio
• Éditeur audio
• Remplacer l'audio d'une vidéo