Synthèse

Une synthèse vocale gratuite en ligne pour n'importe quel script

La synthèse vocale ordinaire lit un bloc de texte avec une seule voix. C'est le bon outil pour de la narration et le mauvais outil pour une scène. Cette page traite de la couche de synthèse elle-même : ce qu'on peut lui demander, et où elle s'arrête.

En un coup d'œil

Ce que c'est
Un générateur de voix IA et un outil de synthèse vocale gratuits, pensés pour les scripts : il repère qui parle, donne à chaque personnage sa propre voix, vous laisse diriger l'émotion réplique par réplique et exporte un mixage fini — une fiction sonore entièrement distribuée, pas un narrateur unique qui lit tous les rôles.
Ce que vous collez
Un texte collé. Format scénario, « Nom : réplique » et prose ordinaire avec incises de dialogue sont lus tels quels, tout comme les dialogues au tiret de l'espagnol, du français, du portugais et du russe. Une ligne entièrement entre parenthèses est traitée comme une didascalie et n'est pas dite. Il n'y a pas d'import de fichier : collez le texte plutôt que de joindre un document.
Ce que vous récupérez
Un MP3 mixé dans toutes les formules. À partir de Plus, des sous-titres SRT écrits d'après votre texte et non transcrits depuis l'audio : les noms sont bien orthographiés et la synchro est juste d'emblée. Les pistes séparées par personnage, une piste pleine longueur par personnage plus le mixage, arrivent en ZIP dans Pro. Pas d'export WAV.
Personnages et voix de base
40 personnages en bibliothèque, chacun avec un portrait, un profil et un extrait. Derrière eux, 10 voix de base – 4 féminines, 5 masculines, 1 androgyne – les mêmes 10 dans toutes les langues. Dans un même projet, deux personnages ne reçoivent pas la même voix de base tant que les 10 ne sont pas prises : une scène jusqu'à 10 locuteurs se sépare donc proprement ; au-delà, deux personnages partagent une voix et se distinguent par le profil et par la direction portée par chaque réplique. Vous choisissez le personnage, pas la voix de base. Vous pouvez aussi cloner votre propre voix en lisant à voix haute une courte déclaration de consentement – jusqu'à 3 par compte – et l'attribuer à n'importe quel personnage ; une voix clonée lit dans les 9 langues et suit le débit, mais ne joue ni les émotions ni les indications de jeu.
Langues
9 : English, 简体中文, 日本語, 한국어, Deutsch, Français, Español, Português, Русский. Chaque personnage joue dans toutes – un personnage est un profil, pas une prise enregistrée – et la langue d'un projet est fixée à sa création. Hors anglais, vous obtenez l'accent courant de la langue ; les accents régionaux ne se choisissent pas et ne sont pas promis. Nous n'avons pas fait écouter chaque langue par des locuteurs natifs : faites passer vos propres répliques avant de vous décider.
Émotion et direction réplique par réplique
Chaque réplique est jouée par un comédien IA à partir d'une indication de jeu écrite : les 7 émotions (neutre, joyeux, triste, en colère, peur, chuchoté, enthousiaste) sont donc jouées, pas imitées par réglages. Une émotion de base par personnage existe dans toutes les formules ; la remplacer réplique par réplique n'existe que dans Pro, et le réglage de vitesse à 5 crans (0.75×–1.25×) vient avec Plus et Pro. Régénérer une réplique donne une prise réellement différente, dans la même voix, et modifier une ligne ne resynthétise que cette ligne.
Prix et bêta ouverte
Un crédit vaut un caractère de texte, et les crédits ne partent qu'au téléchargement : générer et écouter ne coûte rien, dans la limite de 30 répliques par 24 heures en Free et jusqu'à 2,000 en Pro. La formule Free est une réserve unique de 4,500 crédits, environ 5 minutes de rendu fini, avec 2 personnages par projet. Les formules payantes sont à Basic $5, Plus $19, Pro $29 par mois, 10% de remise en annuel. Le paiement n'est pas encore en ligne : pendant la bêta ouverte, chaque compte dispose gratuitement de toutes les fonctions Pro, mais la licence commerciale reste liée à une formule payante, une fois les formules ouvertes.
Ce qui n'est pas encore possible
Le clonage ne concerne que votre propre voix, et une voix clonée lit le texte sans jouer les émotions ni les indications de jeu. Il n'y a pas d'import de fichier, pas d'export WAV, pas de dictionnaire de prononciation, pas de réglage de hauteur, et aucun moyen d'exiger une voix de base précise ou un accent régional. Aucune langue n'a de vraie voix d'enfant : les rôles d'enfants sont joués par des comédiens adultes, comme l'animation l'a toujours fait. Les personnages n'existent qu'à l'intérieur d'un projet et ne passent pas au suivant.

Des voix pour l'essayer

Noor

Noor

Newsreader clarity for exposition-heavy scenes

féminineadulteanglais américaininfonet
Utiliser cette voix
Quill

Quill

YouTube explainer voice that never sounds bored

masculinejeune adulteanglais américainYouTubenet
Utiliser cette voix
Dorian

Dorian

Audiobook baritone for literary fiction and slow reveals

masculineadulteanglais britanniquelivre audiograve
Utiliser cette voix
Solène

Solène

Continental accent, unhurried, very expensive sounding

féminineadulteanglais britanniqueélégantaccent
Utiliser cette voix
Halcyon

Halcyon

Meditation-adjacent narrator for slow, quiet scenes

neutreadulteanglais américainposéapaisant
Utiliser cette voix
Indie

Indie

TikTok voiceover: fast, flat, faintly amused

fémininejeune adulteanglais américainréseaux sociauxrapide
Utiliser cette voix
Wren

Wren

Bedtime-story narrator, slow and warm, never wakes anyone up

féminineadulteanglais américainnarrationchaleureux
Utiliser cette voix
Hale

Hale

Documentary narrator with a hand on the listener's shoulder

masculineadulteanglais américainnarrationdocumentaire
Utiliser cette voix

Parcourir toute la bibliothèque →

Ce que ça fait

Sept registres émotionnels

Neutre, joyeux, triste, en colère, peur, chuchoté et enthousiaste, réglés par réplique et non par document. Chaque registre peut être réglé sur chaque voix, et il est réellement joué : la réplique part en synthèse avec son indication de jeu, pas avec une recette de débit et de hauteur. Les étiquettes de la bibliothèque indiquent pour quels registres un personnage est écrit — écoutez tout de même vos basculements sur votre propre texte.

Contrôle du tempo

Un multiplicateur de vitesse par réplique, avec Plus et Pro. Le tempo fait plus de travail qu'on ne le croit : il porte l'âge, l'autorité et l'état émotionnel plus sûrement que la hauteur de voix.

Les didascalies restent muettes

Une réplique écrite entièrement entre parenthèses n'est jamais lue : elle devient l'indication de jeu de la réplique suivante, comme une parenthèse placée en tête de réplique le devient pour la sienne. L'indication s'affiche ensuite à côté de l'émotion dans la liste des répliques, où vous pouvez la modifier ou l'effacer. Une parenthèse au milieu d'une réplique, elle, reste dans le texte et se lit. Les en-têtes de scène et les lignes d'action, c'est autre chose : ils passent en narration, donc supprimez ceux que vous ne voulez pas entendre.

La ponctuation comme direction d'acteurs

Un point est une vraie pause, des points de suspension une pause plus longue, un point d'interrogation relève la fin de la phrase. Les sauts de ligne créent des silences. La mise en page de votre script est votre commande de minutage : c'est pour cela que cette page ne cesse de vous dire de découper vos répliques.

Indépendant du fournisseur

Le moteur de synthèse est derrière une interface. Le moteur qui travaille derrière peut changer, et nous l'avons déjà remplacé une fois ; le même projet se rendra avec un autre moteur sans rien changer à votre distribution ni à votre direction.

Toutes les voix dans toutes les formules

La bibliothèque n'est pas un mur payant. Les formules diffèrent par la taille de la distribution, le contrôle de l'émotion et les minutes — pas par les voix auxquelles vous avez droit.

Comment s'en servir

  1. Collez le texte

    Un locuteur ou plusieurs. Pour une voix unique, l'outil se comporte comme n'importe quelle autre synthèse vocale.

  2. Choisissez le personnage

    Piochez parmi les quarante personnages de la bibliothèque, en filtrant par âge, genre et style plutôt que de faire défiler. Auditionnez sur votre propre texte, pas sur un texte d'exemple.

  3. Réglez le tempo et le registre

    Commencez en neutre et, avec Plus ou Pro, à un tempo un peu plus lent que ce qui vous semble juste. Presque toutes les premières tentatives sont trop rapides.

  4. Corrigez les prononciations

    Auditionnez chaque nom propre et chaque mot inventé avant de rendre quoi que ce soit de long, et réécrivez dans le texte — autre orthographe, trait d'union — ceux qui sortent mal : il n'y a pas de réglage de prononciation.

  5. Rendez et vérifiez sur du vrai matériel

    Écoutez au haut-parleur d'un téléphone autant qu'au casque. La plupart des auditeurs sont au téléphone.

Le contrôle de l'émotion, et pourquoi moins vaut mieux

Le réflexe, avec une émotion réglable réplique par réplique, est de s'en servir partout, et le résultat est une bouillie uniforme. Le public lit l'émotion par contraste : une scène avec deux répliques dirigées et vingt neutres frappe bien plus fort qu'une scène où tout est poussé.

Le parcours qui donne de bons résultats est celui-ci : fixer un registre au repos par personnage, rendre avec les valeurs par défaut seulement, écouter d'une traite, puis marquer les deux ou trois répliques où quelque chose change vraiment. Sur une scène de cinq minutes, diriger cinq répliques à la main est à peu près la bonne dose.

Écrire un texte qu'une voix de synthèse sait jouer

Quatre habitudes font l'essentiel de la différence. Une intention par réplique : une phrase qui passe du ravissement à l'horreur est rendue comme la moyenne des deux, donc coupez-la. Ponctuez délibérément, parce que la ponctuation est votre minutage. Mettez les interjections sur leur propre ligne, parce qu'un moteur dit le texte : une didascalie entre parenthèses ne fait que colorer le jeu. Et faites des phrases courtes pour les voix graves, qui perdent vite en intelligibilité sur les longues subordonnées.

Rien de tout cela n'est un contournement de limitation. Ce sont exactement les notes qu'un metteur en scène donne à un interprète humain, pour les mêmes raisons.

Les limites, dites franchement

La vocalisation physique — crier, sangloter, rire en parlant, souffler — est le domaine le plus faible et le restera un moment, parce que ce sont des événements de respiration et non de parole. Générez-les comme repères provisoires si vous en avez besoin, et prévoyez de les remplacer.

La deuxième limite est l'interprétation. Une lecture de synthèse est une interprétation propre, régulière et bien rythmée de ce que vous avez écrit. Ce n'est pas une série de décisions sur le sous-texte. Pour l'essentiel du travail, l'échange en vaut la peine ; il vaut la peine d'être fait en sachant clairement laquelle des deux moitiés est laquelle.

Questions fréquentes

En quoi est-ce différent des autres outils de synthèse vocale ?

Pour du travail à voix unique, pas beaucoup. La différence apparaît dès qu'un script a plus d'un locuteur : la distribution, une voix qui reste fixe pour chaque personnage au sein d'un projet et la direction réplique par réplique sont le produit, et la synthèse n'est qu'un composant en dessous.

Quelles émotions sont prises en charge ?

Neutre, joyeux, triste, en colère, peur, chuchoté et enthousiaste, sur toutes les voix. Ce sont de vraies interprétations, pas des approximations calculées : chaque réplique part en synthèse avec son indication de jeu. L'ampleur d'un basculement reste celle de la prise : auditionnez une réplique dirigée avant de compter dessus, et relancez-la si elle tombe à côté.

Puis-je régler la hauteur de la voix ?

Non. Le tempo, oui, avec Plus et Pro ; la hauteur, non. Transposer une voix loin de sa tessiture naturelle produit des artefacts très audibles sur un bon casque. Choisissez plutôt un personnage dans la bonne tessiture.

L'outil lit-il correctement les nombres et les dates ?

Il applique les conventions de la langue du projet : un projet en français lit les dates à la française. C'est dans les textes qui mêlent deux conventions que les erreurs apparaissent ; si le vôtre en mélange, vérifiez d'abord les nombres, ou écrivez-les en toutes lettres quand leur lecture compte.

Combien de voix différentes un projet peut-il avoir ?

Dix : quatre féminines, cinq masculines et une neutre, et chacune parle les neuf langues. Les quarante personnages de la bibliothèque sont des profils de rôle répartis sur ces dix voix. Une pièce à onze locuteurs aura donc forcément deux personnages qui partagent une voix ; on les sépare alors par l'âge, le tempérament et l'indication de jeu — audible, mais moins net que deux voix distinctes.

Puis-je m'en servir pour de la narration d'accessibilité ?

Oui, même si, pour l'accessibilité, il vous faut la voix la plus claire plutôt que la plus caractérisée, et il faut tester à 1,5× ou plus : beaucoup d'utilisateurs de lecteurs d'écran écoutent bien au-dessus du temps réel.

Distribuez votre première scène ce soir

Collez un script, laissez CastDub donner sa voix à chaque personnage, et exportez une fiction sonore finie.

Créer gratuitement

Sans carte bancaire. Free vous donne une réserve unique de crédits.