Comment choisir la bonne voix IA pour votre projet

Avant d’ouvrir la liste des voix, répondez à trois questions : qui va écouter, où l’écoute aura lieu et pendant combien de temps. Un tutoriel de cinq minutes pour débutants, un clip produit de 30 secondes et un livre audio de deux heures demandent des voix très différentes.

• Les contenus courts et dynamiques (publicités, vidéos courtes) gagnent à utiliser une voix plus lumineuse et un débit légèrement plus rapide.
• Les contenus pédagogiques et explicatifs demandent une voix claire et posée, à un débit naturel ou légèrement plus lent.
• L’écoute prolongée (livres audio, articles) exige une voix agréable sur la durée ; évitez celles qui deviennent fatigantes au bout de quelques minutes.

Choisissez toujours une voix conçue pour la langue dans laquelle votre texte est écrit. Une voix prévue pour une autre langue lira vos mots avec les mauvais sons, même si elle reconnaît les lettres.

Pensez ensuite à l’accent. L’espagnol d’Espagne et celui du Mexique, ou l’anglais du Royaume-Uni, des États-Unis, d’Inde ou du Nigeria, ne sonnent pas de la même façon, et les auditeurs le remarquent. Si votre public se trouve surtout dans un pays, choisissez une voix de ce pays. Vous pouvez parcourir les voix par langue ou par pays et accent.

Ouvrez le répertoire des voix, filtrez par langue et écoutez les courts extraits. N’essayez pas encore de désigner la gagnante ; écartez simplement les voix qui ne conviennent clairement pas à votre auditeur. La plupart des gens se retrouvent avec trois à cinq candidates.

Les extraits de démonstration sont écrits pour mettre la voix en valeur. Votre script ne sera pas aussi indulgent. Prenez dans votre texte réel un passage d’environ 100 à 200 mots qui contient les parties délicates : des noms, des nombres, une question, une phrase longue. Collez ce même passage dans le Studio et générez-le avec chaque voix de votre présélection.

Écoutez une fois en vous posant chacune de ces questions, et prenez une note rapide :

• Les noms et les termes clés sont-ils correctement prononcés ?
• Les questions sonnent-elles vraiment comme des questions ?
• Le débit est-il confortable, ou les phrases s’enchaînent-elles sans respiration ?
• Au bout d’une minute, la voix est-elle toujours agréable, ou commence-t-elle à agacer ?

Si possible, écoutez sur l’appareil qu’utilisera votre public : les haut-parleurs d’un téléphone et les écouteurs révèlent des duretés que les haut-parleurs d’un ordinateur portable masquent.

Une fois votre voix favorite trouvée, de petits ajustements peuvent la rendre plus adaptée. Dans le Studio, la vitesse et la hauteur vont chacune de -50 à +50. En pratique, quelques crans suffisent généralement :

• Ralentissez légèrement pour l’enseignement, la narration de textes longs et les auditeurs qui apprennent la langue.
• Accélérez légèrement pour les contenus courts et enjoués.
• Baissez un peu la hauteur pour un ton plus calme et plus sérieux ; montez-la un peu pour un ton plus léger.

De fortes variations, dans un sens comme dans l’autre, rendent n’importe quelle voix artificielle. Si une voix ne fonctionne qu’avec un réglage extrême, ce n’est probablement pas la bonne. Le rythme entre les phrases se contrôle mieux avec la ponctuation et les balises de pause qu’avec le curseur de vitesse.

Notez le nom de la voix ainsi que vos valeurs de vitesse et de hauteur. Utiliser la même voix et les mêmes réglages pour toute une série de vidéos, un cours ou un livre aide les auditeurs à reconnaître votre contenu, et donne aux parties générées séparément l’allure d’un seul et même enregistrement.