Comment écrire des scripts qui sonnent naturels en synthèse vocale

Un lecteur peut revenir sur une phrase compliquée. Un auditeur, non. Un texte agréable à lire sur une page peut devenir difficile à suivre une fois prononcé, et une voix de synthèse aggrave le problème car elle ne peut pas ajouter l’emphase qu’apporterait un narrateur humain. Visez un texte que vous pourriez vous-même lire à voix haute sans peine, à raison d’une respiration par phrase.

• Privilégiez des phrases d’environ 10 à 20 mots. Découpez toute phrase qui comporte plus d’une proposition intercalée entre virgules.
• Placez l’idée principale en premier. « Appuyez sur Enregistrer pour conserver vos modifications » est plus facile à suivre que « Pour conserver vos modifications, que vous perdriez sinon, appuyez sur Enregistrer. »
• Évitez d’empiler parenthèses et tirets. Transformez les apartés en phrases à part entière.
• Utilisez des paragraphes. Un nouveau paragraphe offre une pause naturelle à la voix comme à l’auditeur.

La ponctuation est le principal moyen d’indiquer à une voix où marquer une pause et comment moduler une phrase. Une virgule crée une courte pause, un point une pause plus longue, et un point d’interrogation fait généralement monter la voix en fin de phrase. L’absence de ponctuation est la raison la plus fréquente pour laquelle les phrases s’enchaînent sans respiration.

Sur Open Text to Speech, vous pouvez aussi ajouter des balises de pause comme [pause:short] ou [pause:long] là où vous voulez une pause délibérée, par exemple avant de révéler une réponse ou entre les éléments d’une liste.

Les voix devinent comment lire les nombres et les symboles, et cette supposition dépend du contexte. Lorsque c’est important, écrivez-les en toutes lettres :

• Les sigles. S’il doit être épelé, ajoutez des espaces ou des points : « S N C F » ou « S.N.C.F. ». S’il doit être prononcé comme un mot (comme NASA), laissez-le d’un seul tenant.
• Les noms inhabituels. Écrivez-les tels qu’ils doivent sonner pour l’auditeur, même si cela paraît étrange à l’écran. Gardez une courte liste de vos graphies phonétiques pour toujours utiliser la même.
• Les homographes. Des mots comme « fils », « est », « couvent » ou « président » changent de prononciation selon leur sens. Si la voix choisit la mauvaise, reformulez la phrase (« les câbles électriques » au lieu de « les fils électriques ») pour qu’une seule lecture soit possible.
• Les mots étrangers. Une voix conçue pour une langue peut mal prononcer une expression d’une autre. Envisagez un synonyme plus simple ou une courte explication.

Chaque requête dans le Studio peut contenir jusqu’à 2 000 caractères, soit environ 300 mots. Pour les scripts plus longs, découpez aux pauses naturelles comme les paragraphes ou les changements de scène, jamais au milieu d’une phrase, et gardez la même voix et les mêmes réglages pour chaque partie afin que les morceaux se raccordent sans heurt.

• Lisez vous-même le script à voix haute une fois. Partout où vous butez, la voix butera aussi.
• Vérifiez chaque nombre, date, symbole et abréviation.
• Vérifiez les noms et les sigles, et utilisez vos graphies phonétiques.
• Assurez-vous que chaque phrase se termine par une ponctuation.
• Générez d’abord un court passage de test, puis le script complet.