SceneMixer
Français
S'inscrire gratuitement

Synthèse vocale IA

En bref : La synthèse vocale IA (TTS) lit un texte à voix haute avec une voix neuronale : le modèle détermine comment chaque phrase doit sonner, ses mots, l'accentuation, les pauses et la hauteur, puis produit l'audio, de sorte que cela sonne comme lu par une personne et non assemblé à partir de syllabes enregistrées. Choisissez un outil selon les langues et les voix dont vous avez besoin, le contrôle qu'il offre sur la prononciation et le rythme, et si vous pouvez utiliser l'audio à des fins commerciales. Sur SceneMixer, les répliques ne sont pas lues sur une vidéo après coup : chaque personnage les prononce dans le clip généré, avec sa propre voix.
Image extraite de « Neon Debt », un court métrage IA généré de bout en bout par SceneMixer (7 personnages, 1 épisode)
ExempleNeon DebtRéalisme moteur de jeu1 épisodeProduit de bout en bout par SceneMixer à partir du scriptRegarder les épisodes

Comment fonctionne la synthèse vocale IA

Un système moderne de synthèse vocale passe par trois étapes :

  1. Normalisation du texte : les nombres, dates, abréviations et symboles deviennent des mots, et le contexte décide comment : « M. » se lit « monsieur » devant un nom, et « mètre » après un chiffre.
  2. Prononciation et prosodie : les mots deviennent des sons, et le modèle prédit l'accentuation, les pauses, la hauteur et la vitesse d'après la phrase entière, ce qui fait qu'une question monte à la fin et qu'une liste marque de petites pauses.
  3. Audio : un modèle neuronal produit la forme d'onde, c'est-à-dire le son lui-même, soit à partir d'une image intermédiaire du son appelée spectrogramme, soit directement.

Les anciens systèmes assemblaient de courts enregistrements d'un comédien, ce qui les rendait hachés aux raccords. Les voix neuronales sont entraînées sur de nombreuses heures de parole enregistrée et génèrent chaque phrase à neuf, si bien qu'une même voix peut lire un texte jamais vu avec un rythme naturel.

Synthèse vocale, générateur de voix IA, TTS : que signifient ces noms

NomCe que cela désigne en généralUsage typique
Synthèse vocale (TTS)Texte en entrée, audio parlé en sortie, avec une voix prête à l'emploiNarration, accessibilité, lecture d'articles à voix haute
Texte vers voixUn autre nom de la même choseLa même
Générateur de voix IASynthèse vocale plus conception de voix : choisir ou décrire une voix, souvent en cloner uneVoix off, personnages, publicités
Clonage vocalUne nouvelle voix créée à partir d'un enregistrement d'une vraie personneVotre propre voix à grande échelle, avec consentement
Transformateur de voix IALa parole en entrée, la parole en sortie : votre propre enregistrement doublé à nouveauFlux en direct, nouveau doublage d'une prise

Ainsi, un outil vendu comme générateur de voix IA est en général une synthèse vocale avec une plus grande bibliothèque et plus de contrôle. Le transformateur de voix fait exception : il a besoin d'un enregistrement de départ, pas d'un texte.

Comment choisir un générateur de synthèse vocale IA

Synthèse vocale IA gratuite, ou text to speech gratuit : ce que les offres gratuites limitent en général

Les offres gratuites conviennent pour tester une voix, et la plupart limitent au moins un de ces points : caractères par mois, nombre de voix, téléchargements, usage commercial et qualité du fichier. Certains lecteurs en ligne gratuits ne font que lire l'audio dans le navigateur sans permettre de l'enregistrer. Avant de construire un projet sur une offre gratuite, vérifiez que la voix choisie figure dans l'offre que vous paieriez, et lisez la licence du lieu où vous publierez.

Écrire un texte qui se lit bien à voix haute

Voix off IA pour la vidéo : en narration par-dessus, ou parlée dans la scène

Il existe deux façons de mettre une voix IA sur une vidéo. La plus courante est la voix off : vous générez la narration en audio, la posez sous l'image dans un logiciel de montage et recadrez l'image pour qu'elle corresponde. Cela convient aux vidéos explicatives, aux tutoriels et aux documentaires, où personne à l'écran ne parle.

Quand un personnage à l'écran doit dire la réplique, un fichier audio séparé oblige à synchroniser les lèvres après coup. Les modèles vidéo récents génèrent la parole avec l'image, de sorte que la bouche du locuteur et les mots viennent d'une même passe. Cela convient à la fiction et aux dialogues plutôt qu'à la narration.

Créer votre propre voix IA : clonage et consentement

Le clonage vocal crée une voix à partir d'un enregistrement d'échantillon ; un audio plus propre donne en général une ressemblance plus fidèle. Clonez uniquement votre propre voix ou une voix pour laquelle vous avez l'autorisation, gardez cette autorisation par écrit, et indiquez dans la description quand une voix est synthétique. Beaucoup de services refusent de cloner des voix connues, et les plateformes demandent de plus en plus aux créateurs de signaler l'audio synthétique réaliste.

Un test de cinq minutes avant de choisir une voix

  1. Choisissez le paragraphe de votre script qui contient un nom, un chiffre et une question.
  2. Générez-le avec trois voix et écoutez sur les haut-parleurs qu'utilise votre public, comme un téléphone.
  3. Corrigez l'écriture des noms et des chiffres, puis générez à nouveau.
  4. Vérifiez le rythme par rapport à l'image ou au temps de lecture voulu.
  5. Lisez la licence du lieu de publication avant de générer tout le script.
Narration par-dessus la vidéoParole générée avec l'image
Convient àVidéos explicatives, tutoriels, documentairesFiction, dialogues, personnages à l'écran
LèvresPersonne ne parle à l'écran, ou synchronisation après coupBougent avec les mots dans le même plan
Modifier une répliqueNouvel audio, puis remontage du planRégénérer ou redoubler ce plan
La voixToute voix de synthèse vocaleLa voix définie pour ce personnage

FAQ

SceneMixer propose-t-il la synthèse vocale ?

Pas sous forme de fichier audio séparé. Sur SceneMixer, les répliques de chaque personnage sont prononcées dans la vidéo générée, avec la voix définie pour ce personnage, et les lèvres du locuteur suivent les mots.

La voix est-elle gratuite sur SceneMixer ?

La voix est incluse dans la vidéo et n'est pas facturée à part : un nouveau compte SceneMixer démarre avec 50 crédits, la vidéo coûte 10 crédits par seconde sur l'offre par défaut, et associer une voix à un personnage ne coûte rien.

Comment choisir une voix pour un personnage ?

Sur SceneMixer, chaque personnage a une voix décrite par des mots, comme l'âge, le grain et le rythme, ou une voix prédéfinie de la bibliothèque que vous pouvez écouter avant de choisir.

Puis-je créer ma propre voix IA ?

Avec une offre payante de SceneMixer, vous pouvez téléverser un enregistrement dont vous avez le droit d'usage comme voix d'un personnage ; il est utilisé dans chaque plan où ce personnage parle.

Comment ajouter une voix off IA ?

Dans un storyboard SceneMixer, commencez la note de la réplique par (voix off) : la réplique s'entend dans le plan, et personne à l'écran ne bouge les lèvres.

Une réplique peut-elle sonner en colère, fatiguée ou chuchotée ?

Oui. Sur SceneMixer, chaque réplique porte une indication de diction entre parenthèses, comme (bas, régulier), et elle est jouée ainsi.

Quelle langue parlent les personnages ?

La langue des dialogues du projet, choisie à l'étape 1 sur SceneMixer. Écrivez les répliques dans cette langue ; c'est ce que disent les voix.

Peut-on changer une réplique après la création de la vidéo ?

Oui. Redoublage sur SceneMixer remplace une réplique dans un clip terminé, et son option Voix originale conserve la voix du locuteur de ce clip.

Peut-on cloner la voix d'une célébrité ?

Non. SceneMixer n'accepte que votre propre voix ou une voix que vous avez le droit d'utiliser.

S'agit-il d'un logiciel de synthèse vocale IA à installer ?

Non. SceneMixer fonctionne dans le navigateur, et sur Android sous forme d'application ; les voix sont générées sur ses serveurs avec la vidéo.

Faites dire leurs répliques à vos personnages

Écrivez une courte scène, donnez une voix à chaque personnage et générez un segment pour l'entendre.

Démarrer un projet

Mis à jour le 20 novembre 2026