La réponse courte
Une voix de synthèse sonne naturelle quand elle maîtrise trois choses : la prosodie (la mélodie et l'accentuation d'une phrase), le rythme et les pauses, et la prononciation des passages délicats comme les noms, les nombres et les abréviations. Les voix neuronales modernes gèrent ces trois points bien mieux que les anciennes voix robotiques, et beaucoup fonctionnent désormais entièrement sur l'iPhone. Les voix sur l'appareil gardent votre texte privé, fonctionnent sans connexion et n'ont pas de limite au caractère ; la contrepartie est un téléchargement unique et un peu d'espace de stockage.
Ce qui rend une voix naturelle
La plupart des gens jugent une voix dans les dix premières secondes. C'est une erreur : la première phrase de presque n'importe quelle voix moderne sonne bien. Ce qui compte pour un livre, c'est la façon dont elle tient à la page 80, et cela se résume à quelques points précis.
La prosodie : la mélodie de la phrase
Un lecteur humain fait monter la voix à la fin d'une question, accentue le mot qui porte le sens (« je n'ai pas dit que c'était elle ») et laisse retomber la voix à la fin d'une affirmation. Une intonation plate ou mal placée est la première chose qui fatigue l'oreille, même quand chaque mot est correctement prononcé.
Le rythme et les pauses
Virgules, points, changements de paragraphe et dialogues appellent chacun une pause différente. Une voix qui marque partout le même court silence paraît pressée ; une voix qui s'attarde à chaque virgule paraît hésitante. Les bonnes voix accélèrent aussi légèrement sur les expressions familières et ralentissent sur les mots longs et inhabituels, et c'est ce qui rend la parole vivante plutôt que métronomique.
La prononciation des cas difficiles
Avant le moindre son, le texte doit être transformé en mots prononçables. C'est à cette étape que beaucoup de voix superbes en démonstration trébuchent sur de vrais livres :
- Nombres et dates : « 1984 » est une année dans une phrase et une quantité dans la suivante. « 3/4 » peut être une fraction ou une date.
- Abréviations : « M. » peut être Monsieur ou une initiale, « ch. » peut être chapitre ou chemin.
- Mots qui s'écrivent pareil mais se prononcent différemment : « les poules couvent » contre « le couvent » ; « nous portions » contre « les portions ».
- Noms propres : personnages, lieux et mots inventés, qu'aucun dictionnaire ne connaît.
Aucune voix ne réussit tout cela à chaque fois, et c'est pourquoi un moyen de corriger la prononciation compte autant que la voix elle-même (nous y revenons plus bas).
Voix robotiques ou voix neuronales
La « voix de robot » dont la plupart des gens se souviennent vient de méthodes de synthèse plus anciennes. Les voix à base de règles produisent le son à partir d'un modèle du conduit vocal : très intelligibles, même à vitesse élevée, ce qui explique que certains utilisateurs de lecteurs d'écran les préfèrent encore, mais indéniablement synthétiques. Les voix suivantes assemblaient de petits fragments enregistrés d'un vrai locuteur, ce qui sonne humain de près mais laisse des coutures audibles aux points de jonction.
Les voix neuronales fonctionnent autrement. Un modèle entraîné sur de nombreuses heures de parole enregistrée prédit le son d'une phrase entière à partir de son texte, intonation et rythme compris. Le résultat est plus fluide et bien plus proche d'une personne qui lit. Elles ne sont pas parfaites : une voix neuronale peut parfois accentuer le mauvais mot ou hésiter sur un nom rare. Mais sur une longue écoute, la différence de fatigue est considérable.
Votre iPhone est déjà livré avec des voix système, et certaines peuvent être téléchargées dans des variantes plus volumineuses, Améliorée ou Premium, dans Réglages › Accessibilité › Contenu énoncé › Voix. Elles conviennent bien aux textes courts ; notre guide pour faire lire un texte à voix haute par votre iPhone les présente, avec leurs limites.
Synthèse vocale sur l'appareil ou dans le cloud
Les voix neuronales peuvent fonctionner sur un serveur distant ou directement sur votre téléphone. Les deux approches sont légitimes ; elles ne font pas les mêmes compromis.
| Voix dans le cloud | Voix sur l'appareil | |
|---|---|---|
| Où va votre texte | Envoyé à un serveur pour être converti | Reste sur l'iPhone |
| Connexion | Nécessaire pendant l'écoute, ou pour générer l'audio | Uniquement pour télécharger la voix, une fois |
| Limites | Souvent décomptées en caractères ou en minutes | Pas de quota au caractère |
| Données mobiles | Consommées pendant l'écoute | Aucune une fois la voix installée |
| Stockage | Peu sur le téléphone | Chaque voix occupe de la place |
| Batterie | Utilisation du réseau | La parole est calculée sur le téléphone |
| Expressivité | Les plus grands modèles peuvent être très expressifs | Proche pour la narration, limitée par le téléphone |
La confidentialité est le point que l'on sous-estime. Si vous écoutez des rapports de travail, des contrats, des courriers médicaux ou vos propres textes inédits, la synthèse sur l'appareil signifie qu'aucun de ces textes ne quitte le téléphone. L'aspect pratique est la seconde surprise : un avion, le métro, un chalet sans réseau ou une facture d'itinérance que vous préféreriez éviter. Une voix sur l'appareil continue tout simplement de lire.
Les coûts sont réels aussi. Les voix doivent être téléchargées, idéalement en Wi-Fi, et elles occupent de l'espace : installez celles que vous utiliserez vraiment et supprimez les autres. Générer la parole sollicite le processeur, si bien qu'une longue séance consomme plus de batterie que la lecture d'un fichier audio ; les iPhone intègrent l'Apple Neural Engine, conçu précisément pour ce type de travail.
Comment VocaRead s'y prend
VocaRead exécute toutes ses voix sur l'appareil. Vous téléchargez une voix une fois, puis tout fonctionne hors ligne : pas de compte, pas de traitement dans le cloud, et vos livres ne quittent jamais l'iPhone. Il propose plus de 200 voix, dont 144 voix neuronales premium, dans 30+ langues, et les moteurs neuronaux sont accélérés par l'Apple Neural Engine. Un nouveau moteur de lecture est disponible en bêta, à activer dans Réglages › Voix ; ce guide explique comment l'essayer et revenir en arrière. Consultez le catalogue complet des voix.
Il n'y a pas de compteur de caractères. La seule limite est commerciale et annoncée d'emblée : 90 minutes d'écoute gratuite par livre, puis un achat unique de Premium pour une écoute illimitée. La lecture se fait dans l'application ; il n'exporte pas de fichiers MP3.
Comment choisir la voix d'un livre
Accordez d'abord la langue
Utilisez toujours une voix native pour la langue du livre. Une voix anglaise qui lit un roman français écorchera chaque nom et la plupart des phrases. Si vous lisez dans plusieurs langues, installez une bonne voix par langue plutôt qu'une seule voix pour tout.
Accordez le narrateur au livre
Une voix chaleureuse et posée convient à un roman ou à des mémoires. Une voix nette et neutre convient à un livre technique ou à un rapport, où la clarté compte plus que la personnalité. Une fiction riche en dialogues demande une voix aux changements d'intonation marqués, puisqu'un seul narrateur fait parler tous les personnages.
Testez sur les bonnes pages
Laissez de côté le premier paragraphe du chapitre un. Faites plutôt lire une page de dialogue, une page avec des nombres ou des dates, et une page avec les noms des personnages principaux. Puis écoutez pendant dix minutes avant de décider. Les petites manies qui vous charment dans un extrait peuvent agacer au bout d'une heure, et l'inverse est vrai aussi.
Réglez la vitesse pour chaque livre
VocaRead vous permet de régler la vitesse de 0,5x à 2,0x, et elle est mémorisée pour chaque livre. Commencez à 1,0x et ajustez par petits paliers. Les essais denses passent souvent mieux à la vitesse normale ou juste en dessous ; un genre familier ou une relecture peut monter à 1,3x ou plus. Si vous lisez dans une seconde langue, ralentir autour de 0,8x garde une voix naturelle tout en vous laissant le temps de suivre.
Corriger noms et mots avec les prononciations personnalisées
Même la meilleure voix se trompera sur un nom inventé, et elle fera la même erreur à chaque page. Dans VocaRead, appuyez longuement sur le mot, tapez comment il doit être dit, et la règle est enregistrée pour cette langue et synchronisée via iCloud avec votre iPad. Une seule correction règle tout le livre. Notre guide pour corriger les noms mal prononcés donne des conseils pour écrire des règles qui fonctionnent.
Ce que les voix de synthèse font encore moins bien
L'honnêteté s'impose ici. Un narrateur de synthèse lit la poésie plus platement qu'un bon comédien, ne fait pas de voix de personnages et peut passer à côté d'une ironie qu'un humain ferait passer dans le ton. Les tableaux, les notes de bas de page et les longues listes de références sont malaisés pour n'importe quelle voix. Pour un roman qui repose sur l'interprétation, un livre audio lu par un narrateur reste peut-être la meilleure expérience ; pour les milliers de livres, d'articles et de documents qui n'en auront jamais, une voix naturelle sur l'appareil est ce qui rend l'écoute tout simplement possible. Nous comparons les deux dans synthèse vocale vs livres audio.
Questions fréquentes
Les voix sur l'appareil valent-elles les voix dans le cloud ?
Pour la narration, les meilleures voix neuronales sur l'appareil s'en approchent, et elles l'emportent sur la confidentialité, l'usage hors ligne et l'absence de limites d'utilisation. Les tout plus grands modèles dans le cloud peuvent être plus expressifs, au prix de l'envoi de votre texte et d'un paiement à l'usage.
Mon texte est-il envoyé quelque part pendant l'écoute ?
Pas avec une synthèse sur l'appareil. Dans VocaRead, l'audio est généré sur l'iPhone et les livres ne le quittent jamais. Une connexion n'est nécessaire que pour télécharger une voix, un livre gratuit ou une page web.
Les voix hors ligne prennent-elles beaucoup de place ?
Chaque voix est un téléchargement qui reste sur le téléphone. Installez les voix que vous écoutez vraiment, une ou deux par langue, et supprimez celles que vous avez essayées sans les garder.
Quelle vitesse choisir ?
Commencez à 1,0x et ajustez par petits paliers jusqu'à ne plus remarquer la voix. La plupart des auditeurs finissent quelque part entre 1,0x et 1,5x, avec des réglages plus lents pour les contenus denses ou une seconde langue.
Le meilleur moyen de juger une voix, c'est avec un livre que vous connaissez. Téléchargez VocaRead, importez l'un de vos fichiers et essayez quelques voix : chaque livre inclut 90 minutes d'écoute gratuite, et Premium est un achat unique, pas un abonnement.