Synthèse vocale avec émotion : rendre une voix IA expressive
Une parole plate convient à un mode d’emploi, mais une histoire, une réplique de jeu ou une bande-annonce ont besoin d’émotion : enthousiasme, colère, calme, peur, sarcasme. Certains services de synthèse vocale proposent des balises d’émotion ; Supertonic 3, le modèle ouvert utilisé par SuperClonica, n’en a pas. Son émotion vient de trois choses que vous contrôlez.
Ce guide explique comment obtenir honnêtement une parole expressive : en choisissant la bonne voix, en entraînant une voix à partir d’un enregistrement joué avec l’émotion voulue et en écrivant le texte comme il doit être ressenti. Chaque voix peut être essayée gratuitement sur votre propre phrase.
D’où vient l’émotion
Il n’y a pas de curseur joie ou colère, alors prévoyez l’émotion avant de générer le texte.
- La voix : chaque voix garde la manière de l’enregistrement dont elle est issue, calme, vive, sombre ou bondissante.
- La référence : une voix entraînée sur un enregistrement en colère, chuchoté ou joyeux dit tout texte dans cette humeur.
- Le texte : ponctuation, longueur des phrases et choix des mots façonnent l’intonation et l’énergie.
Choisissez une voix expressive
Les descriptions du catalogue disent comment une voix livre ses répliques : égale, vive, saccadée, retenue, insinuante. Pour l’énergie, prenez des voix décrites comme vives ou énergiques, comme les narrateurs énergiques et beaucoup de personnages de jeux et de dessins animés. Pour le calme et la chaleur, des voix graves et égales. Pour la menace, les méchants au débit grave et mesuré fonctionnent le mieux.
Écrivez l’émotion dans le texte
Le modèle lit la phrase entière d’un coup, donc la ponctuation change la mélodie de la phrase, pas seulement les pauses.
- Enthousiasme : phrases courtes et points d’exclamation.
- Calme : phrases plus longues, points, sans exclamations.
- Hésitation ou suspense : points de suspension et virgules pour les pauses.
- Questions : le point d’interrogation fait monter la fin de la phrase.
- Caractère : les mots que quelqu’un dirait vraiment dans cet état.
Entraînez une voix avec l’émotion voulue
Pour une humeur précise qu’aucune voix n’a, enregistrez une référence propre de 5 à 10 secondes jouée dans cette humeur, avec son texte exact, et entraînez une voix avec dans le studio sur un ordinateur doté d’une carte graphique NVIDIA, ou commandez-la sur la bourse. Plusieurs voix d’un même locuteur, calme, en colère et chuchotée, permettent de changer d’émotion d’une réplique à l’autre.
Testez et générez hors ligne
Sur la page de n’importe quelle voix, saisissez votre réplique de 30 à 100 caractères et cliquez sur le bouton de synthèse pour entendre comment elle gère l’émotion. Pour de nombreuses répliques, téléchargez le fichier de la voix et utilisez le moteur gratuit SuperClonica : python -m pip install superclonica-cpu, puis superclonica --text "Dehors. Maintenant." --voice mechant.json --lang fr --output replique.wav. Il fonctionne hors ligne sur un processeur ordinaire.