Synthèse vocale pour vidéos, livres audio, jeux et applications

Choisir une voix pour le projet

Écoutez les démos du catalogue, puis essayez la voix sur votre propre script : une voix brillante en démo ne convient pas forcément à votre sujet.

• Vidéos explicatives et tutoriels : une voix claire et régulière, à un rythme modéré.
• Livres audio : un narrateur agréable à écouter pendant des heures. Jugez sur un long passage, pas sur une seule phrase.
• Jeux : une voix par personnage, et le même fichier pour toutes ses répliques. Une voix entraînée repart chaque fois du même timbre, si bien que le personnage reste reconnaissable sur des centaines de répliques.
• Applications et assistants : des phrases courtes, donc vérifiez comment la voix lit les questions, les nombres et les noms.

Écrire le script pour l’oreille

La synthèse vocale lit exactement ce qu’on lui donne : l’essentiel du travail se fait dans le texte.

• Faites des phrases courtes et coupez les longues aux pauses naturelles.
• Écrivez les nombres, les dates, les unités et les abréviations comme ils doivent sonner.
• Placez les pauses avec la ponctuation, et commencez un nouveau paragraphe là où l’image change de plan.
• Écoutez les noms propres et les mots étrangers ; si l’un sonne faux, écrivez-le comme il se prononce.
• Indiquez le code de la langue dans laquelle le texte est écrit.

Rythme et nouvelles prises

Générez la voix off par morceaux : un fichier par scène, diapositive ou paragraphe. Elle se cale ainsi facilement sur l’image, et une phrase se refait seule.

Si une phrase sonne mal, générez-la de nouveau. Dans l’exemple standard de Supertonic 3, l’option --speed règle le tempo général (1.05 par défaut, plus haut pour plus vite). Dans l’exemple Python de SuperClonica, le paramètre seed contrôle la part aléatoire de la génération : gardez-le pour reproduire une prise, changez-le pour en obtenir une autre. Le calage fin se fait dans le logiciel de montage : couper les silences, ajouter des pauses entre les phrases, déplacer les extraits selon les coupes.

Selon notre estimation, SuperClonica produit une heure d’audio en 7 à 11 minutes environ sur un processeur de bureau à 8 cœurs : après des corrections, on peut même régénérer un chapitre entier de livre audio.

Formats audio pour la vidéo, le livre audio et le jeu

Le client standard de Supertonic 3 comme le moteur SuperClonica enregistrent des fichiers WAV. Montez en WAV, puis exportez la vidéo ou le livre audio terminé depuis votre logiciel dans le format demandé par votre plateforme, MP3 ou AAC par exemple.

Pour les jeux et les applications, deux possibilités : générer les répliques à l’avance en fichiers audio, ou produire la voix directement sur l’appareil de l’utilisateur. Supertonic 3 tourne sur ordinateur, dans le navigateur avec ONNX Runtime Web et dans des applications mobiles compatibles : la voix sur l’appareil fonctionne donc même quand les répliques ne sont pas connues à l’avance.

Ce que permet une voix achetée

Une voix achetée sur SuperClonica est destinée à vos propres projets : les vidéos, livres audio, jeux et applications que vous réalisez. Revendre la voix ou republier son fichier n’est pas autorisé. Supertonic 3 lui-même est sous OpenRAIL-M, une licence sans redevance assortie d’une liste d’usages interdits, dont le fait de se faire passer pour quelqu’un sans son consentement.

Vous payez une fois le prix fixé par l’auteur en dollars US. Le fichier reste dans votre bibliothèque, et personne ne compte ni caractères ni minutes. Une voix réalisée sur commande est privée et n’apparaît pas dans le catalogue. Si votre produit doit embarquer le fichier de la voix lui-même, par exemple pour générer la voix sur l’ordinateur des joueurs, écrivez à support@superclonica.com avant la sortie.