Pauses et prononciation en synthèse vocale : piloter la voix par le texte
La plupart des problèmes de voix de synthèse viennent du texte, pas de la voix : une pause qui manque, un nom mal lu, un nombre à la mauvaise forme. Dans SuperClonica, tout se règle par le texte lui-même et quelques options du moteur, sans langage de balisage.
Ce guide montre comment le moteur lit votre texte, comment ajouter des pauses, comment corriger la prononciation et quand changer de prise ou de vitesse.
Comment le moteur lit votre texte
L’option de langue doit correspondre à la langue du texte ; sinon, les mots sont lus avec des sons étrangers.
- La ponctuation donne le rythme : une virgule fait une pause courte, un point une pause plus longue.
- Les chiffres sont lus en toutes lettres dans 27 langues, mais pas en hindi, en grec, en estonien ni en croate, et les mots ne s’accordent pas.
- Les abréviations de chat sont développées dans sept langues : français, anglais, russe, polonais, portugais, espagnol et allemand.
- Les deux se désactivent avec --no-numbers et --no-slang.
- Les balises SSML ne sont pas prises en charge : écrivez le texte comme il doit sonner.
Tester une phrase difficile gratuitement
Sur la page de n’importe quelle voix, collez la phrase qui pose problème, de 30 à 100 caractères, choisissez la langue et cliquez sur le bouton de synthèse. En quelques secondes, vous entendez comment le moteur la lit, et vous pouvez modifier le texte et réessayer. Aucun compte n’est nécessaire.
Les pauses
Le moteur coupe le silence avant et après une phrase ; --keep-silence le conserve, ce qui aide pour assembler des parties.
- Une virgule pour respirer, un point pour une pause nette.
- Des points de suspension pour l’hésitation ou le suspense : « Eh bien... je ne suis pas sûr. »
- Une nouvelle phrase plutôt qu’une longue : la voix marque une pause entre les phrases.
- Pour une pause d’une durée précise, générez les parties séparément et insérez le silence voulu dans un éditeur audio.
La prononciation
Réécrivez ce que le moteur lit mal, comme cela doit sonner : un nom étranger, une marque, un mot rare. Écrivez les sigles en lettres séparées par des espaces ou en toutes lettres. Quand la grammaire compte, écrivez les nombres en toutes lettres. Coupez d’un trait d’union un long mot composé qui sort brouillé. Gardez la version réécrite seulement dans le texte à vocaliser, pas dans celui que vous publiez.
Prises, vitesse et volume
Chaque lancement est une nouvelle prise : si une phrase sonne un peu faux, régénérez-la, ou indiquez --seed avec un nombre pour essayer différentes prises et répéter celle qui vous plaît. La vitesse par défaut est 1,05 ; une valeur plus basse comme 0.95 ralentit la voix, une plus haute comme 1.1 l’accélère. L’option --normalize met tous les fichiers au même volume, −18 LUFS. Tout cela se trouve dans le moteur gratuit SuperClonica : python -m pip install superclonica-cpu, puis superclonica --text "Votre texte" --voice F1 --lang fr --seed 7 --speed 0.95 --output prise.wav.