Durée de la synthèse vocale : combien de temps pour lire mon texte ?
Avant de vocaliser un script, il faut souvent connaître sa durée : un spot de 30 secondes, un Short de 60, un podcast de 10 minutes, une leçon qui doit tenir dans un cours. Le nombre de mots ne suffit pas, car chaque langue et chaque voix a son rythme.
Nous avons mesuré le moteur SuperClonica sur la même histoire en sept langues à sa vitesse par défaut, pour que vous puissiez estimer la durée avant de vocaliser quoi que ce soit, puis obtenir le chiffre exact en secondes avec une ligne de Python.
Débits mesurés
Mesuré sur un paragraphe narratif calme, avec une voix de base masculine et une féminine à la vitesse par défaut ; les deux voix différaient de moins de trois pour cent.
- Anglais : environ 190 mots par minute, environ 1000 caractères.
- Espagnol, allemand et français : environ 165 mots par minute.
- Portugais : environ 150 mots par minute.
- Russe : environ 130 mots par minute.
- Japonais : environ 320 caractères par minute.
Écouter le rythme gratuitement
Sur la page de n’importe quelle voix, saisissez une phrase de 30 à 100 caractères et cliquez sur le bouton de synthèse : en quelques secondes, vous entendez le rythme de cette voix dans votre langue, sans compte.
Estimations rapides
Gardez quelques secondes de marge : un script qui remplit le créneau jusqu’à la dernière seconde sonne pressé une fois la musique et les pauses ajoutées.
- Un spot de 30 secondes : environ 80 mots en français.
- Un Short ou un Reel de 60 secondes : environ 165 mots.
- Un podcast ou une vidéo de 10 minutes : environ 1650 mots.
- 1000 mots : environ 6 minutes.
La durée exacte de votre script
La vitesse change la durée presque proportionnellement : elle vaut 1.05 par défaut, et --speed 0.85 allonge le même texte d’environ un quart. Pour la durée exacte, installez le moteur gratuit avec python -m pip install superclonica-cpu, enregistrez le script dans script.txt et lancez : from superclonica import Superclonica; tts = Superclonica(); audio, rate = tts.synthesize(open('script.txt', encoding='utf-8').read(), 'M1', 'fr'); print(round(len(audio) / rate, 1), 'seconds'). Le serveur Docker renvoie le même chiffre dans l’en-tête X-Duration-Seconds.
Pourquoi votre texte peut durer plus
Les chiffres sont lus en toutes lettres : 1250 ou 2027 deviennent plusieurs mots prononcés. Les abréviations peuvent être lues en entier. Beaucoup de points et de lignes séparées par du silence ajoutent du temps, tandis que les longues phrases sans virgule se lisent plus vite. Mesurez une fois le vrai script plutôt que de vous fier à la moyenne.