Faire chanter, beatboxer ou délirer une synthèse vocale
Les clips d’une voix robotique qui chante, fait du beatbox ou imite un hélicoptère sont des mèmes depuis des années. On essaie la même chose avec une synthèse vocale moderne et l’on se demande pourquoi elle lit simplement les caractères bizarres.
Ce guide explique d’où viennent ces astuces, la syntaxe DECtalk documentée qui les permet et ce qu’une voix IA moderne comme SuperClonica peut faire à la place.
D’où viennent les astuces
La plupart des astuces de chant et de bruitage ont été faites avec DECtalk, le synthétiseur vocal à formants classique. Le jeu gratuit de la NASA Moonbase Alpha fait lire son chat par DECtalk, et des joueurs sont devenus célèbres en tapant des commandes de phonèmes dans le chat pour faire chanter leurs astronautes. Comme DECtalk fabrique le son par des règles, on peut lui dire exactement quel son produire, combien de temps et à quelle hauteur.
La syntaxe de chant de DECtalk
La documentation de DECtalk décrit un format avec un phonème entre crochets suivi de sa durée et de son numéro de hauteur entre chevrons : la durée est en millisecondes et le numéro de hauteur vient de sa table des tons, qui liste notes et fréquences. Par exemple, le phonème ow avec 400 et 13 entre chevrons tient une voyelle 400 millisecondes sur une note. En enchaînant ces commandes on obtient des mélodies ; des suites très courtes et rapides donnent du beatbox, des moteurs et des effets de « glitch ». Selon la version de DECtalk, la saisie de phonèmes doit parfois être activée : vérifiez le manuel de votre version.
Pourquoi les voix IA modernes ne le font pas
La synthèse vocale neuronale, SuperClonica compris, apprend sur des enregistrements de vraie parole et lit le texte comme le ferait une personne. Elle n’accepte pas de commandes de phonème, de durée ou de hauteur : les chaînes DECtalk sont lues comme des lettres ou ignorées, et elle ne peut pas chanter sur des notes données. C’est le prix d’un rendu naturel.
Ce qu’on peut faire avec une voix moderne
On peut tout de même jouer sur l’interprétation : vitesse de 0.7 à 2.0 dans le moteur gratuit, virgules et points pour les pauses, points d’exclamation et d’interrogation pour la mélodie, mots écrits comme ils doivent sonner. Pour l’humour, choisissez une voix de personnage, faites lire de courtes phrases et montez-les dans un éditeur audio ; répéter ou inverser de courts extraits donne bien des effets de « glitch » sans aucun code de phonème. Écoutez les voix gratuitement sur leurs pages avec 30 à 100 caractères.
Choisir le bon outil
Pour un chant de robot rétro, utilisez DECtalk ; le guide DECtalk explique où le trouver aujourd’hui. Pour une parole naturelle avec une voix de personnage ou de narrateur en 31 langues, utilisez SuperClonica : installez-le avec python -m pip install superclonica-cpu ou entraînez votre propre voix dans le studio à partir de 5 à 10 secondes d’enregistrement. Le chinois n’est pas encore pris en charge.