Comment évaluer une voix neuronale avant de s'engager
Une démo bien choisie ne prouve rien. Voici les six épreuves à faire passer à une voix de synthèse sur vos propres textes, et le détail qui coûte le plus cher quand on l'oublie.
Toutes les voix neuronales sonnent bien pendant trente secondes. C'est le problème. La démonstration que vous écoutez a été enregistrée sur un texte choisi pour elle : phrases courtes, vocabulaire courant, aucun nom propre difficile, aucun chiffre. Sur ce terrain-là, l'écart entre une très bonne voix et une voix moyenne est presque inaudible.
L'écart apparaît ailleurs, et il apparaît sur vos contenus à vous. Voici comment le faire sortir avant de signer, plutôt qu'au bout de trois semaines de production.
Si vous cherchez d'abord la définition, elle est dans le lexique. Cet article suppose que vous savez ce qu'est une voix neuronale et que vous devez maintenant en choisir une.
Épreuve 1 : votre pire paragraphe, pas le meilleur
Prenez un article réel de votre site et repérez le passage que vous auriez du mal à lire vous-même à voix haute. En général c'est une phrase de six lignes avec deux incises, ou un paragraphe qui enchaîne trois noms d'organismes.
C'est ce paragraphe-là qu'il faut donner à la voix, pas votre édito le mieux écrit. Une voix qui tient sur un texte difficile tiendra partout ; l'inverse n'est jamais vrai.
Épreuve 2 : les noms propres de votre territoire
C'est le premier point de rupture, et le plus visible pour votre audience. Les noms de communes, de quartiers, d'élus, de clubs sportifs, d'entreprises locales : une voix générique les prononcera à la française standard, ce qui donne parfois un résultat correct et parfois un résultat que vos lecteurs entendront comme une faute.
Constituez une liste de vingt noms propres qui reviennent dans vos articles et faites-les lire. Comptez les erreurs. Ce chiffre est plus prédictif de votre satisfaction à six mois que n'importe quelle impression générale sur le timbre.
Un point important, et souvent mal compris : ces erreurs ne se corrigent pas en changeant de voix. Elles se corrigent avec un lexique de prononciation, c'est-à-dire une liste de mots et de leur prononciation attendue, appliquée à tous vos articles. La bonne question à poser à un fournisseur n'est donc pas « votre voix prononce-t-elle correctement ce nom ? » mais « puis-je lui apprendre, et l'apprentissage tient-il dans le temps ? ».
Épreuve 3 : les chiffres, les dates, les unités
« 15/03 », « 1 200 € », « 3,5 % », « n° 12 », « 20 h 30 ». Chacune de ces écritures a une lecture attendue et plusieurs lectures possibles. Une voix qui lit « quinze slash zéro trois » a échoué à quelque chose de basique, et vos articles en sont pleins.
Ce test prend deux minutes et élimine plus de candidats que tous les autres.
Épreuve 4 : dix minutes, pas trente secondes
La fatigue d'écoute ne se mesure pas sur un extrait. Certaines voix ont un défaut de rythme (une cadence trop régulière, une respiration au même endroit à chaque phrase) qui passe inaperçu au début et devient pénible au bout de cinq minutes.
Faites lire un article entier. Écoutez-le en faisant autre chose, comme le fera votre audience. Si au bout de dix minutes vous avez envie que ça s'arrête, votre lecteur aussi.
Épreuve 5 : le même texte, deux fois
Regénérez le même article le lendemain et comparez. Une voix qui produit deux versions sensiblement différentes du même texte vous posera un problème le jour où vous devrez corriger une phrase dans un article déjà publié : le segment corrigé ne se raccordera pas au reste.
C'est un critère invisible en démonstration et déterminant en production. Il conditionne la possibilité même de corriger un passage sans tout refaire.
Épreuve 6 : ce que la voix rend en plus du son
Une voix qui ne rend qu'un fichier audio vous ferme des portes que vous ne voyez pas encore. Les horodatages mot à mot, la position exacte de chaque mot dans le fichier, sont ce qui permet d'afficher le texte surligné en même temps que la lecture, de proposer une recherche à l'intérieur de l'audio, et de générer des sous-titres.
Demandez explicitement si ces données sont disponibles pour la voix que vous évaluez. La réponse varie d'une voix à l'autre chez un même fournisseur, ce qui surprend souvent.
Les trois questions qui ne concernent pas le son
Une fois les épreuves passées, il reste trois points qui décideront de l'usage réel.
Le coût par article, pas par caractère. Les tarifs sont affichés au million de caractères, ce qui n'aide personne à décider. Multipliez par la longueur moyenne de vos articles et par votre volume mensuel. Le chiffre qui compte est le coût d'un article, et il faut y ajouter les regénérations : un article corrigé est un article payé deux fois.
Le délai. Un article qui prend quinze minutes à sonoriser ne peut pas accompagner une publication d'actualité. Mesurez le délai sur un texte de la longueur des vôtres, pas sur une phrase.
Ce qui se passe si la voix disparaît. Les catalogues évoluent, les voix sont retirées. Demandez ce qu'il advient de vos articles déjà publiés, et s'il existe un chemin de repli vers une voix proche. C'est la question la moins agréable à poser et la plus utile à avoir posée.
Ce que nous en faisons
Chez WeDispatch, l'évaluation se fait sur vos propres textes dès le départ : vous collez un article et vous écoutez le résultat, sans installation. Le lexique de prononciation, les horodatages et la correction ciblée d'un segment font partie de l'offre plutôt que d'options, précisément parce que ce sont les trois points sur lesquels un choix de voix se paie ou se rentabilise sur la durée.
Sur le choix d'une voix propre à votre média plutôt qu'une voix de catalogue, voyez la voix signature. Et sur la raison pour laquelle ces voix sont devenues difficiles à distinguer d'une voix humaine, nous avons écrit ceci.
Sonorisez vos articles avec WeDispatch
Ce blog sera lui-même sonorisé par WeDispatch. Envie de voir ce que ça donne sur vos contenus ?
Demandez une démo