Synthèse vocale et accents régionaux : peut-on faire lire un article avec l'accent du Sud ?
Un média local aimerait une voix qui sonne comme son public : l'accent de Marseille, celui du Nord, celui de Toulouse. Ce que les voix de synthèse savent faire aujourd'hui, ce qu'elles déclarent vraiment, et pourquoi la réponse honnête est non.
La question revient surtout chez les médias locaux, et elle est légitime : « Est-ce qu'on peut faire lire nos articles avec l'accent d'ici ? » Un quotidien marseillais aimerait une voix qui sonne du Sud, un titre lillois une voix qui sonne du Nord. L'idée est bonne : une voix proche de son public installe une familiarité qu'une voix neutre n'a pas. La réponse honnête, pourtant, est non, et il vaut mieux l'expliquer que la contourner.
Ce que nos voix déclarent, lu dans le catalogue
Commençons par le vérifiable. Notre catalogue de voix françaises n'a pas de notion d'accent régional. Une voix y porte un identifiant, un prénom, un genre, et parfois un style, mais aucun champ ne dit « accent du Sud » ou « accent du Nord », pour une raison simple : ce champ n'existe pas, et nous ne l'inventerons pas pour faire joli. Ce que certaines voix déclarent, c'est un style, qui décrit un registre de lecture et non une origine géographique. On y trouve par exemple une voix « présentateur, posé », une voix « assurée, corporate », une voix « chaleureuse, proche », une voix « riche, régulier », une voix « expert, confiant », ou encore une voix « clair, téléphonique ». La plupart des autres voix du catalogue ne déclarent même pas de style : elles portent seulement un prénom et un genre.
Autrement dit, choisir une voix chez nous, c'est choisir un timbre et un registre, pas une région. C'est d'ailleurs ce que nous expliquons dans l'article sur le choix d'une voix masculine ou féminine selon le contenu : le choix porte sur l'effet de la voix, sa crédibilité, sa fatigue d'écoute, jamais sur un accent de terroir.
Pourquoi les modèles ne « font » pas un accent sur commande
Techniquement, les voix neuronales d'aujourd'hui reproduisent les caractéristiques de la personne qui a servi à les entraîner. Une voix « sonne » d'une certaine façon parce qu'elle a été fabriquée à partir d'enregistrements d'une voix donnée. On ne pose pas un accent régional sur une voix comme on changerait un réglage : il faudrait une voix entraînée sur un locuteur du Sud, ou du Nord, et déclarée comme telle. Ce n'est pas ce que propose le moteur que nous utilisons pour le français, et nous ne prétendrons pas le contraire. Prétendre « forcer » un accent reviendrait à bricoler une prononciation, ce qui produirait une caricature, pas un accent, et s'entendrait immédiatement. La façon de juger une voix sur pièces, nous la donnons dans l'article comment évaluer une voix neuronale : écoutez, et vous entendrez tout de suite ce qu'une voix sait et ne sait pas faire.
La nuance qui, elle, existe : les variantes du français
Il faut distinguer l'accent régional de France, qu'on ne propose pas, de la variante nationale du français, qui est un autre sujet. Lire un texte québécois avec une voix pensée pour le français de France pose de vraies questions de prononciation et de lexique, que nous traitons dans l'article sur la synthèse vocale et le français québécois. Mais là encore, il s'agit de ce qu'une voix fait bien ou mal sur un texte donné, pas d'un bouton « accent québécois ». La règle est la même partout : nous disons ce que l'outil fait, nous ne vendons pas ce qu'il ne fait pas.
Ce qu'un média local peut faire malgré tout
Renoncer à l'accent ne veut pas dire renoncer à une voix qui va bien. Un média local a tout intérêt à écouter plusieurs voix du catalogue et à en retenir une dont le registre colle à son ton : une voix chaleureuse et proche pour une rubrique de proximité, une voix posée de présentateur pour l'actualité institutionnelle. C'est un choix éditorial réel, qui s'entend, et qui compte davantage pour l'auditeur que la provenance supposée de la voix. Et un média qui tient vraiment à l'ancrage local dispose d'un levier plus sûr que l'accent : le soin de la prononciation des noms propres de son territoire, lieux-dits, patronymes, quartiers, que notre lexique permet de corriger une fois pour toutes. C'est ce détail qui dit « on est d'ici », bien plus qu'un accent synthétique.
En résumé
Faire lire un article avec l'accent du Sud ou du Nord n'est pas possible aujourd'hui chez nous, et nous le disons sans détour : le catalogue déclare des styles de lecture, jamais des accents régionaux, et le moteur ne pose pas un accent sur commande. Ce qu'un média local peut travailler, c'est le registre de la voix et la prononciation exacte de ses noms de lieux, deux choix qui s'entendent et qui lui appartiennent. Pour approfondir ce qui se joue entre le texte écrit et ce qui se dit, notre page text to speech en français rassemble ce parti pris.
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