Dialogues et citations : ce que la synthèse vocale fait des guillemets

Un article de presse, un billet de blog, un roman en feuilleton : dès qu'un texte rapporte des paroles, il change de régime. Une citation, une réplique de dialogue, un mot placé entre guillemets pour marquer la distance ne se lisent pas à voix haute comme une phrase ordinaire. L'oreille attend une inflexion, une pause, parfois un changement de rythme. C'est exactement là qu'un moteur de synthèse vocale se juge, parce que rien dans le texte écrit ne lui dit explicitement « ici, quelqu'un d'autre parle ». Cet article regarde ce qui se passe concrètement, sur des cas que vous pouvez reproduire.

Le cas de test

Prenons un paragraphe qui cumule les difficultés :

> La ministre a été catégorique : « Nous ne reviendrons pas sur ce calendrier. » Le maire, lui, parlait d'un texte « inapplicable en l'état », avant d'ajouter, plus bas, qu'il ferait « tout ce qui est en son pouvoir ».

Trois formes de guillemets français cohabitent ici. La première encadre une citation complète, une phrase autonome. La deuxième isole deux mots au milieu d'une phrase, pour signaler que ce sont ceux du maire et pas ceux du journaliste. La troisième fait la même chose, mais à la fin. Un lecteur humain traite les trois différemment sans y penser. Un moteur, lui, doit décider.

Ce que le moteur fait des guillemets

Premier réflexe utile : les guillemets français (les chevrons « et ») ne se prononcent pas. Un bon moteur ne dit jamais « ouvrez les guillemets ». Il les traite comme un signal de ponctuation, pas comme un caractère à lire. Cela paraît évident, et pourtant certains outils, surtout ceux calibrés d'abord pour l'anglais, buttent sur les chevrons parce qu'ils ne les reconnaissent pas comme des guillemets et les ignorent au mauvais endroit, ou marquent une pause là où il n'en faut pas. Le premier test d'un moteur sur du français consiste à lui donner une citation entre chevrons et à écouter s'il les avale proprement.

Deuxième point, plus subtil : la pause. Après « La ministre a été catégorique : », le deux-points appelle un léger silence, et l'ouverture de la citation le renforce. Le moteur devrait respirer là, sans quoi la citation se colle à l'annonce et l'auditeur perd la frontière entre le journaliste et la ministre. C'est la ponctuation qui porte cette information, et c'est pourquoi un texte bien ponctué s'écoute mieux qu'un texte négligé : nous l'avons détaillé dans notre article sur la ponctuation et la respiration à l'écoute.

Là où presque tous les moteurs actuels s'arrêtent, en revanche, c'est l'intonation. Un comédien baisserait légèrement la voix sur « inapplicable en l'état » pour montrer qu'il cite. La synthèse vocale, elle, lit la citation courte sur la même ligne mélodique que le reste. Ce n'est pas un défaut de prononciation, c'est une limite de sens : le moteur ne sait pas que ces deux mots appartiennent à quelqu'un d'autre. Le résultat reste parfaitement compréhensible, mais l'effet de citation se perd. Autant le savoir avant de promettre à une rédaction un rendu de comédien.

Les dialogues, et le tiret qui ouvre la réplique

Le roman et l'entretien posent une difficulté de plus : le dialogue introduit par un tiret en début de ligne. Le tiret n'est pas un mot, il annonce un changement de locuteur. Un moteur qui l'ignore enchaîne les répliques comme une seule tirade ; un moteur qui le traite comme une ponctuation forte marque une pause franche à chaque prise de parole, ce qui est presque toujours le bon choix à l'oral. Le problème classique n'est pas le tiret lui-même, mais l'incise qui suit : dans « Je refuse, dit-il en se levant », le « dit-il » doit se dire plus bas et plus vite que la réplique, sinon il prend autant de poids que le refus. Aucun moteur grand public ne fait cette bascule automatiquement aujourd'hui. La parade tient à l'écriture : une incise courte, bien détachée par des virgules, s'écoute correctement même sans modulation.

Corriger sans réécrire tout le texte

Quand une citation contient un terme que le moteur lit mal (un nom propre, un sigle, un mot étranger), le réflexe n'est pas de toucher au texte visible, qui doit rester exact, mais de passer par le lexique de prononciation. Vous y déclarez une fois la lecture attendue, et elle s'applique partout, y compris à l'intérieur des guillemets. C'est la bonne granularité : le texte reste ce que le lecteur voit, la correction vit à côté.

Pour le reste, la meilleure préparation est éditoriale. Introduisez vos citations par un verbe et un deux-points plutôt que de les jeter au milieu d'une phrase, gardez les incises de dialogue courtes, et relisez à l'oreille les passages qui rapportent des paroles. Un texte pensé pour être lu à voix haute traverse mieux la synthèse qu'un texte pensé pour l'oeil seul.

Ce qu'il faut en retenir

La synthèse vocale gère bien la mécanique des citations : elle ignore les chevrons, respecte les pauses annoncées par la ponctuation, et sépare proprement les répliques d'un dialogue. Ce qu'elle ne fait pas encore, c'est jouer la citation, baisser la voix pour signaler qu'un autre parle. Savoir où passe cette ligne évite deux erreurs symétriques : croire qu'un moteur remplace un comédien, et croire qu'il bute sur des difficultés qu'il traite en réalité très bien. Si vous voulez vérifier tout cela par vous-même, notre grille pour évaluer une voix neuronale inclut un passage avec citations, et vous pouvez la passer à n'importe quel outil, y compris le nôtre. C'est aussi ce genre d'exigence qui guide notre travail sur la lecture du français, décrit sur la page text to speech français.

À lire aussi

• Le débit de lecture : à quelle vitesse une voix de synthèse doit lire le français
• Ajouter l'écoute audio à un blog Tumblr : ce qui marche, et ce qui bloque
• Lire les dates à voix haute en français : ce qui piège une synthèse vocale