Text to speech français : les six questions à poser avant de choisir

Choisir un outil de synthèse vocale se fait presque toujours à l'oreille, sur une démonstration de trente secondes. C'est le plus mauvais moment pour décider, parce que toutes les voix sonnent bien sur un texte choisi pour elles. Les questions qui comptent ne portent pas sur le timbre. Elles portent sur ce que l'outil fait de vos vrais articles, avec vos vrais noms propres et vos vrais chiffres, une fois que la démonstration est finie.

Voici six questions à poser à n'importe quel fournisseur. Ce n'est pas un classement de produits : c'est une grille que vous pouvez appliquer vous-même, à nous comme à un concurrent. Pour rester honnête, nous y répondons pour WeDispatch à chaque étape, y compris quand la réponse est non.

1. L'outil lit-il le français, ou se contente-t-il de le prononcer ?

C'est la question de fond, et elle sépare deux familles d'outils. Prononcer, c'est transformer des lettres en sons. Lire, c'est décider avant comment dire « 1 200 € », « 15 h 30 », « SNCF », « XIXe » ou « M. Charrier », puis le prononcer. La difficulté du français lu par machine ne vient pas de la voix, elle vient de cette étape de préparation.

Notre réponse : c'est notre parti pris, et la raison d'être de la page text to speech français. Le moteur prépare la lecture des nombres, des sigles, des heures et de la ponctuation avant de sonoriser. Vérifiez-le vous-même en donnant à l'outil un paragraphe qui en contient plusieurs à la suite : c'est là que la plupart trébuchent.

2. Combien de langues, et à quel niveau ?

Un catalogue de trente langues rassure sur une fiche technique et ne dit rien de la qualité de lecture d'aucune. Une langue bien lue demande un travail de préparation propre à sa grammaire, et ce travail ne se réplique pas gratuitement d'une langue à l'autre.

Notre réponse, et c'est un non assumé : nous lisons cinq langues, le français, l'anglais, l'espagnol, l'allemand et l'italien. Pas le portugais, pas l'arabe. Nous préférons bien lire quelques langues que mal en lire trente, parce qu'un éditeur francophone juge un outil sur le français, pas sur le nombre de drapeaux. Si vous publiez en douze langues, nous ne sommes pas le bon outil, et il vaut mieux le savoir maintenant.

3. Puis-je corriger une prononciation, et la correction tient-elle ?

Toute voix se trompe sur un nom de commune, un patronyme ou une marque. La vraie question n'est pas « se trompe-t-elle ? » mais « puis-je lui apprendre, une fois, et l'apprentissage s'applique-t-il à tous les articles suivants ? ». Un outil qui vous fait recommencer la correction à chaque texte vous coûtera plus cher en temps que ce qu'il économise.

Notre réponse : oui, via un lexique de prononciation. Vous déclarez une fois la prononciation attendue d'un mot, et elle s'impose partout ensuite. C'est un point à tester explicitement chez n'importe quel fournisseur, car la réponse varie beaucoup.

4. Que rend l'outil en plus du fichier son ?

Un outil qui ne rend qu'un MP3 vous ferme des portes que vous ne voyez pas encore : le texte qui se surligne au fil de la lecture, la recherche à l'intérieur de l'audio, les sous-titres, la correction d'un passage sans tout refaire. Toutes reposent sur une même donnée, la position exacte de chaque mot dans le fichier.

Notre réponse, avec le compromis qui va avec : nous avons retenu un seul moteur de lecture, et nous l'avons choisi parce qu'il horodate au mot. Certaines voix qui sonnent mieux ne le font pas, et nous les avons débranchées plutôt que de promettre un surlignage qu'elles ne peuvent pas tenir. C'est un arbitrage, pas un avantage gratuit : nous avons préféré la fonction à un demi-ton de plus dans la voix.

5. Où vont mes données, exactement ?

Un texte envoyé à un outil vocal transite par au moins deux traitements : la préparation de la lecture, qui voit tout l'article, et la synthèse de la voix. Demandez où se fait chacun, pas « êtes-vous conforme » en général.

Notre réponse, avec sa part de non : la préparation du texte se fait dans l'Union européenne. La synthèse de la voix, elle, ne l'est pas encore aujourd'hui. Nous ne prétendons pas le contraire, et l'offre dite souveraine reste grisée tant que la chaîne vocale n'est pas européenne de bout en bout. Un fournisseur qui répond « tout est en Europe » sans distinguer les deux étapes mérite qu'on insiste.

6. Combien ça coûte par article, régénérations comprises ?

Les tarifs s'affichent au million de caractères, ce qui n'aide personne à décider. Personne n'écoute un million de caractères : on écoute un article. Multipliez par la longueur moyenne des vôtres, et ajoutez les régénérations, car un article corrigé après coup est un article payé deux fois.

Notre réponse : nous raisonnons par article et par volume mensuel, pas au caractère, et un essai gratuit permet d'entendre le rendu sur vos propres textes avant de payer quoi que ce soit. Le meilleur moyen de répondre à cette question reste de sonoriser trois de vos articles et de regarder le résultat.

Ces six questions ne désignent pas un gagnant. Elles vous donnent une grille pour juger, et une façon de repérer un fournisseur qui esquive : celui qui répond « oui » aux six sans jamais nommer une limite ne vous a pas répondu, il vous a vendu. Pour aller plus loin sur l'écoute d'une voix précise, notre article comment évaluer une voix neuronale détaille les épreuves à lui faire passer.

À lire aussi

• Intégrer le balisage schema.org d'un article sonorisé : le bon usage d'AudioObject
• Bibliothèques et médiathèques : l'audio au service de l'accessibilité de la lecture
• Ajouter une version audio à un site PrestaShop