Voix de synthèse et émotion : ce qu'elle rend, et ce qu'elle ne joue pas
Une voix neuronale rend la question et l'exclamation de façon convaincante. L'ironie, la colère rapportée, le deuil, beaucoup moins. Pourquoi un article ne se joue pas comme une pièce, et où passe exactement la limite, dit sans l'arranger.
Il y a une attente, légitime, derrière la question « est-ce que la voix met le ton ? ». Elle vient du fait que les voix de synthèse ont tellement progressé qu'on les prend souvent pour des voix humaines. Mais progresser sur le naturel n'est pas la même chose que savoir jouer. Une voix neuronale lit juste ; elle n'interprète pas. La différence est facile à ignorer sur un texte neutre, et elle saute aux oreilles dès qu'un passage demande une émotion. Voici où elle passe, avec trois phrases qui la montrent.
Ce que la voix rend bien
Commençons par ce qui marche, parce que c'est réel. L'intonation grammaticale est bien restituée. Une question monte à la fin : « Vous croyez vraiment que ce budget passera ? » se lit avec la courbe montante attendue, sans qu'on ait rien à régler. Le traitement de l'interrogation est assez fiable pour qu'on puisse s'y fier dans un article de presse, et nous l'avons détaillé dans notre article sur l'intonation des questions en français. L'exclamation fonctionne aussi : « Quelle journée ! » reçoit une emphase crédible. La voix sait lire la ponctuation comme un signal de courbe mélodique, et sur ce terrain elle est à l'aise.
C'est ce socle qui explique pourquoi on ne reconnaît plus les voix de synthèse au premier mot, un sujet que nous traitons dans pourquoi on ne les reconnaît plus. Mais reconnaître une bonne lecture et reconnaître une bonne interprétation sont deux jugements différents.
Les trois phrases où la limite s'entend
Prenons l'ironie d'abord. « Bravo, c'est exactement ce qu'il fallait faire. » À l'écrit, le contexte dit si c'est un compliment ou un reproche. À l'oral, un comédien renverserait le sens par une inflexion sèche sur « bravo ». La voix de synthèse, elle, lit la phrase au premier degré : la ponctuation est neutre, donc la courbe est neutre, et l'ironie se perd. Ce n'est pas un défaut de la voix, c'est que l'ironie vit dans l'écart entre ce qui est dit et ce qui est pensé, et que rien dans le texte ne signale cet écart.
La colère rapportée ensuite. « Il a hurlé : Sortez d'ici. » Un humain baisserait d'un ton pour poser le récit, puis monterait brutalement sur la citation. La voix de synthèse lit les deux parties sur le même registre : on comprend qu'il y a eu un cri parce que le texte le dit, pas parce qu'on l'entend. Le changement de voix sur les citations aide à distinguer deux locuteurs, mais il ne met pas de colère dans la citation ; il la détache, il ne la joue pas.
Le deuil enfin. « Elle est partie un mardi, sans prévenir personne. » C'est une phrase qui, dite par une voix humaine, se ralentit, se retient, laisse un silence. La voix de synthèse la lit à son débit habituel, avec la pause que commande la virgule, ni plus ni moins. La gravité n'y est pas parce qu'elle ne se commande pas par la ponctuation : elle se joue, et jouer n'est pas lire.
Pourquoi on a fait ce choix, et pourquoi c'est un choix
On pourrait vouloir « ajouter de l'émotion », et certains outils le proposent par des réglages d'intensité. Nous ne l'avons pas fait, et ce n'est pas par incapacité technique seule : c'est un parti pris. Un article d'information lu avec une émotion ajoutée sonne faux, parce que l'émotion plaquée est pire que l'émotion absente. Un fait divers dit sur un ton dramatique devient un mauvais téléfilm ; une analyse économique colorée d'enthousiasme devient suspecte. La neutralité d'une bonne lecture est une qualité pour de l'information, pas un manque.
Là où l'émotion compte vraiment, pour un récit, une fiction, un poème, le bon outil n'est pas une voix de synthèse à qui on demande de jouer : c'est une voix humaine. Nous le disons franchement, parce que prétendre le contraire reviendrait à survendre ce que nous faisons. Notre travail, c'est de bien lire le français, pas de le mettre en scène.
Ce qu'il faut en retenir avant de choisir
Si vous évaluez un outil vocal, testez-le sur une phrase ironique et sur une phrase grave, pas seulement sur un paragraphe neutre : c'est là que les différences réelles apparaissent, et c'est ce que recommande notre méthode pour évaluer une voix neuronale. Et posez-vous la bonne question : votre contenu a-t-il besoin d'être joué, ou d'être lu clairement ? Pour de l'information, du documentaire, du contenu professionnel, une lecture juste et sobre sert mieux que n'importe quelle émotion simulée. Pour un roman lu à voix haute, aucune synthèse ne remplace encore un comédien, et c'est honnête de le dire.
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