Une voix de synthèse peut-elle lire plusieurs langues ?

La question revient dès qu'un site publie dans plus d'une langue : faut-il une voix par langue, ou une seule voix capable de tout lire ? La réponse technique surprend souvent. Oui, une même voix neuronale peut en principe lire plusieurs langues. Mais « peut » n'est pas « devrait », et la différence entre les deux est exactement ce qui sépare un audio qu'on écoute d'un audio qu'on coupe.

La langue est dans la requête, pas dans la voix

Les moteurs vocaux récents sont multilingues par construction. La langue de lecture n'est pas une propriété de la voix : c'est un paramètre de la demande. On envoie un texte, on dit « lis ceci en allemand », et le moteur applique ses règles d'allemand, quelle que soit la voix choisie. Rien n'empêche donc, en théorie, de pointer votre voix française habituelle sur un texte anglais ou espagnol.

Nous ne le faisons pas, et ce choix mérite d'être expliqué plutôt que subi. Une voix française qui lit de l'allemand le lit avec un accent français. Ce n'est pas un défaut de réglage, c'est ce que la voix a appris : son oreille s'est formée sur les sons du français, et elle rabat les sons voisins sur ceux qu'elle connaît. Le résultat est intelligible, mais le lecteur entend l'accent avant d'entendre le texte, et il en tire la même conclusion que pour une voix française qui sonne anglaise : la machine devine la langue, elle ne l'a pas apprise. C'est pourquoi nous associons une voix native à chaque langue et vous laissons en choisir une par langue, plutôt que d'étirer une voix sur toutes.

Lister une voix n'est pas savoir la lire

Il y a plus net encore, et c'est la leçon qui a tranché pour nous. Un fournisseur peut servir des voix étiquetées dans une langue sans que son moteur sache réellement lire cette langue. Nous l'avons vu directement : le relevé du catalogue avait fait entrer des voix marquées dans deux langues d'Asie du Sud, parce que l'étiquette existait. À l'essai, le moteur de synthèse a refusé ces codes de langue : les mêmes voix lisaient parfaitement dans une langue voisine, mais pas dans celle sous laquelle elles étaient rangées. Ce n'étaient donc pas des voix de ces langues, c'étaient des voix classées là.

Nous les avons retirées plutôt que de bricoler un contournement. On aurait pu translittérer le texte vers la langue voisine et le faire lire ainsi : à l'oreille, cela aurait presque marché. Mais ce serait vendre pour une langue ce qui n'en est pas, avec en prime l'accent de la langue de secours. La règle qui en sort vaut au-delà de ces deux cas : énumérer une voix et pouvoir la faire parler sont deux questions différentes, et seule la seconde compte. C'est le même esprit que choisir une voix en l'évaluant soi-même plutôt que sur la foi d'une fiche : ce qui est écrit sur l'étiquette n'engage que celui qui le lit.

Ce que cela change pour votre site

Concrètement, pour un site français, vous lisez le français avec une voix native française : nous en proposons aujourd'hui vingt-deux validées à l'écoute, de timbres et de registres différents, ce qui laisse de quoi distinguer un édito d'une brève sans changer d'outil. Si votre site publie aussi dans d'autres langues, chacune est lue par une voix qui lui est native, et vous choisissez laquelle. Un article traduit garde son lecteur, son apparence et sa configuration : seule la voix change avec la langue. C'est tout l'objet du réglage multilingue, et c'est aussi ce qui permet, sur un même site, de servir deux langues avec deux voix distinctes sans double intégration.

Le nombre qui compte

Il est tentant d'aligner les langues disponibles comme un argument. Nous nous en gardons, pour une raison de méthode. Une langue n'est « allumée » chez nous que lorsque son offre de voix a été écoutée et validée par une personne, jamais parce qu'elle figure dans un relevé. Tant qu'une langue n'a pas ses voix natives validées, elle n'apparaît pas, même si le fournisseur prétend la servir. Le nombre qui compte n'est donc pas celui des langues affichées, c'est la certitude que chacune de celles qui s'affichent est réellement lue, et bien lue.

Si vous hésitez entre une voix unique et une voix par langue, le test est simple et tient en dix secondes : faites lire à l'outil un passage dans chaque langue de votre site, avec la voix que vous comptez utiliser, et écoutez l'accent. La bonne configuration est celle où vous n'entendez plus d'où vient la voix, seulement ce qu'elle dit. C'est le parti pris que défend la page text to speech français : mieux vaut une langue bien lue que trente langues approximées.

À lire aussi

• Ajouter une version audio à vos articles Weebly
• Lire un tableau de données à voix haute : ce qu'une synthèse vocale en fait
• Plusieurs rédacteurs sur un même compte : équipe, rôles et accès