Podcasts façon NotebookLM
Un podcast à deux animateurs : une voix IA pose les questions, l’autre explique. Écrivez le script, générez Animateur A et Animateur B avec des voix contrastées, puis assemblez le tout. Sans abonnement ni liste d’attente.
Synthèse vocale à plusieurs voix
Générateur de dialogues IA
Un générateur de dialogues IA pour deux interlocuteurs. Animateur et Invité ont déjà leur voix. Écrivez la conversation, lancez la génération, puis téléchargez un seul fichier audio.
Synthèse vocale à deux voix
Un dialogue à plusieurs personnages à partir d’un simple script
Le studio de dialogue s’ouvre avec deux interlocuteurs déjà configurés. Écrivez la conversation, lancez la génération, puis téléchargez le fichier final. Chaque personne garde une voix distincte.
Usages associés
La réponse express
Écrivez une ligne par réplique. Animateur et Invité ont déjà leur voix. Lancez la génération, puis téléchargez un seul fichier WAV ou MP3.
Étapes du dialogue
Écrivez, puis générez
- 01
Écrivez la conversation
Une ligne par réplique. L’animateur dit la première, l’invité la deuxième, et ils alternent ainsi. Si vous écrivez déjà vos scripts avec des préfixes « Nom : », ils fonctionnent aussi.
- 02
Changez de voix seulement si vous le souhaitez
Animateur et Invité ont déjà des voix bien contrastées. Renommez-les, choisissez une autre voix ou ajoutez un interlocuteur. Vous n’avez jamais à repérer les interlocuteurs dans le script.
- 03
Générez et téléchargez
Un seul clic lance la génération de toute la conversation. Écoutez-la, puis téléchargez-la en un seul fichier WAV ou MP3.
Quand l’utiliser
Ce que l’on crée avec la synthèse vocale à plusieurs voix
Courts métrages animés et prototypes de jeux
Donnez une voix Kokoro différente à chaque personnage de votre storyboard ou de votre prototype Twine. Avec 54 voix, vous avez toute une petite distribution pour le premier montage, sans engager de comédiens.
Dialogues des personnages de livres audio
Lisez la narration avec une voix (River ou Daniel), puis passez à une voix distincte pour les répliques de chaque personnage. Les auditeurs savent qui parle sans « dit-elle » à chaque ligne.
Dialogues pour apprendre une langue
Créez des dialogues à deux voix en espagnol, français, hindi, japonais, mandarin et 4 autres langues. Associez une voix masculine et une voix féminine natives pour des exercices d’échange A/B réalistes.
Pour aller plus loin
Six duos de voix qui se distinguent nettement
Un dialogue réussit ou échoue selon que les auditeurs distinguent les deux voix sans effort. Ces six duos contrastent par le genre, l’accent ou le ton du personnage. Choisissez-en un et lancez la génération.
01 Anglais américain
Sarah + Adam
Animateur et invité expert
Idéal pour
Podcasts explicatifs façon NotebookLM. Sarah pose les questions, Adam apporte la réponse d’expert. Le duo le plus naturel pour une émission à deux animateurs en anglais américain.
02 Anglais américain
Bella + Liam
Conversation décontractée
Idéal pour
Podcasts sur le quotidien, formats de discussion entre amis, scènes de café dans les livres audio. Les deux voix sont chaleureuses, l’échange paraît détendu plutôt que formel.
03 Anglais britannique
Daniel + Emma
Drame d’époque ou style BBC
Idéal pour
Scènes de livres audio situées au Royaume-Uni, documentaires haut de gamme à deux voix, podcasts d’histoire avec un animateur et un narrateur. Le même accent garde l’univers cohérent.
04 Anglais américain (personnage)
Puck + Sky
Personnages d’animation ou de jeu vidéo
Idéal pour
Courts métrages animés, prototypes Twine, dialogues de PNJ dans les jeux indépendants. Puck est espiègle, Sky est lumineuse : des voix de personnages nettes, pas des voix de narration.
05 Anglais américain
River + Nova
Narrateur de documentaire et témoin
Idéal pour
Documentaires criminels, historiques ou scientifiques où un narrateur posé fait le lien entre des citations reconstituées. River porte le fil du récit, Nova joue la voix d’archive.
06 Anglais américain
Michael + Jessica
Duo de co-animateurs dynamique
Idéal pour
Échanges d’émission matinale, formats actu et discussion, intros de podcasts de marque où deux animateurs échangent quelques répliques avant le générique.
Vous voulez les écouter ? Parcourir les 54 voix →
Pour aller plus loin
Écrire un dialogue qui sonne naturel en synthèse vocale
Le modèle gère la voix. Le réalisme vient de ce que vous écrivez : les temps, les silences, les petites réactions entre les personnages. Six règles pour couvrir toute la chaîne, de l’écriture au montage.
- 01
Une réplique par ligne
L’animateur prend la première réplique, l’invité la deuxième, puis ils alternent. Les préfixes « NOM : » restent facultatifs si vous écrivez déjà vos scripts ainsi.
- 02
Rythmez les répliques avec la ponctuation
Une virgule, c’est un quart de temps. Un point, un demi-temps. Un tiret cadratin, une vraie pause. Des points de suspension, un temps tenu. Pour marquer une hésitation, écrivez « Eh bien... je ne sais pas si c’est vrai. » plutôt que « Eh bien je ne sais pas si c’est vrai. » C’est la pause qui rend l’hésitation crédible, et Kokoro respecte la ponctuation.
- 03
Prévoyez 200 à 400 ms de silence entre les répliques
Dans une vraie conversation, le blanc entre deux prises de parole dure en moyenne 250 ms environ. Collez deux extraits de synthèse vocale bout à bout et le dialogue sonne robotique. Ajoutez 300 ms de vrai silence entre les répliques dans votre éditeur, et on entend deux personnes qui se parlent. Pour une scène tendue, descendez à 100 ms. Pour un échange posé, montez à 600 ms.
- 04
Simulez les interruptions avec un chevauchement de 50 à 100 ms
Coupez l’extrait du personnage A au milieu d’un mot, puis faites démarrer l’extrait du personnage B 50 à 100 ms avant la fin de A. Ce court chevauchement signale toujours qu’une personne coupe la parole à l’autre. Un fondu enchaîné de 100 ms sur la zone de chevauchement adoucit le raccord, et l’interruption passe.
- 05
Décalez un peu les voix à gauche et à droite
Placez le personnage A à 15 % à gauche et le personnage B à 15 % à droite. Assez pour qu’au casque on ne confonde plus qui parle, pas assez pour faire théâtral. Un panoramique appuyé (50 % et plus) ne fonctionne que pour la fiction radiophonique. Sur un podcast ou un livre audio, 15 % suffit.
- 06
Écrivez les réactions en phonétique
Ni SSML ni balise <laugh> : écrivez ce que vous voulez entendre. « Hah hah hah » donne un rire net de trois syllabes, « mmhm » se lit comme un accord, « ugh » comme de l’agacement. Testez la réaction seule, sur une génération de 10 caractères, changez de voix si une autre la rend plus proprement, puis posez l’extrait sur une piste séparée de votre montage.
Pour aller plus loin
FreeTextoSpeech face aux fonctions de dialogue de PlayHT et Murf
PlayHT et Murf proposent tous deux un mode multi-voix natif : vous collez une fois, vous récupérez un seul mix. En contrepartie, il y a des plafonds mensuels de caractères, une inscription à passer et une licence commerciale payante. Voici ce qu’il en est vraiment.
Fonctionnalité
FreeTextoSpeech
Offres gratuites de PlayHT / Murf
Dialogue à plusieurs voix
Dialogue multi-voix natif, mais réservé aux offres payantes. En gratuit, la sélection de voix est limitée.
Variété des voix selon la scène
Moins de voix en gratuit, et les voix de personnage les plus marquantes sont payantes.
Coût d’un dialogue de 5 minutes
Chaque génération compte dans le plafond mensuel de caractères de l’offre gratuite. Les scènes plus longues vous obligent à passer à une offre payante.
Licence commerciale en gratuit
Usage commercial limité en gratuit : il faut une offre payante pour monétiser un podcast ou sortir un jeu indépendant.
Format de sortie
MP3 compressé en gratuit, souvent un seul mix.
Inscription
Inscription par e-mail obligatoire, carte bancaire enregistrée pour les fonctions commerciales.
Génération multi-voix en un clic
Mode dialogue natif à plusieurs voix sur les offres payantes (un seul collage, un seul rendu).
Dialogue à plusieurs voix
FreeTextoSpeech
Une réplique par ligne. L’Animateur et l’Invité ont déjà leur voix, et toute la conversation s’exporte d’un seul tenant.
Offres gratuites de PlayHT / Murf
Dialogue multi-voix natif, mais réservé aux offres payantes. En gratuit, la sélection de voix est limitée.
Variété des voix selon la scène
FreeTextoSpeech
54 voix dans 9 langues, de quoi distribuer une pièce entière.
Offres gratuites de PlayHT / Murf
Moins de voix en gratuit, et les voix de personnage les plus marquantes sont payantes.
Coût d’un dialogue de 5 minutes
FreeTextoSpeech
Gratuit. 25,000 caractères cloud tous les 30 jours sans compte, 500,000 une fois connecté, et aucun plafond d’usage sur votre appareil (voix anglaises uniquement).
Offres gratuites de PlayHT / Murf
Chaque génération compte dans le plafond mensuel de caractères de l’offre gratuite. Les scènes plus longues vous obligent à passer à une offre payante.
Licence commerciale en gratuit
FreeTextoSpeech
Usage commercial autorisé, sans attribution.
Offres gratuites de PlayHT / Murf
Usage commercial limité en gratuit : il faut une offre payante pour monétiser un podcast ou sortir un jeu indépendant.
Format de sortie
FreeTextoSpeech
Un seul fichier 24 kHz par scène, en MP3 ou WAV, prêt à glisser dans n’importe quel éditeur.
Offres gratuites de PlayHT / Murf
MP3 compressé en gratuit, souvent un seul mix.
Inscription
FreeTextoSpeech
Aucune. Ouvrez la page, collez le texte, lancez la génération.
Offres gratuites de PlayHT / Murf
Inscription par e-mail obligatoire, carte bancaire enregistrée pour les fonctions commerciales.
Génération multi-voix en un clic
FreeTextoSpeech
Génération multi-voix native avec des interlocuteurs déjà attribués, export regroupé et réglages avancés facultatifs.
Offres gratuites de PlayHT / Murf
Mode dialogue natif à plusieurs voix sur les offres payantes (un seul collage, un seul rendu).
La génération déroule les répliques dans l’ordre, une par une, pour ne pas surcharger le moteur vocal partagé.
FAQ
Questions fréquentes
01 Puis-je générer deux voix en une seule requête ?
Oui. Écrivez la conversation, attribuez une voix différente à chaque interlocuteur, puis cliquez sur Générer la conversation. Le studio déroule les répliques dans l’ordre et les rassemble dans un seul fichier audio.
02 Comment éviter que les voix se ressemblent trop ?
Choisissez des voix qui contrastent sur au moins deux points : le genre, l’accent ou la hauteur. Sarah et Adam (américaine chaleureuse, américain assuré) donnent un dialogue facile à suivre. Bella et Daniel (américaine décontractée, britannique formel) fonctionnent encore mieux, car le changement d’accent ne laisse aucun doute. Évitez d’associer deux voix du même genre et du même accent : l’auditeur perd le fil.
03 Comment simuler une interruption entre deux personnages ?
Dans les options avancées, insérez une courte pause entre les répliques. Pour obtenir un vrai chevauchement, téléchargez le fichier regroupé et placez la réplique entrante un peu en avance dans votre éditeur.
04 Comment gérer les rires, les soupirs ou les réactions du type « uh-huh » ?
Le modèle n’a pas de balises pour les sons non verbaux. Écrivez les réactions en phonétique, comme « hah hah », « mmhm » ou « ugh », sous forme de courtes répliques à part entière, puis régénérez la réplique si une autre orthographe rend mieux.
05 Puis-je publier un dialogue généré par IA à des fins commerciales ?
Oui. Les fichiers MP3 ou WAV 24 kHz que vous téléchargez sur FreeTextoSpeech sont sous licence pour un usage commercial complet : podcasts, vidéos YouTube monétisées, livres audio payants, jeux indépendants, publicités audio. Aucune attribution n’est requise et aucune redevance n’est due. La licence couvre les scènes de dialogue à deux voix comme la narration à une seule voix.
06 Combien de temps peut durer une scène de dialogue ?
Chaque génération dans le cloud accepte jusqu’à 5,000 caractères sans compte, 10,000 une fois connecté et 20,000 avec un abonnement payant. Vous pouvez enchaîner plusieurs générations dans la limite de votre quota cloud, ou générer sur votre appareil sans plafond d’usage. Une scène de podcast de 30 minutes à deux animateurs représente environ 4,500 mots de dialogue répartis entre les deux personnages, soit à peu près 6 générations, trois par voix. Vous les assemblez dans un même fichier de projet et vous avez l’épisode complet.
07 Le dialogue reste-t-il naturel au passage d’une réplique à l’autre ?
Oui, car le modèle Kokoro est déterministe pour chaque voix : le personnage A garde la même voix d’un extrait à l’autre. Le raccord se situe dans le silence entre les répliques, pas dans la voix. Laissez 200 à 400 ms de fond sonore ou de vrai silence entre les interlocuteurs, et la scène respire comme une vraie conversation.
08 Puis-je faire dialoguer trois personnages ou plus ?
Oui. Ajoutez un interlocuteur dans le studio, donnez-lui une voix bien distincte et continuez à écrire une ligne par réplique. Trois voix passent sans difficulté. À quatre, l’auditeur a du mal à suivre, sauf si l’une d’elles est clairement le narrateur.
Vous avez encore une question ? Nous contacter →
Pour aller plus loin
Autres outils de synthèse vocale
Contenu long
↗
Synthèse vocale pour podcasts
Des voix de qualité studio pour les intros et les segments de vos podcasts à deux animateurs.
Contenu long
↗
Synthèse vocale pour livres audio
Narration de livres audio en autoédition, avec changement de voix pour les dialogues des personnages.
Qualité vocale
↗
Générateur de voix IA naturelles
Pourquoi les voix Kokoro sonnent humaines, même dans de longues scènes de dialogue.
Contenu long
↗
Synthèse vocale pour YouTube
Importez vos scènes de dialogue directement dans Premiere ou DaVinci Resolve.
Essayer maintenant
Composez votre première scène à deux voix.
Gratuitement, en moins de 10 minutes, avec tous les droits d’usage commercial.