Guide : corriger la prononciation en synthèse vocale

Les erreurs de prononciation en synthèse vocale viennent rarement d’une voix de mauvaise qualité. Elles viennent d’un texte ambigu. Vous devinez sans effort que « 05/09 » est une date, que « $12.50 » est un prix, que « Dr » désigne un médecin. Un modèle de synthèse vocale, lui, choisit parfois autre chose.

La parade consiste à préparer une version parlée du texte tout en gardant l’original visible pour la relecture. Ce guide décrit une méthode de travail : repérer les mots à risque, écrire les symboles en mots, écouter une phrase, tenir un glossaire, puis régénérer uniquement la section qui a échoué.

Repérez d’abord les mots à risque, écrivez comment ils doivent sonner, puis écoutez un court extrait avant de générer la voix off complète.

Commencez par les mots qui comptent le plus

Ne relisez pas chaque phrase au même niveau de détail. Repérez les noms de personnes, les marques, les lieux, les sigles, les mesures, les dates, les heures, les prix, les adresses e-mail et les URL. Ce sont les formulations qu’un auditeur remarque quand elles sont fausses.

Écoutez ces formulations dans le générateur d’écriture phonétique avant de produire l’enregistrement complet. Pour un prénom, découpez le son en syllabes familières et indiquez la syllabe accentuée : « Siobhan » peut devenir « shih-VAWN ».

Une première passe utile tient en quatre gestes :

1. Lisez le texte une fois pour en comprendre le sens.
2. Surlignez chaque élément qu’un inconnu pourrait mal lire.
3. Écrivez la forme orale voulue à côté de l’original.
4. Conservez les deux versions dans les notes du projet, pour qu’un relecteur puisse revenir en arrière.

Quand plusieurs personnes doivent générer de l’audio à partir du même texte, verrouillez cette version parlée. Si un rédacteur écrit « A I » pour « AI » et un autre « intelligence artificielle », vous obtiendrez deux enregistrements différents.

Réécrivez les symboles en mots

Un modèle de synthèse vocale ne voit pas la page comme vous. Il voit des caractères et doit deviner une lecture.

Écrivez $12.50 sous la forme « douze dollars cinquante », 09:30 AM sous la forme « neuf heures trente du matin », et une adresse web avec les mots que vous voulez entendre. Développez un sigle dont la lecture Leave the original text alongside every replacement.

Réécritures qui évitent la plupart des échecs :

• Dates : 14/08/2026 devient « le quatorze août deux mille vingt-six » ou « quatorze août vingt-six », selon votre audience.
• Heures : 18:00 devient « dix-huit heures » si c’est ce que vous voulez entendre.
• Montants : $1,200 devient « mille deux cents dollars ».
• Unités : 3.5kg devient « trois virgule cinq kilos ».
• URL : freetexttospeech.net/blog devient « free text to speech point net slash blog ».
• E-mail : hello@example.com devient « hello arobase example point com ».
• Initiales : J.R.R. demande souvent des espaces, ou « J R R ».
• Versions : v2.0 peut devoir devenir « version deux point zéro ».

La ponctuation fait partie de la prononciation. Une virgule crée une pause courte. Un point crée une rupture plus nette. Une barre oblique, un tiret ou une parenthèse n’a presque jamais de sens oral unique : remplacez-les par des mots.

Testez une phrase avant le texte entier

Générez un court extrait contenant la formulation difficile. Écoutez-le à vitesse normale, puis testez-le dans la phrase qui l’entoure. L’accent et le rythme changent avec le contexte. Une fois le résultat convaincant, notez la correction dans le glossaire du projet et réutilisez-la telle quelle.

Un aperçu convaincant isolément peut encore échouer dans une phrase. « Read » en anglais en est un exemple courant : la lecture au passé et la lecture au présent diffèrent, et le modèle tranche selon les mots voisins. Si le contexte est trop mince, écrivez le temps en toutes lettres. « I read yesterday » et « I will read this tomorrow » peuvent encore demander « red » ou « reed » comme repère oral.

Quand un nom concerne une personne, ne prenez pas l’audio généré pour une référence. Demandez à la personne. Utilisez la voix obtenue uniquement pour vérifier que votre indication de prononciation est claire.

Constituez un glossaire de prononciation

Un glossaire est un court tableau que vous gardez avec le projet :

• Élément d’origine
• Forme orale utilisée dans le texte
• Repère phonétique facultatif
• Phrase d’exemple
• Date de confirmation

Réutilisez ce tableau pour les épisodes, les chapitres ou les mises à jour suivants. Le deuxième enregistrement ne devrait pas redécouvrir que « Nguyen » demande un repère oral.

Pour une équipe, rangez le glossaire à côté du texte verrouillé. Si vous générez par sections, chaque section doit reprendre les mêmes formes orales. Mélanger « NASA » traité comme un mot au chapitre 1 et « N A S A » au chapitre 2 donne l’impression de deux émissions différentes.

Régénérez uniquement la section concernée

Pour une narration longue, découpez le texte en sections avant la génération. Si un terme est faux, corrigez ce segment et réintégrez-le au projet, plutôt que de payer le temps et le quota d’une régénération complète.

Un découpage réaliste : une section par scène, par intertitre, ou par tranche de 30 à 90 secondes d’audio environ. Nommez les fichiers dans l’ordre de montage. Après avoir remplacé un extrait, écoutez la transition. Un mot corrigé, plus fort, plus rapide ou dans une voix légèrement différente, attire plus l’oreille que l’erreur d’origine.

Utilisez l’outil d’assemblage audio pour réunir les extraits validés avec un espacement constant. Gardez les fichiers WAV pour le montage, et exportez le MP3 seulement pour la version que vous diffuserez.

La liste de vérification avant publication

• Les noms, marques et lieux ont été écoutés, pas devinés.
• Les dates, heures, prix et unités sont écrits en mots.
• Les URL, adresses e-mail et numéros de version ont une lecture voulue.
• Les sigles sont développés ou épelés volontairement.
• Le glossaire est enregistré avec le projet.
• Seule la section fautive a été régénérée.
• Les transitions ont été écoutées à vitesse normale.

La règle est simple : rendez explicite tout texte ambigu, écoutez les passages difficiles, et gardez chaque transformation vérifiable.

Questions fréquentes

Pourquoi la synthèse vocale prononce-t-elle mal les noms ?

La plupart des modèles devinent à partir de l’orthographe. Rien ne garantit la lecture des noms rares, empruntés à une autre langue ou propres à une famille. Écrivez un repère phonétique et demandez à la personne quelle prononciation elle préfère.

Dois-je utiliser l’IPA dans le texte que je génère ?

En général, non. L’IPA excelle pour documenter une prononciation. La plupart des générateurs de voix répondent de façon plus fiable à une réécriture familière dans l’alphabet du reste du texte. Gardez l’IPA dans le glossaire si des linguistes en ont besoin.

Faut-il du SSML pour corriger la prononciation ?

Pas pour la plupart des voix off web. Réécrire le texte oral, écouter une phrase et régénérer une courte section demande moins de temps et se relit plus facilement qu’entretenir des balises SSML.

Et si un seul mot est faux dans un long fichier ?

Découpez le texte avant de générer. Remplacez cette section, puis réunissez les fichiers validés. Régénérer une prise de trente minutes pour corriger un prénom coûte cher.