Comment générer de la voix, de la musique et des sons ?
Préparez un texte, dirigez une voix, choisissez le bon modèle Imọlẹ et générez narration, musique ou effets sonores.
Objectifs de la leçon
Préparer un texte facile à prononcer correctement.
Décrire séparément l’identité et l’interprétation d’une voix.
Choisir parmi les modèles de voix, création de voix, musique et effets d’Imọlẹ.
Choisir un format audio pour l’édition, la diffusion ou l’archivage.
Écrire pour l’oreille, pas seulement pour la page
Une phrase agréable à lire peut sonner artificielle. Les longues propositions, abréviations non expliquées, séries de nombres, URL et ponctuations ambiguës peuvent provoquer de mauvaises pauses ou prononciations.
Découpez le texte en unités courtes adaptées à la parole. Écrivez dates, prix, numéros et abréviations sous la forme que vous souhaitez entendre. Ajoutez de la ponctuation aux endroits où la voix doit respirer, ralentir ou insister.
Les noms, lieux et mots en fon, adja, ewe, yoruba ou dans une autre langue doivent être testés avant de générer un long fichier. Lorsque le modèle le permet, utilisez une indication de prononciation ou une écriture phonétique ; sinon, reformulez le contexte immédiat pour aider le modèle.
Texte écrit pour la lecture
« L’événement commence le 08/09 à 09:00 et l’inscription coûte 7500 FCFA. » La date est ambiguë et le nombre peut être lu de manière artificielle.
Le modèle a besoin de la forme parlée, pas seulement d’une notation écrite compacte.
Texte préparé pour la voix
« L’événement commence le huit septembre, à neuf heures. L’inscription coûte sept mille cinq cents francs CFA. »
Une formulation explicite réduit l’ambiguïté et améliore le rythme.
Décrire la voix et son interprétation
L’identité vocale décrit la personne que la voix évoque : adulte ou jeune, féminine ou masculine, légère ou grave, douce ou texturée, accent, langue et caractère général.
L’interprétation décrit la manière de dire le texte : chaleureuse, rassurante, autoritaire, énergique, intime, sérieuse, souriante, lente, conversationnelle ou dramatique. Une même voix peut interpréter la même phrase de plusieurs façons.
Évitez les consignes contradictoires comme « très rapide, calme, avec de longues pauses ». Donnez une priorité et précisez l’usage : publicité radio, formation, assistant téléphonique, documentaire, dialogue de personnage ou lecture accessible.
| Contrôle | Signification | Exemple |
|---|---|---|
| Langue et accent | La prononciation linguistique et la couleur régionale. | Français avec un accent béninois naturel. |
| Rythme | La vitesse de la parole. | Assez lent pour une formation. |
| Hauteur | Le caractère aigu ou grave de la voix. | Légèrement plus grave sans devenir théâtral. |
| Émotion | Le sentiment transmis par l’interprétation. | Chaleureuse et optimiste, sans enthousiasme excessif. |
| Insistance | Les mots qui doivent attirer l’attention. | Insister sur la date et la gratuité de l’inscription. |
| Pause | Un moment de silence entre deux idées. | Courte pause après le nom du programme. |
Narration de formation
Voix féminine adulte, français clair, interprétation calme et patiente, rythme modéré, courtes pauses entre les étapes et prononciation précise des termes agricoles.
La direction vocale correspond à un objectif pédagogique.
Publicité radio
Voix de jeune adulte, amicale et énergique, rythme conversationnel rapide, ton souriant et forte insistance sur l’offre et le numéro de téléphone.
Le même texte demanderait une autre interprétation pour un documentaire.
Transcrire dans Imọlẹ
Imole Speech to Text est le modèle audio du Laboratoire et de l’API. Il transforme les enregistrements en texte. Activez la diarisation pour séparer les intervenants ; la liste des langues suit cette option.
Le prix est de 1 cauri par minute commencée, diarisation incluse. Les fichiers de microphone sont convertis automatiquement dans le Laboratoire.
Un entretien à plusieurs
Importez le fichier, choisissez le français et activez la diarisation.
Vérifiez les intervenants et les noms propres en réécoutant l’enregistrement.
Détection automatique
Une note vocale contient une seule langue parmi celles détectées automatiquement. Comparez le résultat avec la même langue sélectionnée explicitement.
Une langue connue peut être choisie pour éviter une erreur de détection.
Prompter la musique et les effets sonores
Un prompt musical doit décrire l’usage, le genre, les instruments, le tempo, l’ambiance, la structure, les voix, la durée et la fin. « Musique africaine » est trop vague. Nommez les instruments audibles, le rythme, l’énergie et le style de production importants.
Un prompt d’effet sonore décrit une source, une action, un espace, une distance, une intensité, une durée et les sons indésirables. Ne décrivez pas les couleurs ou angles de caméra s’ils ne correspondent à aucun événement audible.
Pour une musique placée sous une voix, demandez un arrangement contenu qui laisse de l’espace dans les fréquences moyennes. Un morceau dense peut concurrencer la narration même si les deux fichiers sont réussis séparément.
Musique de fond pour une formation
Instrumental optimiste de 30 secondes, percussions légères, motif doux de marimba, basse chaleureuse, production moderne et propre, tempo modéré, aucune voix, faible densité sous la narration et fin nette.
Le prompt explique l’identité musicale et son rôle sous la narration.
Ambiance de marché
Ambiance matinale d’un marché ouvert, pas proches et manipulation de tissus, conversations lointaines, sonnette de vélo occasionnelle, léger mouvement de rue, perspective naturelle, huit secondes, aucune musique dominante et aucun cri.
Les événements audibles, la distance, la densité et les exclusions rendent l’ambiance contrôlable.
MP3, WAV, FLAC, AAC, Opus et PCM
Choisissez le format selon l’étape suivante. Un fichier maître destiné au montage demande plus de détails qu’une note vocale envoyée par messagerie. Tous les modèles ne prennent pas en charge tous les formats.
Les formats avec perte comme MP3, AAC et Opus réduisent le poids en supprimant des informations. Les formats sans perte ou non compressés comme FLAC, WAV et PCM conservent davantage de détails et conviennent mieux au montage, à l’archivage et aux traitements répétés.
| Format | Usage conseillé | Compromis |
|---|---|---|
| MP3 | Partage, podcasts, sites et lecture universelle. | Léger et compatible, mais avec compression destructive. |
| WAV | Montage, mixage, fichiers maîtres et livraison professionnelle. | Haute qualité et montage simple, mais fichiers souvent lourds. |
| FLAC | Archivage sans perte et diffusion de qualité. | Plus léger que WAV non compressé, mais moins universel. |
| AAC | Mobile, streaming et diffusion vidéo. | Compression avec perte efficace et largement compatible. |
| Opus | Appels, applications temps réel et audio web. | Excellent à faible débit, mais non pris en charge par tous les éditeurs. |
| PCM | Traitement brut, ingénierie et pipelines non compressés. | Simplicité et détail maximaux, fichiers très lourds. |
Conserver un fichier maître WAV
Une narration sera nettoyée, découpée, mixée et exportée plusieurs fois. L’équipe conserve un WAV pour le montage et crée une copie MP3 pour la diffusion.
Séparez le format maître du format de diffusion.
Voix interactive
Un assistant web doit répondre rapidement sur des connexions mobiles limitées. Opus ou un autre format efficace peut être plus utile qu’un WAV lourd.
La destination détermine l’équilibre utile entre qualité et poids.