Aller au contenu
Floskool

Chapitre 1 · L'essentiel

La voix ElevenLabs et l'instant de chaque mot

Leçon gratuite 9 minGroupe Claude Code

Suis cette formation dans ton espace : ta progression est gardée, et la communauté répond à tes questions.

Suivre gratuitement

ElevenLabs est un service de voix de synthèse. Un petit script envoie chaque phrase de ton phrases.json, et ElevenLabs renvoie deux choses : le son, et l'instant exact où chaque caractère est prononcé. C'est ce second point qui change tout : les sous-titres et la mascotte se calent sur la vraie voix, sans transcription ni réglage à la main.

1. Le compte et la clé, faits par toi

Pour qu'un script puisse parler à ElevenLabs, il faut une clé API : un mot de passe réservé aux programmes. Qui a ta clé peut consommer tes crédits. Ces gestes-là, c'est toi qui les fais :

  1. Crée ton compte sur elevenlabs.io.
  2. Dans les réglages de ton compte, ouvre la page des clés API et crée une nouvelle clé.
  3. Limite-la : autorise seulement la synthèse vocale (Text to Speech), et fixe un plafond de crédits pour cette clé si l'option est proposée.
  4. Dans le dossier de ta vidéo, crée un fichier nommé exactement .env avec le Bloc-notes (ou TextEdit en texte brut), et écris une seule ligne : ELEVENLABS_API_KEY= suivi de ta clé.
  5. Si ton dossier est suivi par Git, ajoute .env dans le fichier .gitignore.

À éviter absolument : coller ta clé dans la conversation avec Claude Code, même « juste pour qu'il crée le fichier ». Elle resterait dans l'historique. Tu crées le .env toi-même ; Claude Code vérifie seulement qu'il existe, sans l'ouvrir.

Mon dossier de vidéo contient un fichier .env avec ma clé ElevenLabs, que j'ai créé moi-même. N'ouvre jamais ce fichier et n'affiche jamais son contenu : vérifie seulement qu'il existe. Ajoute .env au .gitignore s'il n'y est pas, et ajoute dans .claude/settings.json de ce projet une règle de permission qui t'interdit de lire .env. Montre-moi les modifications avant de les enregistrer.

Le point licence : le forfait gratuit d'ElevenLabs suffit pour apprendre et tester, mais il n'autorise pas l'usage commercial. Dès que la vidéo sert ton activité, vérifie l'offre en vigueur et prends le forfait qui donne la licence commerciale avant de publier.

2. Choisir une voix française

ElevenLabs propose des voix par défaut et une bibliothèque de voix, dont des comédiens francophones. Une voix multilingue parle un français correct ; une voix de comédien francophone a souvent une intonation plus naturelle. En forfait gratuit, certaines voix de la bibliothèque sont refusées par l'API : les voix par défaut restent utilisables pour tester.

La bonne méthode : teste deux ou trois voix sur ta seule phrase d'accroche, écoute au casque, puis choisis. Chaque voix a un identifiant, le voice_id.

Le modèle, c'est le moteur qui fabrique la voix. Au moment où j'écris, eleven_v4 est le plus récent et parle français ; eleven_multilingual_v2 est un choix sûr en français. La liste à jour est dans la documentation officielle d'ElevenLabs.

À éviter : une voix qui imite une personne réelle sans son accord écrit.

3. Récupérer l'instant de chaque mot

L'API d'ElevenLabs a une fonction de synthèse avec horodatage (« with timestamps »). Le script de voix l'appelle pour chaque phrase, regroupe les caractères en mots, et écrit deux fichiers par phrase :

  • voix/p01.mp3 : le son de la phrase 1 ;
  • voix/p01.json : chaque mot avec son début et sa fin, en millisecondes.
Écris un script Node.js voix-elevenlabs.mjs qui :
1. lit la clé ELEVENLABS_API_KEY dans le fichier .env du dossier, sans jamais l'afficher ni l'écrire ailleurs ;
2. avec l'argument « voix », liste les voix de mon compte (id, nom, langue) ;
3. avec un voice_id, envoie chaque phrase de phrases.json (le champ tts s'il existe, sinon texte) à l'API text-to-speech « with-timestamps » d'ElevenLabs, modèle [eleven_v4], avec les phrases voisines en previous_text et next_text pour garder la même intonation ;
4. écrit voix/pNN.mp3 et voix/pNN.json (chaque mot avec t0 et t1 en millisecondes) ;
5. en cas d'erreur, affiche la cause et le geste qui répare.
Appuie-toi sur la documentation officielle de l'API d'ElevenLabs. Montre-moi le script, puis annonce le nombre total de caractères qu'il va consommer, et attends mon "OK voix" avant de le lancer.

L'astuce : une phrase sonne faux ? Corrige seulement son tts (orthographe phonétique, ponctuation) et refais cette phrase-là. Une vidéo de 9 phrases représente quelques centaines de caractères : corrige jusqu'à ce que chaque phrase sonne juste.