Chapitre 5 · Chapitre 4 · Générer la voix off et les sous-titres
4.1 Choisir et générer une voix naturelle
Suis cette formation dans ton espace : ta progression est gardée, et la communauté répond à tes questions.
Suivre gratuitementLa voix porte toute la vidéo faceless. Une voix monotone ou métallique suffit à faire fuir, même avec un montage parfait.
Deux options
- Ta propre voix, enregistrée avec un micro correct dans une pièce calme. Authentique, mais il faut réenregistrer à chaque correction.
- Une voix de synthèse (par exemple ElevenLabs, ou d'autres services de synthèse vocale). Régulière, modifiable en une commande, et automatisable par API.
Ce qui rend une voix de synthèse naturelle
- Le choix de la voix : écoute plusieurs voix sur un même texte de ton script, pas sur la démo du service.
- Une phrase par fichier : générer phrase par phrase permet de corriger une seule phrase sans tout refaire, et d'insérer des pauses régulières entre elles.
- La ponctuation : c'est elle qui crée les respirations. Une virgule de plus vaut souvent mieux qu'un réglage.
- Le contexte : certaines API acceptent le texte précédent et suivant pour garder une intonation cohérente. Attention : la fin d'un fichier peut alors contenir le début de la phrase suivante. Vérifie la fin de chaque fichier (on voit comment en 4.3).
Récupérer les instants des mots
C'est le point clé pour la synchronisation. Certaines API de synthèse renvoient, en plus de l'audio, l'instant de chaque caractère ou de chaque mot (chez ElevenLabs, c'est la version « with timestamps » de la synthèse vocale). Avec une voix enregistrée, un outil de transcription peut produire ces instants à partir du fichier audio.
On obtient un fichier par phrase, par exemple :
{ "mots": [ { "m": "Erreur", "t0": 30, "t1": 410 }, { "m": "un", "t0": 430, "t1": 610 } ] }
(t0 et t1 en millisecondes depuis le début du fichier.)
Prompt
Écris un script Node.js voix.mjs qui lit phrases.json, envoie chaque "tts" (ou "texte")
à l'API de synthèse vocale [service] avec la voix [id], et enregistre voix/p01.mp3,
voix/p02.mp3… avec, pour chacun, un fichier .json contenant les mots et leurs instants.
La clé d'API est lue dans un fichier .env, jamais écrite dans le code ni affichée.
Les droits de la voix
Vérifie les conditions de ton offre : sur certaines offres gratuites de synthèse vocale, l'usage commercial n'est pas autorisé ou une mention est demandée. Ne clone jamais la voix de quelqu'un sans son accord écrit.