Voix de synthèse personnalisée : guide pour les marques

Votre marque dispose d’un logo, d’une palette de couleurs et même de certaines caractéristiques humaines implicites, choisies avec soin pour créer du lien avec vos clients.

Alors, pourquoi n’aurait-elle pas une voix ?

Bien entendu, un acteur peut tout à fait incarner la voix de votre marque, mais personne n’a le don d’ubiquité. Il serait ainsi bien en peine d’enregistrer tout le contenu nécessaire pour vos centres d’appels automatisés, votre assistant intelligent, votre site/magazine en ligne, etc. Pour communiquer en masse, vous devez adopter une approche numérique.

C’est pourquoi de nombreux responsables de marque choisissent une voix de synthèse personnalisée. Cet atout unique renforce l’identité de leur marque et garantit une cohérence sur tous leurs canaux audio.

Il y a 10 ans, la technologie TTS n’était probablement pas à même de répondre à de telles ambitions. Il faut bien le dire, les voix de synthèse n’étaient pas extraordinaires. Aujourd’hui, avec l’IA, ces voix atteignent un réalisme exceptionnel. Les réseaux de neurones et le machine learning permettent de créer des voix plus vraies que nature, raison pour laquelle on parle aujourd’hui de synthèse vocale neuronale.

Il devient aujourd’hui possible de créer une voix de synthèse qui exprime la personnalité de votre marque, avec la même chaleur et le même naturel que votre acteur préféré.

Pour autant, ces voix ont aussi leurs limites. Pour générer une voix avec l’IA, plusieurs stratégies sont possibles, mais toutes ne se valent pas. Cette technologie s’accompagne de beaucoup d’incertitudes, et il convient donc de clarifier la situation.

Voici 5 informations importantes sur les voix générées par l’IA que les responsables de marque doivent connaître.

5 points à prendre en compte lors de la création d’une voix de synthèse personnalisée

L’IA fait beaucoup parler. La synthèse vocale neuronale aussi. Si beaucoup de fournisseurs font des promesses alléchantes, gardez en tête que la technologie a ses limites.

Dans cet article, nous vous dévoilons toute la vérité sur les voix personnalisées générées par l’IA.

1. La qualité audio d’une voix générée par l’IA dépend de la puissance de calcul disponible

Les voix neuronales paraissent incroyablement réalistes. Mais ces voix haute définition et riches en informations demandent une puissance de calcul astronomique. Par conséquent, elles ne sont pas adaptées à tous les usages.

Vous avez besoin de créer un fichier statique, comme un livre audio ? Une voix de ce type sera parfaitement adaptée. Elle sera fluide et très agréable à l’oreille.

Vous voulez une voix qui s’exprime en direct, par exemple pour un assistant vocal ? Vous aurez sans doute besoin d’une voix de synthèse plus rapide à générer et plus légère. Il en va de même pour intégrer la synthèse vocale sur un appareil.

Chez ReadSpeaker, nous faisons appel à plusieurs technologies pour proposer la meilleure qualité possible, pas simplement dans l’absolu, mais pour le système que vous utilisez.

Les voix hautes définition générées par l’IA font partie de notre arsenal, tout comme des voix neuronales moins lourdes, pensées pour la synthèse vocale sur des appareils. Nous misons aussi sur la synthèse par sélection d’unités (USS), une technique permettant de générer des voix de synthèse ultra légères.

Vous l’aurez compris, comparer une voix de synthèse légère à une voix générée par l’IA et gourmande en ressources revient à comparer des choux et des carottes.

Notre conseil ? Demandez toujours à votre fournisseur la puissance de calcul nécessaire pour déployer la voix qui vous plaît. Ne partez pas du principe qu’une voix haute définition générée par l’IA sera adaptée à votre cas d’usage.

À l’heure actuelle, les voix les plus naturelles ne sont pas fonctionnelles dans toutes les situations. En revanche, vous pouvez travailler avec ReadSpeaker pour créer une voix de synthèse personnalisée dont la qualité est adaptée en fonction du contexte.

2. Pour une voix de synthèse de qualité, la collaboration joue un rôle crucial

Certains générateurs de voix de synthèse qui utilisent l’IA mettent en avant l’argument de la simplicité : il suffit d’envoyer quelques enregistrements pour créer votre voix de synthèse ! En règle générale, ces plateformes tiennent leurs promesses. Pour autant, le résultat risque de ne pas répondre à vos attentes.

Comme une caméra, ce type de générateur reste un simple outil. Et vous aurez beau avoir la meilleure caméra au monde, vous n’aurez aucune chance de décrocher un Oscar si vous n’y connaissez rien.

La création d’une voix de synthèse personnalisée n’est pas différente. Pour arriver à un résultat satisfaisant, vous devrez faire appel à de nombreux experts : linguistes informatiques, ingénieurs en IA, coachs vocaux, ingénieurs du son, acteurs, etc.

Plus important encore, vous devrez vous investir dans le projet. C’est vous qui connaissez le mieux votre marque. Est-elle plutôt honnête et enjouée, résiliente et dynamique, douce et rassurante ? Votre voix doit exprimer ces traits de caractère.

Vous l’aurez compris, la technologie ne suffit pas. Une véritable expertise s’impose. Voilà qui nous amène au point suivant.

3. Une voix de synthèse vocale peut faire des erreurs

Instant vérité : il est quasiment certain qu’une voix de synthèse fera des erreurs de prononciation.

Prenons le cas d’un service de streaming en ligne. Il n’existe aucun ensemble de données d’entraînement incluant le nom de chaque artiste et chaque titre disponible. Or, si ces informations ne se trouvent pas dans les données d’entraînement, l’IA devra essayer de prédire la prononciation appropriée. Les algorithmes et modèles auront beau être efficaces, ils ne verront pas toujours juste.

Pensez maintenant à tous les termes qui sont spécifiques à votre activité : acronymes, noms propres, mots d’emprunt… La seule manière pour que votre voix personnalisée les prononce correctement est de suivre et d’améliorer en continu le dictionnaire de prononciation du système.

Chez ReadSpeaker, nous investissons massivement sur ce point. Toutes nos offres d’assistance et de maintenance intègrent une prestation d’ajustement des prononciations. Nous vérifions même votre contenu et testons votre voix par nous-mêmes pour corriger les problèmes en amont.

Jamais un outil de création de voix par IA en libre-service ou un géant de la tech ne vous offrira un tel niveau d’assurance qualité.

4. Derrière chaque voix de synthèse, il y a un talent vocal dont il faut protéger les droits

Pour générer des voix, les réseaux de neurones ont besoin de données d’entraînement, données qui ne peuvent provenir que de l’enregistrement d’humains en chair et en os. Nous l’avons déjà dit et nous le répétons : demandez à votre fournisseur d’où il tire ses données.

Chaque voix de synthèse personnalisée dérive de celle d’un humain. Certains fournisseurs peuvent utiliser des enregistrements sans autorisation et donc violer les droits du talent vocal qui en est l’auteur. Votre responsabilité légale pourrait aussi être engagée par la suite.

Assurez-vous que la voix de votre marque est sûre et fiable. Chez ReadSpeaker, nous proposons une IA éthique en générant nos propres données d’entraînement dans le cadre de contrats avec les acteurs. Cela signifie que nous enregistrons nous-mêmes les talents vocaux, nous les rémunérons à leur juste valeur et nous nous assurons que toutes les parties acceptent les utilisations approuvées des voix ainsi générées.

Les talents vocaux ont toute confiance dans ReadSpeaker. Cette confiance a un avantage : elle nous offre de nombreuses options pour votre voix personnalisée, car nous travaillons avec bien plus de talents qu’un fournisseur peu digne de confiance. Notre réputation éthique vis-à-vis de l’IA nous a aussi ouvert des opportunités exceptionnelles, notamment notre collaboration avec Giancarlo Esposito, avec qui nous avons créé une voix pour l’assistant Sonos Voice Control.

5. Vous aurez besoin d’une assistance après le déploiement de votre voix de synthèse

Créer des voix personnalisées à l’aide de l’IA est une chose. S’assurer qu’elle fonctionne correctement sur vos multiples canaux et plateformes technologiques en est une autre.

Il faut le savoir, l’IA peut donner des résultats inattendus. Par conséquent, vous devez travailler avec un partenaire capable de corriger les problèmes éventuels. Vous avez également besoin d’une assistance sur le long terme pour gérer la prononciation. Enfin, vous devez être accompagné lors du déploiement de la voix de votre marque sur de nouveaux canaux.

ReadSpeaker est à votre disposition même après la livraison de votre voix personnalisée. Nous resterons à vos côtés pour nous assurer que votre voix se comporte exactement comme vous l’attendez et l’actualiserons, quelles que soient les évolutions technologiques à venir.

Les nombreuses start-up créant des voix avec l’IA et les grandes entreprises technologiques qui proposent la synthèse vocale en plus de dizaines d’autres produits n’assureront pas un tel niveau d’assistance. ReadSpeaker ne se contente pas de créer des voix personnalisées en s’appuyant sur l’IA : nous proposons un véritable service de conseil.

Service de conseil en voix personnalisées de ReadSpeaker

À quoi ressemble un service de conseil en voix personnalisées ? Tout commence par le choix du talent vocal qui sera à la base de l’identité vocale de votre marque.

Ce choix est plus complexe qu’il n’y paraît. Nous écoutons chaque locuteur, qu’il s’agisse de l’un de nos talents vocaux ou de votre PDG, pour déterminer si sa voix est adaptée à la synthèse vocale ou non.

Même si la voix d’une personne est agréable à écouter, les caractéristiques suivantes peuvent la rendre inadaptée à un traitement par IA :

• Voix rauque ou soufflée
• Irrégularité du rythme, de l’intonation ou d’une autre caractéristique
• Rapidité (ou lenteur)
• Ton nasillard
• Articulation insuffisante

Nous évaluons plusieurs dizaines de candidats pour trouver les qualités vocales idéales. Plus important encore, nous cherchons un locuteur qui représente la personnalité de votre marque, et nous transformons sa voix en voix d’homme, de femme ou neutre, de tout âge et avec une combinaison libre de caractéristiques.

Mais il est impossible de réduire ce processus à une simple liste d’éléments techniques. Le choix d’un locuteur pour la synthèse vocale relève autant de l’art que de la science.

Une fois que nous avons sélectionné plusieurs locuteurs appropriés, nous choisissons avec vous celui qu’il vous faut. Nous enregistrons ensuite des heures de scripts spéciaux, pensés pour produire le style d’élocution adapté à votre marque. Une fois ces enregistrements approuvés par vous, ils deviennent des données d’enregistrement.

Nous transférons ces données à nos réseaux de neurones profonds propriétaires pour créer une ébauche de voix. Là encore, nous vous demandons de valider cette étape avant de passer à l’affinage. Enfin, une fois que nous sommes tous satisfaits de la voix de votre marque, nous vous aidons à la déployer sur tous vos canaux audio.

Ce partenariat vocal sur mesure et complet aboutit à des résultats incroyables.