Comment fonctionne la synthèse vocale
Entre le texte que vous collez et la voix que vous entendez, plusieurs étapes se suivent. Les voici dans l'ordre, sans formules, avec ce que Readotte fait à chacune.
Quelles sont les grandes étapes d'une synthèse vocale ?
On peut résumer le travail en quatre étapes : préparer le texte, le convertir en sons de la langue (les phonèmes), prévoir à quoi ces sons doivent ressembler, puis produire l'audio. Chaque étape corrige ce que la précédente ne sait pas faire.
Dans les systèmes anciens, ces étapes étaient des programmes séparés, écrits à la main. Dans les systèmes neuronaux, plusieurs d'entre elles sont apprises ensemble par un même modèle, ce qui donne une voix plus fluide.
À quoi sert la normalisation du texte ?
La normalisation transforme ce qui est écrit en ce qui doit être dit : « 12 » devient « douze », « M. » devient « monsieur », une date devient une suite de mots. Sans elle, la voix buterait sur chaque chiffre, sigle ou abréviation.
C'est aussi l'étape où l'on décide ce qu'on ne lit pas. Dans Readotte, les symboles, émojis et icônes sont ignorés, et dans un PDF les numéros de page, les en-têtes et pieds de page répétés, les légendes en petits caractères et les renvois du type [12] sont retirés avant la lecture.
Qu'est-ce qu'un phonème, et pourquoi en a-t-on besoin ?
Un phonème est un son élémentaire de la langue, comme le « ch » de « chat » ou le « an » de « blanc ». L'orthographe ne dit pas toujours comment prononcer un mot, alors le système le traduit d'abord en une suite de phonèmes.
C'est là que se règlent les pièges du français : « les poules du couvent couvent », les liaisons, les lettres muettes. Certains modèles récents apprennent cette conversion directement à partir du texte au lieu de passer par un dictionnaire séparé.
Que font le modèle acoustique et le vocodeur ?
Le modèle acoustique décide comment sonne chaque phonème dans son contexte : sa durée, sa hauteur, son intensité, la mélodie de la phrase. Il produit une sorte de partition du son, souvent un spectrogramme, qui n'est pas encore audible.
Le vocodeur transforme cette partition en onde sonore, celle que votre haut-parleur joue. Sur les voix neuronales, ces deux rôles sont tenus par des réseaux de neurones, parfois fusionnés en un seul modèle ; le détail varie d'un modèle à l'autre.
Pourquoi lire phrase par phrase plutôt que tout le texte d'un coup ?
Parce que la phrase est la bonne unité pour l'oreille et pour l'interface : la voix garde une intonation naturelle d'un point à l'autre, et l'écoute commence sans attendre que tout le document soit converti. La phrase en cours est surlignée, et le mot prononcé aussi, à une position estimée.
Ce découpage permet aussi de toucher une phrase pour y sauter, de passer à la précédente ou à la suivante avec les flèches du clavier, et de reprendre plus tard à la phrase exacte où vous vous étiez arrêté.
Pourquoi une voix se trompe-t-elle encore parfois ?
Parce que chaque étape peut mal deviner : un sigle inconnu, un nom propre étranger, un homographe dont le sens dépend du contexte. Le modèle reproduit ce qu'il a appris, et un cas rare peut lui échapper.
Si un mot revient souvent mal prononcé, changer de voix peut aider, car chaque modèle a ses points forts. La page voix neuronale explique d'où viennent les voix de Readotte et comment en choisir une.
Écoutez votre document
PDF avec du texte sélectionnable, 25 Mo max. Les PDF scannés (images seules) ne sont pas encore lus.
Gratuit, sans compte : environ 10 minutes d'écoute par jour. Le texte est extrait et lu par nos serveurs en Europe.
Questions fréquentes
La synthèse vocale de Readotte passe-t-elle par un service tiers ?
Non. Le texte est lu par nos propres serveurs en Europe avec des modèles ouverts ; aucune API de synthèse vocale tierce n'est utilisée. L'audio des phrases est gardé en cache 30 jours au plus.
Readotte lit-il les émojis et les symboles ?
Non, les symboles, émojis et icônes sont ignorés pour ne pas interrompre la lecture. Le texte autour est lu normalement.
Peut-on corriger la prononciation d'un mot ?
Pas directement. Vous pouvez changer de voix ou modifier le texte collé, par exemple en écrivant un sigle comme il se prononce, avant de lancer la lecture avec transformer un texte en voix.
Comment Readotte découpe-t-il un texte en phrases ?
Readotte coupe le texte sur la ponctuation de fin de phrase, en tenant compte des cas qui trompent : « M. Dupont », « p. 12 » ou « etc. » ne coupent pas la phrase. Les retours à la ligne au milieu d'une phrase, fréquents quand on copie depuis un PDF, sont recollés.
Un titre ou un élément de liste sans point final est lu comme une phrase à part, avec une intonation descendante, au lieu d'être collé au paragraphe suivant. Pour un PDF, la mise en page est d'abord reconstruite dans l'ordre de lecture, ce qu'explique notre guide pour lire un PDF à voix haute.