Mercredi, 23 h. Marc m'envoie un vocal de huit secondes. Une voix féminine y lit une description produit, tranquille, avec une petite respiration au milieu. Puis il écrit : « C'est une vraie voix, non ? »

Non. Je venais de la générer avec un clonage vocal gratuit, en moins de deux minutes.

Silence de trois secondes. Et là, il me sort la question que je n'attendais pas : « Tu as exporté en MP3 ou en WAV ? »

... Franchement, cette question est plus difficile que « est-ce que ça sonne vrai ? »

Pourquoi on a fini par parler format

Marc est auteur indépendant. Il prépare la version audio de son roman pour Audible, Kobo et peut-être Spotify. Avant, il passait par un comédien voix off : 80 € les 30 secondes, 30 € de plus à chaque correction. Je lui ai montré une fois un clonage de voix en ligne : pas d'installation, pas de compte, on colle le texte, on choisit une voix, ça parle. Pour cloner sa voix, pas besoin de studio — un échantillon propre suffit. Il a vérifié trois fois : « Vraiment gratuit ? Même pour créer une voix IA gratuite ? Et pour un livre audio voix IA gratuite ? »

Je comprends. Des outils estampillés « voix off IA gratuite », j'en ai testé sept ou huit. La plupart te laissent 500 caractères puis te demandent de payer, ou ajoutent un jingle. Une voix de synthèse gratuite sans inscription et sans limite, c'est rare.

Mais quand il a voulu exporter, il est tombé sur deux boutons : MP3 et WAV. Il a bloqué. Beaucoup de gens cherchent texte en parole gratuit, passent dix minutes à comparer les timbres, puis choisissent le format au hasard. Dommage.

MP3 ou WAV : ce n'est pas « meilleur » contre « moins bon »

On casse un mythe.

Le WAV n'est pas « de meilleure qualité ». Il est non compressé. Le MP3 n'est pas « mauvais ». Il est compressé avec perte, mais intelligemment. C'est un peu comme RAW et JPEG : pas une hiérarchie, deux usages.

Le WAV garde les échantillons bruts. Une minute en 44,1 kHz / 16 bits pèse environ 10 Mo. La même minute en MP3 128 kbps fait 1 Mo ; en 320 kbps, 2,4 Mo.

Ce que tu gagnes avec les mégaoctets en plus, c'est la marge de manœuvre. Si le fichier doit passer dans Audacity, Premiere ou DaVinci pour du débruitage, un changement de vitesse, un mixage, un montage, le WAV encaisse. Le MP3, lui, perd une couche à chaque réexport. Au bout de trois passages, les sifflantes commencent à gratter.

À l'inverse, si tu balances juste l'audio dans une vidéo TikTok, un Reel, un vocal WhatsApp ou un lecteur web, les 10 Mo du WAV sont du gaspillage. La plateforme va recompresser en AAC derrière. Tu auras trimé pour rien.

Ma règle perso, après quelques plantages

Après des années à produire des contenus, je fonctionne par réflexe :

  • Si le fichier repart dans un logiciel de montage : WAV.
  • Si c'est pour livrer, envoyer ou publier : MP3 320 kbps.
  • Si j'hésite : j'exporte d'abord en WAV, je garde l'archive, je convertis ensuite.

La troisième ligne, je l'ai ajoutée après une erreur. J'avais livré un MP3 à un client. Il m'a demandé de baisser la musique de fond. J'ai récupéré le MP3 pour le remonter... et la voix sonnait étouffée. J'ai dû tout régénérer. Depuis, je génère une fois et j'enregistre les deux formats. Avec un TTS gratuit français sans limite, relancer une prise prend trente secondes. Ça ne vaut pas le coup de parier sur un seul fichier.

Autre chose : si vous branchez la synthèse sur un programme pour traiter des lots, gardez la source en WAV. Sur fr.web666.cc, l'API de synthèse vocale gratuite peut renvoyer l'audio en WAV. Vous pourrez toujours le convertir plus tard. Partir du lossless, c'est plus rentable que réparer après.

Les questions qu'on me pose tout le temps

Est-ce que le MP3 fait plus « IA » ?

Non. Le format n'est pas le facteur. Une voix qui sonne faux, c'est souvent une ponctuation bizarre ou un timbre qui ne colle pas au texte — une voix de journal télévisé pour un message mignon, par exemple. Que ce soit avec une synthèse vocale gratuite ou un doublage IA gratuit, la naturalité a dépassé le stade du « on entend que c'est une machine ». Surtout avec un clonage vocal gratuit fait à partir d'un échantillon propre. La différence MP3/WAV, sur haut-parleur de téléphone, tu ne l'entends pas.

Pour des shorts, le WAV ne va pas être trop lourd ?

Si. YouTube Shorts, TikTok, Instagram Reels ont des limites implicites, et ils retranscodent tout en AAC. Tu uploades un WAV, ils le compressent quand même. Donc pour du vertical, MP3 direct. Ne luttez pas.

Peut-on retoucher un fichier déjà exporté ?

Oui, mais chaque retouche au MP3 coûte. Couper un silence au début ou à la fin, ça passe. Pour changer la vitesse, la tonalité ou débruiter, revenez sur la page de clonage vocal et régénérez un WAV. C'est l'avantage d'un clonage de voix en ligne sans inscription : le coût est si bas qu'on peut refaire.

Ce que j'ai conseillé à Marc

Je lui ai dit : exporte tout en WAV pour l'archive, puis convertis en MP3 320 kbps pour la livraison. Il a rigolé : « On entend vraiment la différence ? » Non, pas maintenant. Mais dans trois mois, quand il voudra modifier un chapitre, il saura pourquoi.

Si vous êtes au même point, ne restez pas à fixer les deux boutons. Prenez un texte de 30 secondes, générez-le deux fois avec convertir texte en audio gratuit — une fois en MP3, une fois en WAV. Écoutez au casque, puis coupez un bout dans Audacity. Cinq minutes. Plus utile que dix tutoriels.

Et si vous voulez éviter d'autres pièges, j'ai laissé quelques notes dans les tutoriels.