J'ai raté trois fois avant de réussir à cloner ma voix depuis mon téléphone
« C'est une voix pro ? » — et je n'ai pas su quoi répondre
J'avais publié la vidéo tard, un mardi soir. Le genre de soir où tu regardes ton montage pour la quinzième fois en te disant que non, décidément, cette transition de deux secondes ne fonctionne pas. Mon téléphone a vibré. C'était mon cousin. Il avait vu le passage en question sur Instagram, et son message était tombé droit : « La voix off, c'est toi ? T'as payé quelqu'un ? »
Je me suis retrouvé à fixer l'écran, la main déjà sur le clavier pour répondre « non c'est l'IA », quand j'ai réalisé que je ne saurais pas comment expliquer la suite. Parce que la suite, c'était que je n'avais pas dépensé un centime. Que les trois minutes de narration qui passaient dans ses écouteurs étaient sorties d'un clonage vocal gratuit en ligne, nourri avec des bouts de moi-même enregistrés à l'arrache sur un vieux smartphone. Et que, surtout, j'avais mis trois tentatives entières à comprendre que mon téléphone ne ferait pas le travail à ma place.
Pendant des semaines, j'avais cru que cloner sa voix était un jeu d'enfant. On trouve tellement de synthèse vocale gratuite et de texte en parole gratuit sur le web qu'on se dit que la partie difficile est déjà réglée. Tu uploades un fichier, tu attends, et hop — ton double numérique se met à parler. C'est ce que j'ai cru. J'ai payé cette naïveté en trois échecs cuisants.
Le premier essai, je l'ai fait avec mes messages vocaux WhatsApp. Vous savez, ces quarante secondes où je raconte à ma sœur que je suis en retard. J'en ai empilé une douzaine, je les ai envoyés dans un générateur de voix gratuit qui promettait monts et merveilles sans inscription. Le résultat ? Une espèce de son aquatique, comme si je parlais la bouche pleine sous une couette. La compression de la plateforme avait bouffé toutes les fréquences qui donnent du corps à une voix.
Le deuxième, c'était un enregistrement d'appel. J'avais pensé que c'était malin : une conversation de dix minutes, captée pendant que je discutais avec un client. Sauf que les enregistrements d'appel, ce sont des fichiers sales. Bruit de ligne, grésillements, cette espèce de sifflement électrique qui te rappelle que tu passes par un réseau téléphonique. L'outil m'a renvoyé une voix plate, dénuée de toute respiration, avec un souffle parasite qui donnait l'impression d'écouter un robot essoufflé.
Le troisième, enfin, j'avais utilisé les notes vocales de mon téléphone. Dictée rapide, dans le RER, entre deux stations. Le clavier de mon clavier virtuel cliquetait en fond, et j'avais prononcé mes phrases à toute vitesse parce que j'étais pressé. L'IA m'a sorti une voix qui ressemblait à la mienne... vue à travers un mur de béton. Onctueuse ? Non. Étrangère ? Presque. À un moment, j'ai eu droit à un timbre que je n'avais jamais entendu de ma vie, comme si un inconnu avait emprunté mon identité sonore pour lire un mode d'emploi de machine à laver.
Ce n'était pas la faute de mon téléphone. C'était la faute de ma flemme. Je traitais ces fichiers comme de la donnée brute, alors que pour créer une voix IA gratuite crédible, il faut de la matière première propre. Un chef ne peut rien faire d'un ingrédient avarié ; un modèle de clonage ne peut rien faire d'un audio compressé, bruité, ou réverbéré.
Une demi-journée pour enfin obtenir un son propre
Le samedi suivant, j'ai arrêté les conneries.
J'ai fermé les fenêtres. Coupé le chauffage — oui, même s'il faisait froid, je voulais éliminer ce bourdonnement de fond qu'on n'entend plus au bout de cinq minutes mais que le micro capte parfaitement. Éteint le ventilateur. Débranché la hotte aspirante de la cuisine, parce que son ronronnement lointain était en train de me rendre fou. J'ai même mis mon téléphone en mode avion, pour éviter qu'une notification ne vienne s'incruster au milieu de ma prise.
J'ai posé l'appareil à vingt centimètres de ma bouche. Trop près, les plosives explosent — ces « p » et ces « b » qui font « pop » dans les écouteurs. Je l'ai reculé à vingt-cinq. Puis j'ai lu un texte de cinq cents mots, une description de produit que j'avais écrite pour un client, à voix haute. Dix fois. Quinze fois. Vingt. Chaque prise, je l'écoutais en grimaçant. Ma langue fourche, j'ai des salives qui claquent, je respire comme un souffleur de verre. Je ne deviendrai jamais comédien de doublage, mais je pouvais au moins trier : garder les passages propres, jeter le reste.
Le soir venu, j'avais enfin trois minutes de moi-même qui sonnaient comme… moi. Pas comme moi au réveil, pas comme moi dans le métro. Moi, version stable.
J'ai ouvert l'outil. Là encore, il faut que je sois honnête : avant de tomber sur le bon, j'avais écumé. Des services de clonage de voix en ligne qui exigeaient une vérification par SMS avant même de voir la moindre fonctionnalité. D'autres qui rejetaient mes fichiers en me assénant un « qualité insuffisante » avant que j'aie pu tester. Et puis ceux qui te laissent faire trois phrases gratuites avant de te bloquer sur un mur de paiement, en espérant que tu aies déjà investi trente minutes de ta vie. Je n'ai pas le temps pour ça. Je suis blogueur, pas ingénieur audio. Je ne vais pas installer des pilotes, régler des fréquences d'échantillonnage, ou lire une documentation en anglais à minuit.
Un jour, désespéré, j'avais même testé sur un quai de gare bondé, pensant que le bruit ambiant serait noyé dans le modèle. Grave erreur. Les annonces SNCF, les conversations des gens, le bruit des wagons : tout était passé dans l'audio final. Ma voix était sortie avec une réverbération de hall de gare, comme si j'avais enregistré dans les toilettes de la station. J'avais ri jaune, et j'avais rangé mon téléphone.
Cette fois, dans le calme de mon appartement, j'ai uploadé le fichier propre. Puis je suis allé laver une pomme dans la cuisine. Quand je suis revenu, le haut-parleur diffusait ma voix. Ma voix, mais posée. Les respirations étaient lissées, les pauses respectées, et pourtant — c'était indéniablement moi. Je l'ai envoyé à mon cousin. Il a répondu par un simple « ? ». Puis : « T'as changé de voix ? T'es chez un orthophoniste ? »
Je n'ai rien expliqué. Mais ce test avait marqué une frontière que beaucoup confondent encore. Un TTS gratuit français, aussi bon soit-il, reste une machine à lire. Tu lui donnes un texte, il te le récite avec une voix de synthèse, souvent très bien fichue, souvent presque humaine. Mais il y a toujours un petit quelque chose. Une propension à sonner comme un speaker, comme une voix d'annonce. Le clonage, ce n'est pas ça. Le clonage, c'est demander à la machine de devenir toi. De manger ton timbre, ton débit, tes hésitations, pour les recracher à la demande. C'est pour ça que cloner sa voix demande une exigence que la simple synthèse vocale gratuite n'exige pas : tu ne peux pas tricher sur la matière première.
Ma routine actuelle pour cloner ma voix depuis mon téléphone
Aujourd'hui, ma méthode tient en quelques gestes. Rien de sorcier, mais il faut les faire.
Je choisis le créneau. Le dimanche après-midi, quand la rue est calme, ou tard le soir. Je ferme tout. Le chauffage, la VMC, le frigo qui ronronne au bout du couloir — oui, même lui, je le soupçonne. Je sors l'enregistreur natif de mon téléphone, et surtout, je désactive toutes les « améliorations ». Le traitement audio automatique des smartphones, c'est poison pour l'apprentissage. La réduction de bruit, l'égalisation, la compression : tout ça aplatit le signal, et l'IA n'aime pas les signaux aplatis. Elle préfère le son brut, même imparfait, mais cohérent.
Je place l'appareil à une distance de poing de ma bouche. Je lis lentement. Trois à cinq minutes suffisent largement. Pas besoin de s'imposer une heure de studio : au-delà, la fatigue s'entend, et la fatigue, c'est du bruit pour un modèle. Ensuite, je glisse le fichier sur la page de voix de synthèse gratuite sans inscription. Pas de compte à créer. Pas de numéro de téléphone à confier. Pas de carte bleue à renseigner. Je patiente quelques minutes, et ma voix est là, dans le navigateur, prête à travailler.
En France, on est de plus en plus regardants sur les données personnelles. Le RGPD est passé par là, et la voix, comme le visage, fait partie des données biométriques. Je me suis longtemps demandé où atterrissaient mes fichiers, si ils servaient à entraîner d'autres modèles, si un algorithme caché allait un jour me ressortir une publicité avec ma voix. C'est précisément pour ça que j'ai privilégié les outils qui fonctionnent sans inscription. Pas de téléphone à donner, pas de CB à tracer, tout se passe dans l'onglet du navigateur. Cette tranquillité d'esprit, elle n'a pas de prix.
Ce que j'apprécie, dans cet outil de clonage vocal gratuit, c'est que la limite de synthèse ne me bride pas. Je peux réécrire mon script cinquante fois, tester vingt variantes de ponctuation, sans jamais avoir à retourner derrière le micro. Pour mes vidéos, c'est une libération. Je m'en sers comme voix off IA gratuite pour mes contenus YouTube et TikTok, mais aussi comme doublage IA gratuit quand je dois boucher un trou dans une séquence en anglais ou en espagnol. Et depuis que j'ai compris le truc, je l'utilise même pour des projets plus personnels : un livre audio voix IA gratuite pour faire écouter un texte à ma nièce dyslexique, ou simplement pour convertir texte en audio gratuit et réécouter mes brouillons en marchant dans la rue. Multilingue, en plus : ma voix clone peut sortir des phrases en anglais ou en espagnol sans que ça casse l'illusion.
La page d'astuces et de réglages m'a servi plus d'une fois. J'y ai trouvé des réponses à des problèmes bêtes, du genre « pourquoi ma voix semble-t-elle lointaine ? » ou « comment gérer les silences ? ». Rien d'ésotérique. Juste ce qu'il faut pour arrêter de pester contre son casque.
La semaine dernière, la voisine m'a demandé un service. Elle organise une petite fête au local associatif, et elle devait enregistrer une annonce de trente secondes. Elle déteste sa voix au téléphone — comme tout le monde, finalement. Je lui ai dit de me laisser faire. J'ai fermé la porte, j'ai pris mon téléphone, j'ai lu son texte deux fois. Puis je l'ai passé dans le clone. Je lui ai envoyé le fichier en me marrant. Elle m'a répondu en majuscules : « T'AS ENGAGÉ UNE VRAIE VOIX ? ÇA COÛTE COMBIEN ? » Je lui ai dit que c'était gratuit, et que c'était techniquement ma voix qui lisait son texte. Elle a mis trois points de suspension. Elle n'a toujours pas compris.
Alors, peut-on vraiment cloner sa voix depuis un simple enregistrement smartphone ? Oui. À une condition près : il faut arrêter de considérer son téléphone comme un dictaphone de fortune. Il faut le traiter comme un studio. Une seule prise au sérieux, et l'IA vous rendra votre voix — peut-être même mieux que vous ne l'entendez tous les jours.