Histoires du soir en livre audio : une semaine de clonage vocal gratuit, et une leçon que personne ne donne

Mercredi, 21h37. Ma fille est debout à côté du lit, « Le Loup qui découvrait le pays des contes » sous le bras, et elle me lance : « Papa, t'as plus de voix. C'est le téléphone qui lit ce soir ? »

Elle avait raison. Quinze soirs d'affilée à faire le loup, le cochon et le chaperon, ma gorge a fini par déposer un préavis. Alors je me suis dit : très bien, on va voir ce que vaut la synthèse vocale gratuite.

Premier essai... comment dire. Elle a écouté deux secondes, m'a repassé le téléphone : « C'est pas toi. »

C'était ma voix, mais ce n'était pas moi. J'avais l'impression d'entendre quelqu'un lire un compte rendu de réunion derrière un masque chirurgical.

Le problème n'est pas l'outil. C'est l'échantillon.

Mon premier essai, je l'ai fait avec un générateur de voix gratuit qui réclamait un compte, un numéro de téléphone, la lune. J'ai balancé un vocal WhatsApp en guise de référence — trente secondes, je disais un truc du genre « ouais, le dossier, on en reparle demain ». Résultat : une voix bien articulée, zéro émotion, une stagiaire qui sort tout juste d'un cours de radio.

Puis j'ai tilté. Un vocal WhatsApp, c'est compressé, l'échantillonnage est minable, il y a de l'écho et un souffle de fond. Tu donnes ça à un modèle, c'est comme demander un portrait à partir d'une photo floue prise dans le métro.

C'est là que se joue la vraie différence entre celui qui bidouille et celui qui obtient un résultat : tout le monde fixe les paramètres du modèle, alors que tout se décide sur ces vingt secondes de référence.

Je suis repassé par clonage vocal gratuit et j'ai tout réenregistré. Même modèle. Résultat sans aucun rapport.

Comment enregistrer une référence qui ne sonne pas robot

Je pensais que la difficulté serait de cloner sa voix. En fait, la difficulté, c'est le matériau. J'ai recommencé quatre fois, donc autant vous donner le détail.

Pas dans le salon. Le salon, c'est le frigo qui ronronne, la rue en bas, le voisin qui bricole. L'oreille filtre tout ça, un micro non. J'ai fini dans le placard à manteaux — les vêtements absorbent, c'est bluffant. Pas de placard ? Une couette sur la tête, téléphone dessous.

Quinze à trente secondes, pas plus. Trop court, le modèle ne capte pas votre timbre. Trop long, et la moindre quinte de toux, la moindre page tournée se retrouve apprise. J'ai enregistré presque deux minutes une fois : chaque fin de phrase traînait un petit raclement de gorge. Très bizarre à l'écoute.

Ne lisez pas un texte. C'est le point le plus contre-intuitif. Si vous déclamez « il était une fois » d'une voix posée, vous obtenez... une voix de speaker. Parlez normalement : « ce soir on mange quoi, il reste des fraises dans le frigo, elles vont pas tenir ». Débit normal, un peu d'émotion, vous pouvez même sourire. Le modèle apprend comment vous parlez, pas comment vous lisez.

Micro à un poing, à 45 degrés. Collé à la bouche, ça souffle ; trop loin, ça récupère la réverbération de la pièce.

Trois prises, on garde la meilleure. Ça a l'air pénible, c'est cinq minutes. Mon rituel maintenant : dans le placard, trois phrases différentes, j'écoute, je garde celle qui ressemble le plus à « moi qui raconte une histoire ».

Un détail bête : buvez de l'eau tiède avant, pas glacée. Quand la gorge est serrée, la voix flotte, et ça aussi ça s'apprend.

Deuxième leçon de la semaine : pour créer une voix IA gratuite qui tienne la distance, il faut un TTS gratuit français. Pas un moteur anglais qui prononce « poisson » comme « poison ». Les liaisons, les e muets, les prénoms bretons du livre — c'est là que ça se voit tout de suite.

Au passage : le texte en parole gratuit que j'ai utilisé cette semaine est une voix de synthèse gratuite sans inscription. Pas de formulaire, pas de vérification d'e-mail, rien. Pour quelqu'un comme moi qui abandonne au milieu d'une inscription, c'est un luxe. J'ai testé d'autres plateformes : à la troisième étape, j'avais déjà fermé l'onglet. Une amie a voulu essayer, elle a renoncé avant même de créer un compte. Et pour un livre audio voix IA gratuit, l'illimité compte vraiment : un album jeunesse, c'est deux à trois mille mots, un outil bridé à mille caractères ne va nulle part.

Si vous êtes plutôt du côté création de contenu — voix off IA gratuite pour une vidéo YouTube, une Reels, un TikTok — la logique est exactement la même. La référence fait 80 % du boulot.

Ma semaine, concrètement

Lundi soir, j'ai sorti trois albums de la bibliothèque et je les ai tapés dans un bloc-notes. En tapant, j'ai fait trois choses :

  • Les chiffres en toutes lettres — « 3 petits cochons » devient « trois petits cochons », sinon il bute ou il part en anglais.
  • Les phrases longues coupées, et la ponctuation posée là où je respire. Chez moi, la virgule, c'est une pause.
  • Les homographes vérifiés : « fils », « couvent », « est », « plus ». Sur ce genre de piège, ma fille corrige immédiatement, et elle a raison.

Ensuite : synthèse, écoute, retour au texte pour changer une virgule. Les deux premières soirées ont été laborieuses. À partir de la troisième, tout roule — parce que la référence était figée, il ne restait que du travail de texte. Un clonage de voix en ligne, ça tourne en quelques secondes ; ce qui prend du temps, c'est la relecture.

Franchement, il y a deux ans, je n'aurais pas cru qu'on puisse convertir texte en audio gratuit avec ce niveau de qualité. Je m'attendais à trois jours d'essai puis un mur payant, ou à une bouillie métallique. Là, on est au-delà de ce que j'imaginais.

Une chose quand même, et elle est importante : cloner la voix de quelqu'un d'autre, non. En France, la voix est une donnée personnelle — RGPD, consentement explicite, tout ça. Si l'idée vous traverse de cloner la maîtresse ou la nounou pour les histoires du soir, rangez-la tout de suite. Et pour ceux qui lorgnent du côté du doublage IA gratuit pour des vidéos : les comédiens de doublage français ne rigolent pas avec le sujet, et ils ont de bonnes raisons.

FAQ

Combien de temps doit durer l'échantillon de référence ?

Quinze à trente secondes, et je vise vingt. En dessous de dix, le timbre part dans tous les sens ; au-delà d'une minute, la probabilité qu'un bruit parasite s'incruste monte en flèche. Si vous n'avez vraiment aucun endroit calme, mieux vaut un extrait court et propre qu'un long enregistrement pollué.

Le micro du téléphone suffit ?

Oui. Le mien a trois ans, et à l'écoute je ne fais pas la différence avec un micro externe. Tout se joue sur l'acoustique de la pièce, pas sur le matériel. Un téléphone dans un placard battra presque toujours un micro à condensateur dans un salon.

Peut-on cloner la voix d'un enfant, pour qu'il se raconte ses propres histoires ?

Techniquement, oui. Je ne le conseille pas. D'abord parce que la voix d'un enfant bouge encore, le timbre n'est pas stable et la référence est difficile à obtenir proprement. Ensuite parce que... écouter sa propre voix sortir d'une enceinte pour se raconter une histoire, ça fait un drôle d'effet. Je préfère la mienne, même imparfaite.

Si vous voulez voir comment d'autres s'y prennent, il y a quelques cas détaillés dans les tutoriels — j'en ai lu deux ou trois, la liste des pièges est honnête.

Ce que je fais maintenant

Le dimanche soir, je prends vingt minutes : je synthétise les cinq albums de la semaine, je les range dans un dossier. Ma fille choisit, appuie, écoute. Quand j'ai de la voix, je lis encore moi-même — une machine ne remplacera pas ça.

Mais les soirs d'angine, l'histoire ne s'arrête plus.

Si vous voulez tester, ne commencez pas par un texte de trois pages. Enregistrez vingt secondes, faites lire une seule phrase, écoutez. Si ça vous ressemble, continuez. Si ça ne vous ressemble pas, retour au placard. Dix minutes, pas plus — et c'est ce qui décidera de tout le reste.