J'ai cloné la voix de ma grand-mère avec un enregistrement fait dans ma cuisine. Ratage complet.

L'hiver dernier, j'ai balancé un fichier de trente minutes dans un outil de clonage vocal. Ce qui est sorti de l'enceinte m'a coupé le souffle — et pas dans le bon sens. C'était bien ma grand-mère. Mais une grand-mère enrhumée, avec une pastille de menthe coincée dans la joue et une hotte aspirante greffée quelque part dans la gorge.

Mamie a 84 ans. Elle parle avec l'accent du Gers, celui qui traîne sur les fins de phrase et qui avale les « e ». Quand elle s'énerve, il lui reste trois mots d'occitan. Personne de ma génération ne parle comme ça. L'idée était donc simple : garder sa voix, en faire une lettre sonore qu'on écouterait chaque 24 décembre, en famille.

Sauf que j'ai enregistré ça dans ma cuisine. La hotte tournait. La radio crachait France Bleu. Le chien du voisin hurlait après un scooter. Et moi, persuadé d'être en train de fabriquer un souvenir.

Le problème n'était pas l'outil

Ma première réaction a été bête, mais classique : changer d'outil. J'ai testé tout ce qui traînait — des pages web, un logiciel à installer, des trucs annoncés comme du clonage vocal gratuit, d'autres payants. Cinq ou six, facile. Un vrai tour de piste du clonage de voix en ligne.

Résultat identique partout. Le même effet tunnel, la même voix pâteuse.

C'est là que j'ai arrêté de chercher un coupable ailleurs. Le modèle n'avait rien à se reprocher. Il avait appris exactement ce que je lui avais donné : trente minutes où la voix de Mamie occupait peut-être un tiers du signal. Le reste, c'était de l'air brassé, du carrelage, une casserole qui mijotait et un chien.

Un outil de clonage vocal ne devine pas ce qui vous intéresse dans un fichier. Il prend tout. La hotte comprise.

Mes trois erreurs, de la plus bête à la moins bête

Enregistrer dans la cuisine. C'est la pièce la plus réverbérante de la maison : carrelage, vitres, inox, portes de placard. L'accent du Sud vit dans des détails minuscules — une voyelle allongée, une consonne qui s'adoucit. Une réverbération là-dessus, et tout s'aplatit. Une petite chambre, fenêtre fermée, rideaux tirés, une couverture sur le lit : le jour et la nuit.

Faire lire un texte à Mamie. J'avais imprimé ma lettre en gros caractères. Elle l'a récitée comme une poésie d'école : lentement, un mot après l'autre, sans aucune musique. Or sa voix à elle, celle que je voulais garder, elle apparaît quand elle raconte une bêtise, quand elle coupe la parole, quand elle finit une phrase par un « oh, tu sais... » qui ne se termine jamais. Rien de tout ça ne survit à une lecture à voix haute.

Croire que plus long = mieux. Trente minutes, je me disais que j'avais de la marge. En vrai, huit minutes exploitables, à tout casser. Et encore : le téléphone posé sur le plan de travail, tantôt à vingt centimètres, tantôt à un mètre, avec un volume qui montait et descendait. Le modèle n'en a tiré qu'une silhouette.

Le jour où j'ai tout refait

Une semaine plus tard, j'ai installé Mamie dans la chambre nord de ma sœur. Cette fois :

  • téléphone sur un trépied, à vingt centimètres de sa bouche, et on n'y touche plus
  • fenêtres fermées, clim coupée, rideaux tirés, mode avion activé
  • plus de lecture : je posais des questions. « Comment tu fêtais Noël, petite ? » « Comment ta mère te grondait ? »
  • des prises de cinq à huit minutes, réécoutées tout de suite, supprimées au moindre bruit parasite
  • au total, environ vingt minutes propres, en quatre sessions

Pendant ce temps, j'ai fait passer le texte de la lettre dans une synthèse vocale gratuite pour écouter le rendu. Convertir texte en audio gratuit, franchement, c'est le seul moyen de repérer les fausses notes avant de tout générer pour de bon. Et ça m'a servi : les « oh », les « eh bé », les « tu sais », c'est ça qui fait tenir une lettre debout. Il fallait les placer au bon endroit, pas les gommer.

Pour la synthèse finale, j'ai envoyé mes vingt minutes et j'ai attendu quelques minutes. La première phrase est sortie de l'enceinte. Ma sœur, à côté, s'est arrêtée net.

Ce « ma pitchounette » — la voix qui descend en fin de mot, un peu rauque. C'était elle. Point.

Une fois la lettre terminée

Je l'ai découpée en vingt-six morceaux, une ou deux phrases chacun, de son enfance à la façon dont elle m'a élevé. Vingt-six morceaux, ça veut dire vingt-six générations d'affilée, et là on apprécie de ne pas se faire couper en plein milieu par une limite de caractères. Côté VoxClone, on ouvre la page, ça tourne, pas d'installation, pas de pseudo logiciel de clonage vocal gratuit à télécharger qui pèse trois gigas. Pour ma sœur, c'était l'argument décisif : son ordinateur est vide, elle cherchait juste une voix de synthèse gratuite sans inscription, pas un chantier.

Un conseil au passage : ne visez pas le son parfait. J'ai fini par garder un peu de respiration, un léger claquement de langue. Trop nettoyé, ça sonne comme une présentatrice de JT. Et une présentatrice, ce n'est pas votre grand-mère.

Autre chose : si l'accent est très marqué, un matériel impeccable ne suffira pas toujours. Dans ce cas, n'acharne pas. Choisissez les passages où la personne est la plus détendue, entraînez surtout là-dessus, et laissez le reste dans un français plus neutre. À l'écoute, en famille, personne ne tique. C'est aussi valable si vous voulez créer une voix IA gratuite pour un projet perso : commencez petit, sur un seul timbre, une seule ambiance.

Si vous avez beaucoup de texte à traiter — transformer toute une correspondance en livre audio voix IA gratuit, par exemple — il existe des interfaces de synthèse vocale gratuites qui avalent les fichiers à la chaîne. Pour ma lettre annuelle, une page web et deux clics suffisent largement. Et pour un doublage IA gratuit d'une petite vidéo de vacances, le même générateur de voix gratuit fait le job sans que personne ne remarque la différence.

Dernier détail, et il compte : les moteurs de TTS gratuit français butent souvent sur les prénoms et les mots d'occitan. Testez-les à l'oreille avant de lancer la génération complète.

Questions fréquentes

J'ai déjà enregistré dans le bruit. C'est rattrapable ?

En partie, mais n'espérez pas de miracle. Vous pouvez passer le fichier dans une fonction de réduction de bruit, ou découper à la main tout ce qui est manifestement pollué. Si vous récupérez moins de trois minutes propres, refaites l'enregistrement. Deux heures de reprise contre deux semaines de nettoyage approximatif : le calcul est vite fait.

Cloner un accent régional, c'est plus dur que cloner un français neutre ?

Oui, et c'est une question de données. Les modèles ont entendu des milliers d'heures de français standard, très peu de patois du Gers ou d'alsacien. Chaque seconde que vous fournissez compte donc double. Ajoutez à ça des schémas d'accentuation qui n'existent nulle part ailleurs : il faut plus d'exemples pour que ça tienne. Des conversations naturelles valent cent fois une lecture.

Jusqu'où va un outil gratuit ?

Ça dépend de ce que vous en faites. Pour une lettre sonore de famille, une voix off IA gratuite sur une vidéo de vacances ou un doublage IA gratuit de petite vidéo, c'est déjà largement suffisant — le niveau actuel m'a surpris. Pour du long format très stable ou un usage commercial, il faudra regarder du côté des offres pro. Et pensez au RGPD si vous diffusez la voix de quelqu'un : une voix, c'est une donnée personnelle, et en France ça ne plaisante pas. Pour un usage privé en famille, aucun souci. J'ai mis d'autres notes sur la page dynamique si ça vous intéresse.

N'attendez pas

Mamie est partie à l'automne 2023.

La lettre est sur mon téléphone, et une copie dans le cloud. Le 24 décembre dernier, je l'ai passée dans le salon. Ma mère a pleuré. Ma nièce de six ans a demandé, très sérieuse : « C'est qui, qui parle ? »

Elle ne comprend pas encore. Un jour, je lui expliquerai que c'est la voix de son arrière-grand-mère, et que c'est la langue de chez nous.

Si vous avez encore quelqu'un comme ça dans votre vie, ne repoussez pas. Un après-midi calme, la clim coupée, le téléphone sur un support, et une seule question : « Raconte-moi comment c'était, Noël, quand tu étais petite. » Le reste, l'outil s'en occupe.