FRENES

Glossaire · Utiliser l'IA au quotidien

Synthèse vocale

La synthèse vocale est une technique qui transforme un texte en parole produite par une machine. Elle permet à un outil ou à un agent IA de lire une réponse à voix haute, avec une prononciation, un rythme et parfois une intonation que vous pouvez régler.

Synthèse vocale : l'explication

Un système de synthèse vocale analyse le texte pour déterminer comment le prononcer, puis produit un signal audio. Il doit notamment interpréter la ponctuation, les nombres, les abréviations et la langue utilisée. Les approches actuelles peuvent apprendre des caractéristiques de la parole à partir d'enregistrements. Selon l'outil, vous choisissez une voix, une vitesse ou un style. Certains systèmes génèrent progressivement le son pour commencer à parler avant que toute la réponse soit prête.

La synthèse vocale sert à rendre des contenus accessibles sans lecture visuelle. Elle peut lire un article, annoncer une instruction de navigation ou donner une réponse dans une interface conversationnelle. Elle s'inscrit dans l'histoire des technologies de traitement de la parole, avec des méthodes qui ont évolué au fil du temps. Dans un agent IA, elle intervient après la production du texte et ne détermine pas, à elle seule, ce que l'agent sait ou comprend.

Une voix fluide peut donner une impression de compétence qui dépasse la qualité réelle du contenu. La synthèse vocale peut prononcer de façon convaincante une information fausse, ou mal interpréter un nom propre. Toutes les voix synthétiques ne reproduisent pas une personne réelle. La reproduction d'une voix particulière constitue une fonction distincte qui soulève des questions de consentement. La qualité dépend aussi de la langue, des réglages, du contexte et des conditions d'écoute.

Un exemple concret

Vous demandez à un agent de lire les étapes d'une recette pendant que vous cuisinez. Le modèle prépare les instructions, puis la synthèse vocale les transforme en audio. Vous réduisez la vitesse et demandez de répéter une étape. Si une quantité vous semble étrange, vous consultez le texte affiché : une voix naturelle ne garantit pas que la recette ou sa lecture soient correctes.

Pourquoi c'est important

La synthèse vocale compte pour l'accessibilité, le confort et la qualité d'une interaction orale. Vérifiez la prononciation dans votre langue, la possibilité de régler le débit et le délai avant le début de la lecture. Examinez aussi le traitement des textes transmis au service. Pour une voix reproduisant une personne, les conditions d'autorisation et les usages permis méritent une attention particulière.

Idées reçues

  • Une voix qui semble naturelle ne prouve pas que l'agent comprend son propos ou que sa réponse est exacte, car la production du son et la qualité des informations sont deux aspects différents du fonctionnement d'un assistant.
  • La synthèse vocale n'implique pas forcément de copier la voix d'une personne identifiable, puisque de nombreux services proposent des voix génériques, tandis que le clonage vocal nécessite des données et des précautions particulières concernant l'autorisation et les usages.

Autres termes : utiliser l'ia au quotidien

prompt
Un prompt est une entrée fournie à un modèle pour orienter ce qu'il doit produire ou accomplir.
RAG (génération augmentée par récupération)
Le RAG, ou génération augmentée par récupération, combine la recherche d’informations avec la production d’une réponse par un modèle.
base de données vectorielle
Une base de données vectorielle stocke et recherche des représentations numériques appelées vecteurs.
recherche sémantique
La recherche sémantique cherche des contenus selon leur sens probable, au-delà de la présence des mêmes mots.
assistant de code
Un assistant de code est un outil IA qui vous aide à écrire, comprendre, modifier ou tester des programmes informatiques.
no-code
Le no-code désigne une manière de créer des applications ou des automatisations avec des interfaces visuelles et des réglages, sans écrire directement de code pour les fonctions prévues.
reconnaissance vocale
La reconnaissance vocale est une technique qui transforme la parole enregistrée ou captée par un microphone en texte exploitable par un logiciel.
OCR
L'OCR, ou reconnaissance optique de caractères, est une technique qui transforme le texte présent dans une image en caractères exploitables par un logiciel.

Où le site en parle

Le terme apparaît dans 36 pages du site. Quelques-unes :

Dans la même famille

Pour aller plus loin

Questions fréquentes

Peut-elle fonctionner hors ligne ?

Oui, certains systèmes produisent la voix directement sur votre appareil. D'autres utilisent un service distant, ce qui nécessite une connexion et peut transmettre le texte à traiter. Le fonctionnement dépend du logiciel, du modèle vocal et des ressources disponibles.

Peut-on changer la voix ?

Souvent, vous pouvez choisir parmi plusieurs voix et régler la vitesse ou certains aspects de l'intonation. Les possibilités varient selon les langues et les outils, et une option expressive peut être moins régulière pour lire des informations précises.

Est-ce la reconnaissance vocale ?

Non, la synthèse vocale transforme du texte en parole, tandis que la reconnaissance vocale transforme généralement la parole en texte. Un assistant oral peut utiliser les deux, avec un modèle conversationnel ou d'autres traitements entre ces étapes.

Neutralité. Aucun lien d'affiliation. Aucun éditeur ne paie pour être évalué, noté ou classé. Les évaluations sont dirigées par François Chollet, neutres et factuelles, et chaque donnée est datée et sourcée. Comment nous notons