Aller au contenu

Générer la voix (TTS)

Synthétisez des fichiers de sous-titres (avec timing) ou du texte arbitraire en audio MP3 / WAV. Cinq backends TTS : Edge TTS (gratuit), ElevenLabs (haute qualité), Google Cloud TTS, Gemini TTS (palier gratuit) et Piper TTS (hors ligne).

Ce qu'il vous faut

  • FFmpeg dans le PATH — voir Configuration FFmpeg.
  • Un backend TTS, l'un de :
    • Edge TTS — gratuit, pas de clé, par défaut. Utilise les voix cloud de Microsoft Edge.
    • ElevenLabs — payant, qualité maximale. Voir Configuration ElevenLabs.
    • Google Cloud TTS — payant, très bon. Voir Configuration Google Cloud.
    • Gemini TTS — palier gratuit, voix prédéfinies naturelles. Réutilise votre clé API Gemini existante de l'onglet LLM — aucune configuration supplémentaire.
    • Piper TTS — TTS neuronal entièrement hors ligne. Pas de clé API, pas d'appels réseau — les voix sont des fichiers ONNX de ~25–60 Mo téléchargés une fois via Paramètres → Voix → Piper TTS → Télécharger les voix maintenant. 32 des 45 langues de l'app ont une voix Piper aujourd'hui ; les langues sans couverture Piper retombent silencieusement sur Edge TTS au moment de la synthèse.

Pas à pas

  1. Cliquez sur Générer la voix dans la barre latérale.
  2. Déposez un ou plusieurs fichiers de sous-titres .srt / .vtt / .ass / .ssa.
  3. Choisissez la Langue (auto-détectée depuis le nom de fichier du sous-titre quand possible — par ex. _translated_en_fr.srt est détecté comme français).
  4. Choisissez le Genre de voix — Féminin ou Masculin.
  5. Choisissez le Format de sortie — .mp3 (par défaut) ou .wav.
  6. Cliquez sur Générer (ou Ctrl+Entrée).
  7. Ouvrez la ligne quand c'est terminé — elle se lit dans votre application audio par défaut.

Sortie

Vous obtenez un fichier audio unique avec les pistes vocales placées à l'horodatage de chaque sous-titre. Des silences remplissent le temps entre les indices pour que l'audio reste synchronisé avec le timing d'origine.

Choisir un backend TTS

Backend Coût Voix Notes
Edge TTS Gratuit Centaines, toutes les langues majeures Par défaut. Pas de configuration.
ElevenLabs Payant (~5 $/mois palier d'entrée) Voix neuronales premium, clonage de voix Qualité maximale. L'ID de voix est défini dans Paramètres → Service.
Google Cloud TTS Payant (~4 $/M caractères ; 1 M gratuit / mois) Voix WaveNet / Studio dans 50+ langues Voix WaveNet fortes pour les langues européennes. Par défaut, le serveur choisit une voix selon la langue + le genre.
Gemini TTS Palier gratuit (les quotas Developer API s'appliquent) Voix prédéfinies naturelles dans 24+ langues — Kore (féminin par défaut) / Puck (masculin par défaut) Réutilise votre clé API Gemini de l'onglet LLM. Sortie par appel plafonnée à ~30 s ; les longs textes se découpent automatiquement aux frontières de phrase.
Piper TTS Gratuit, hors ligne Voix neuronales dans 32 des 45 langues de l'app Pas de clé, pas de réseau. Voix par langue téléchargée à la demande via Paramètres → Voix → Piper TTS → Télécharger les voix maintenant (~25–60 Mo chacune). Le pre-flight attrape une voix manquante avant que le travail ne commence.

Basculez dans Paramètres → Voix → Méthode TTS.

Spécificités Piper TTS

Piper est le seul backend TTS entièrement hors ligne dans l'app. Quelques choses à savoir :

  • Boîte de dialogue de la bibliothèque de voix — ouvrez via Paramètres → Voix → Piper TTS → Télécharger les voix maintenant. Chaque ligne de langue affiche un bouton de téléchargement Voix féminine et / ou Voix masculine (certaines langues sont mono-genre). Les voix proviennent du catalogue HuggingFace rhasspy/piper-voices.
  • Couverture — 32 des 45 langues de l'app ont une voix Piper. Les 13 sans couverture (biélorusse, bengali, chinois (traditionnel), croate, estonien, hébreu, japonais, khmer, coréen, lituanien, malais, mongol, thaï) retombent silencieusement sur Edge TTS au moment de la synthèse, donc la synthèse n'échoue jamais durement sur une voix manquante.
  • Résolution du genre — quand vous choisissez Féminin, le moteur essaie d'abord la voix féminine pour cette langue ; si seule une voix masculine existe, il l'utilise à la place (et vice versa). Journalisé au niveau INFO.
  • Garde pre-flight — avant qu'une exécution Voix ne commence, la page vérifie que la voix Piper par langue est sur le disque. Si manquante, vous obtenez une boîte de dialogue modale avec un bouton Ouvrir les paramètres qui vous emmène directement à la bibliothèque de voix pour la télécharger sans perdre votre file.

Spécificités Gemini TTS

Gemini TTS utilise gemini-2.5-flash-preview-tts via la Developer API. Quelques choses à savoir :

  • Sélection de voix est par genre aujourd'hui — Féminin mappe à Kore, Masculin à Puck. Les deux sont des voix claires et neutres qui fonctionnent à travers les langues sans sonner trop caractérielles.
  • Plafond de longueur de sortie — chaque appel API Gemini renvoie au maximum ~30 s de parole. L'app découpe le texte d'entrée sous _GEMINI_TTS_MAX_BYTES (~2000 octets ≈ 30 s) aux frontières de phrase, puis concatène les morceaux via FFmpeg. Vous ne rencontrerez pas de troncature sur du texte de sous-titre normal.
  • Format audio — Gemini émet du PCM brut à 24 kHz mono s16le ; l'app transcode par morceau en MP3 (ou WAV si vous l'avez choisi) pour que le fichier final corresponde à votre format de sortie sélectionné.
  • Vertex AI n'est pas encore pris en charge pour TTS — même si votre onglet LLM est configuré pour Vertex, Gemini TTS a toujours besoin d'une clé API Developer. L'app lève AUTH_ERROR à l'avance si elle est manquante.

Modèles ElevenLabs

Trois modèles sont exposés :

Modèle Latence Qualité À utiliser pour
eleven_multilingual_v2 (par défaut) Moyenne Élevée TTS général
eleven_v3 Moyenne Maximale Studio / production
eleven_flash_v2_5 Faible Bonne Temps réel / mode Live

Configurez dans Paramètres → Voix → Modèle ElevenLabs.

Astuces

Régénérer

Clic droit sur une ligne → Régénérer pour permuter le genre de voix / la méthode TTS / le format sans relancer la traduction.

Vérifications pre-flight

La page valide la clé API ElevenLabs (lorsqu'elle est sélectionnée) et la disponibilité de FFmpeg avant de commencer. Vous verrez une boîte de dialogue conviviale si quelque chose manque.

Stop est atomique

Cliquez sur Stop pendant la synthèse et vous n'obtiendrez pas un MP3 à moitié écrit dans le répertoire de sortie — le fichier est écrit dans un emplacement temporaire d'abord, puis déplacé en place uniquement en cas de succès.

Raccourcis

Raccourci Action
Ctrl+Entrée Générer
Ctrl+O Parcourir
Ctrl+F Focaliser la recherche d'historique