À retenir
- Transforme instantanément n'importe quel texte écrit en signal sonore.
- Outil pilier de l'inclusion et de l'accessibilité pour les personnes en situation de handicap.
- S'appuie aujourd'hui sur le deep learning pour imiter les nuances de la voix humaine.
La synthèse vocale de texte est une technologie qui permet à un ordinateur ou un appareil mobile de transformer des mots écrits en paroles audibles. C'est un peu comme si un acteur virtuel lisait un livre pour vous, en déchiffrant chaque phrase pour la prononcer à voix haute en temps réel.
Étymologie
Composé du mot « synthèse » (du grec sunthesis, action de réunir) et « vocale ». On utilise très souvent l'acronyme anglais TTS (Text-to-Speech). Historiquement, elle est passée de sons robotiques très hachés à des voix humaines fluides grâce aux progrès de l'intelligence artificielle.
Exemples d'usage
- Les voix des assistants personnels comme Siri ou Alexa qui répondent à vos questions.
- Les logiciels de lecture d'écran (comme NVDA ou VoiceOver) utilisés par les personnes malvoyantes.
- Les systèmes de navigation GPS qui dictent les noms de rues et les directions à suivre.
Cas d'usage
Ce concept intervient principalement dans l'accessibilité numérique pour rendre le contenu web consultable sans écran. On le retrouve aussi dans le multimédia (livres audio automatiques), la domotique, et les serveurs vocaux des services clients téléphoniques.
Bonnes pratiques
Pour un rendu optimal, il est essentiel de soigner la ponctuation du texte source, car elle définit les pauses et l'intonation (la prosodie). Dans le développement web, il faut utiliser des balises sémantiques claires pour que le moteur de synthèse ne lise pas d'éléments inutiles.
Synonymes
Antonymes
Conseil
Si vous débutez, testez les API de synthèse vocale intégrées nativement dans les navigateurs web (Web Speech API). C'est un excellent moyen de comprendre comment une simple ligne de code peut faire parler votre application sans installer de logiciel complexe.
Questions fréquentes
Est-ce la même chose que la reconnaissance vocale ?
Non, c'est l'inverse : la reconnaissance transforme la voix en texte, tandis que la synthèse transforme le texte en voix.
Peut-on changer la voix utilisée ?
Oui, la plupart des systèmes permettent de choisir le genre, l'accent et parfois même l'émotion de la voix générée.