Synthèse vocale : texte en voix

Qu’est-ce qu’un outil de synthèse vocale ?

Il transforme un texte écrit en parole. Celui-ci s’appuie sur la Web Speech API, une fonctionnalité que tout navigateur moderne possède déjà, avec les voix que votre système d’exploitation fournit déjà. Rien n’est envoyé nulle part : le texte reste dans l’onglet et la lecture se fait sur votre propre machine.

Cela le rend réellement utile pour quelques usages précis : relire à l’oreille, ce qui révèle les répétitions et les rythmes maladroits que la lecture silencieuse masque ; venir à bout d’un long article en faisant autre chose ; vérifier la prononciation d’un nom ou d’une expression étrangère ; et l’aide à la lecture en général.

Cela implique aussi une chose que cette page ne peut pas faire, et que presque tous les résultats de « synthèse vocale gratuite » règlent autrement sans le dire : elle ne peut pas vous donner de fichier.

Comment l’utiliser

1. Collez ou saisissez votre texte. Aucune limite de longueur n’est imposée ici. Un texte long est découpé automatiquement en fragments de la taille d’une phrase, et le compteur indique combien, car le navigateur ne lit pas de façon fiable un énoncé énorme d’un seul tenant.
2. Choisissez la voix, la vitesse et la hauteur. La liste des voix vient de votre appareil : elle dépend donc de votre système d’exploitation et de votre navigateur, non de ce site. La vitesse va de la moitié au double, la hauteur du grave à l’aigu.
3. Appuyez sur « Lire ». Pause et reprise fonctionnent en milieu de phrase ; « Arrêter » vide entièrement la file. Une ligne de progression indique où en est la lecture.

Pourquoi il n’y a pas de bouton de téléchargement

Cherchez un outil de synthèse vocale gratuit et la plupart des résultats proposent un MP3. Ils le peuvent parce qu’ils ne travaillent pas dans votre navigateur : ils envoient votre texte à un serveur, l’y synthétisent et vous rendent un fichier. Cela leur coûte de l’argent par requête, et c’est pourquoi le téléchargement est justement ce qui se trouve derrière l’inscription, le filigrane ou le plafond de caractères.

La synthèse vocale du navigateur fonctionne autrement. Elle sort par votre sortie audio et n’expose rien à capturer. Aucun flux à enregistrer, aucune mémoire tampon à sauvegarder. Ce n’est pas un oubli de cette page : c’est une demande encore ouverte sur la spécification elle-même — « Support SpeechSynthesis to a MediaStreamTrack », déposée contre la Web Speech API et toujours non implémentée. Tant qu’il en sera ainsi, aucune page ne peut produire un fichier à partir de cette API, et celle qui prétend le contraire passe par un serveur.

Le marché est donc explicite. Vous obtenez une longueur illimitée, sans compte, sans envoi et sans frais, et vous n’obtenez pas de fichier. Si c’est le fichier qu’il vous faut, ce n’est pas le bon outil, et mieux vaut le dire que l’enfouir.

Limites assumées

Les voix ne sont pas les nôtres. Ce sont celles qu’a installées votre appareil, d’où une liste qui diffère entre Windows, macOS, Android, iOS et Linux, et même entre navigateurs d’une même machine. Certaines langues ont plusieurs voix, d’autres une seule, d’autres aucune : une voix portugaise ou arabe peut tout simplement ne pas exister sur un appareil donné, et une page web n’y peut rien. La liste peut également arriver un instant après la page, raison pour laquelle le navigateur émet un événement distinct lorsqu’elle est prête et que cet outil l’écoute.

Un texte long doit être découpé. La spécification plafonne un énoncé à 32 767 caractères et, bien avant cela, un problème ancien de Chromium intitulé « speechSynthesis fails for long text without warning and blocks the API » décrit des énoncés longs qui échouent silencieusement et laissent la synthèse inutilisable jusqu’au rechargement. Le texte est donc découpé en fragments d’environ 200 caractères aux frontières de phrase puis mis en file, ce qui fait aussi tomber la pause à un endroit sensé et rend la progression affichable.

Le découpeur tâche de ne pas couper au mauvais endroit. Le point de « 3,14 », de « Dr. Smith » ou de « J. R. R. Tolkien » ne termine pas une phrase, et le ؟ arabe si. Sa garantie est étroite mais exacte : recoller les fragments reproduit votre texte caractère pour caractère, ce qui est vérifié sur vingt-cinq cas retors à quatre tailles de fragment différentes et quatre mille chaînes aléatoires. Un découpeur qui avalerait une espace en silence lirait un peu de travers et personne ne le remarquerait.

Il vaut la peine de dire nettement ce qui est testé et ce qui ne l’est pas. La logique de découpage est couverte par vingt-cinq assertions. La parole elle-même ne l’est pas, et ne peut pas l’être : `speechSynthesis` n’existe qu’à l’intérieur d’un navigateur, il n’y a donc aucun moyen de l’exécuter dans un banc d’essai. C’est précisément pour cela que le traitement des chaînes a été écrit comme un module distinct : c’est la partie que l’on peut tenir à une exigence.

Le comportement de la pause est inégal selon les navigateurs, en particulier sur mobile, où certains moteurs arrêtent au lieu de mettre en pause et d’autres reprennent au début du fragment en cours. C’est l’implémentation du navigateur, non un réglage de cette page.

Pourquoi est-ce gratuit ?

Il n’y a aucun coût à répercuter. C’est votre appareil qui synthétise, votre texte ne quitte pas l’onglet, et cette page n’est qu’une poignée de commandes posées sur une fonctionnalité que votre navigateur possédait déjà.

C’est aussi pourquoi il n’y a ni compte ni plafond de caractères : les deux choses qu’un service côté serveur doit facturer sont exactement les deux dont on ne se sert pas ici.