Synthèse vocale en ligne — voix neuronales

Au total, 125 voix dans 34 langues, issues de cinq sources : voix cloud de Microsoft, nos voix serveur, voix HD calculées par le navigateur et voix studio d’OpenAI et de Yandex facturées en jetons. Pour la langue de cette page, 41 voix sont disponibles ; chaque langue a son propre ensemble — le tableau « Langues et voix disponibles » ci-dessous indique combien.

Votre texte est envoyé à notre serveur, qui se connecte au service de parole neuronale de Microsoft via WebSocket sécurisé pour générer l'audio. Le texte n'est utilisé que pour la durée de la requête.

La limite dépend du compte, il n'y a donc pas un chiffre unique : sans connexion, 3 000 caractères par génération et 3 000 par jour ; avec Premium, 30 000 par génération et 100 000 par jour. Votre solde actuel est toujours affiché sous le champ, et le champ tronque lui-même les textes dépassant votre limite. Pour les textes plus longs, découpez-les selon votre limite, générez chaque partie, puis assemblez les MP3 avec notre assemblage audio.

Les pauses, oui, et avec précision : écrivez [pause 3s] entre les phrases et le service insère une pause exactement de cette durée (de 0,1 à 30 secondes — pratique pour exercices, méditation, instructions étape par étape) ; /pause/ donne une courte pause. Accentuer un seul mot par balisage n'est pas pris en charge sur les voix standard — pour une lecture expressive, choisissez un style vocal dans les réglages ou une voix premium avec 'Intonation'.

MP3 pour tout ce que vous allez publier ou envoyer ; WAV si la voix part dans un éditeur et sera coupée, superposée ou retravaillée. La parole elle-même arrive en MP3 à 24 kHz, la fréquence d'échantillonnage à laquelle la voix a été produite ; choisir WAV au téléchargement convertit cela dans la page au lieu d'aller chercher un meilleur original — cela n'ajoute donc aucun détail qui n'existait pas. Ce que cela apporte, c'est d'éviter un second passage en compression avec pertes quand vous réexporterez depuis votre éditeur. Pour un podcast ou une vidéo, le MP3 au débit élevé est indiscernable et dix fois plus léger.

La détection automatique fonctionne mieux avec des phrases (3+ mots). Pour des textes très courts ou multilingues, sélectionnez la langue manuellement. L'outil détecte la langue en analysant les plages Unicode et les motifs courants.