Comment enregistrer un échantillon de voix qui vous ressemble vraiment

Quand une voix clonée sonne faux, on accuse l'IA. En général, l'IA a fait exactement ce qu'on lui a demandé : elle a fidèlement modélisé un enregistrement réalisé dans une cuisine, à 20 heures, par quelqu'un qui imitait bizarrement un présentateur radio parce qu'un micro était allumé.

Tout se joue sur l'échantillon. Voici ce qui change vraiment les choses, à peu près par ordre d'importance.

1. Éliminer le bruit de fond

Ce point compte plus que tous les autres réunis.

Un modèle vocal ne sait pas vous séparer proprement de votre environnement. Il apprend la pièce. Un lave-vaisselle qui tourne à deux mètres devient une partie de ce que le modèle croit être votre voix, et chaque histoire en gardera ensuite un fantôme discret.

Ce qu'il faut faire :

• Fermez la porte. Une chambre avec du textile est idéale — lit, rideaux et moquette absorbent les réflexions.
• Éteignez tout ce qui a un moteur ou un ventilateur. Lave-vaisselle, hotte, climatisation.
• Fermez la fenêtre. La circulation est pire qu'on ne le croit.
• Évitez la salle de bains et la cuisine. Les surfaces dures créent de l'écho, et l'écho s'incruste définitivement.

Vous n'avez pas besoin de silence. Vous avez besoin de l'absence de bruits concurrents précis.

2. Lire comme vous lisez à votre enfant

Dès qu'un micro apparaît, la plupart des gens ralentissent, descendent d'un ton et se mettent à narrer comme un documentaire. Le clone ressemble alors à ça : un inconnu légèrement solennel qui a votre accent.

Le remède est mental. Imaginez votre enfant à côté de vous, à moitié endormi, et lisez pour cette image-là. Un peu trop naturel vaut bien mieux qu'un peu trop joué.

Si vous vous surprenez à faire La Voix, arrêtez et recommencez. Ça prend vingt secondes.

3. Tenir le téléphone correctement

Le micro d'un téléphone est bon. On l'utilise mal.

• Une largeur de main de la bouche. Plus près, vous obtenez des coups sourds sur chaque « p » et « b ». Plus loin, la pièce s'invite.
• Légèrement de côté, pas droit devant. Votre souffle passe alors à côté du micro.
• Ne couvrez pas le bord inférieur. Sur la plupart des téléphones, le micro principal s'y trouve, et un pouce posé dessus est la cause numéro un des échantillons étouffés.
• Enlevez la coque si elle est épaisse.

Les écouteurs sont en général un recul, pas un progrès. Leurs micros sont réglés pour la téléphonie : ils compressent beaucoup et coupent les basses fréquences, c'est-à-dire exactement la chaleur qui rend une voix reconnaissable. Le téléphone seul fait mieux.

4. Donnez-lui une bonne minute si vous pouvez

Trente secondes peuvent produire un modèle utilisable. Une minute en produit un nettement plus stable, en particulier sur les phrases inhabituelles.

Plus d'audio, c'est plus d'exemples de votre manière de traiter les différents sons, donc moins de suppositions pour le modèle. Si l'appli affiche un texte, lisez-le en entier plutôt que de vous arrêter au moment où elle indique que c'est suffisant.

5. Lisez le texte tel qu'il est écrit

S'il y a un texte à l'écran, lisez ces mots-là. Les applis lancent souvent une reconnaissance vocale qui compare ce que vous avez dit à ce que vous étiez censé dire, comme indicateur de « cet enregistrement était-il assez net pour être exploitable ». Improviser fait échouer ce contrôle, même quand l'audio est bon.

Si vous butez, la plupart des applis préfèrent que vous recommenciez plutôt que d'aller au bout : soixante secondes propres valent mieux que quatre-vingt-dix avec une quinte de toux au milieu.

6. Soyez dans un état normal

Une voix fatiguée à minuit produit un clone qui sonne fatigué. Un rhume aussi, et la fin d'une dispute sur le brossage des dents également.

Vous n'avez pas besoin d'être frais et dispos. Vous avez besoin d'être proche de vous-même, parce que c'est cette voix-là que votre enfant reconnaît. Si vous êtes enrhumé, attendez deux jours. Le modèle que vous créez en cinq minutes est celui que vous entendrez pendant des mois.

Un rituel en soixante secondes

1. Chambre, porte fermée, tout ce qui a un moteur éteint.
2. Téléphone en main, à une largeur de main, légèrement de côté, bord inférieur dégagé.
3. Une lecture d'essai de la première phrase, à voix haute, pour évacuer la voix de présentateur.
4. Enregistrez tout le texte à votre rythme de lecture habituel.
5. Réécoutez. Posez-vous une seule question : est-ce que ça ressemble à moi qui parle, ou à moi qui présente ?
6. Si c'est « qui présente », refaites-le une fois. Ce sera meilleur.

Ce qui ne sera toujours pas parfait

Même avec un échantillon impeccable, attendez-vous à un clone un peu plus calme que vous. La couche de jeu — la voix du loup, la pause dramatique, le murmure quand ils s'endorment — c'est là que l'écart demeure.

Autant le savoir pour ne pas être déçu. Ce qui survit, c'est ce qui compte le plus pour un tout-petit : le son de vous. Les enfants le reconnaissent immédiatement, systématiquement, et c'est tout l'intérêt.

Après l'enregistrement

Deux bonnes habitudes :

Écoutez une histoire entière avant de compter dessus. Un échantillon peut sembler correct isolément et révéler un défaut sur trois minutes de narration.

Réenregistrez si votre situation change. Vous relevez d'une longue maladie, ou vous aviez fait le premier dans un appartement bruyant que vous avez quitté depuis ? Un nouvel échantillon prend une minute et vous pouvez supprimer l'ancien profil.

Et si vous préférez ne pas conserver un profil vocal en permanence, supprimer puis réenregistrer plus tard est tout à fait raisonnable — les questions de confidentialité qui méritent d'être posées explique pourquoi certains parents fonctionnent ainsi.

Envie d'essayer ? Taletune est gratuit sur iOS et Android, et vous saurez en deux minutes environ si le résultat vous ressemble.