Vous avez un texte prêt et rien pour le lire à voix haute. Un article à transformer en épisode audio, un script de vidéo, une fiche de cours à écouter en marchant. Vous cherchez text to speech français, et vous tombez sur des pages en anglais, des lecteurs qui parlent dans l'onglet sans jamais produire de fichier, et des voix d'annonce de gare qui butent sur le premier nom propre venu. Le terme anglais est resté chez les francophones, ce qui n'aide pas à trier.
Le travail utile n'est pas de trouver un outil, il y en a des dizaines. Il est de savoir ce qui sépare une voix qu'on écoute pendant huit minutes d'une voix qu'on coupe au bout de vingt secondes, et jusqu'où une offre gratuite vous porte avant de s'arrêter. Ce guide suit la chaîne entière, du texte collé au fichier audio téléchargé, avec les réglages qui comptent vraiment en français. Si vous voulez d'abord la mécanique et le vocabulaire, notre guide complet de la voix off IA prend la route technique.
La réponse courte
Le text to speech transforme un texte écrit en fichier audio, en quelques secondes, sans micro ni cabine. En français, quatre décisions font le rendu : le texte que vous collez, la voix que vous choisissez, le style de lecture que vous demandez, et le découpage dès que le texte dépasse quelques pages. Les offres gratuites couvrent parfaitement l'écoute et la comparaison. Elles s'arrêtent presque toujours sur trois points, et rarement celui qu'on redoute : pas la qualité, mais le téléchargement du fichier, le plafond mensuel de caractères et les droits d'usage.
Text to speech, synthèse vocale, TTS : trois noms pour le même geste
Les trois expressions désignent la même opération : une machine lit un texte et produit un son. Synthèse vocale est le terme français, celui des lecteurs d'écran et des systèmes d'accessibilité. Text to speech, souvent abrégé en TTS, est le terme des développeurs, et c'est lui qui a gagné dans les résultats de recherche francophones. Chercher l'un ou l'autre mène aux mêmes outils, ce qui explique la moitié de la confusion quand on démarre.
Ce qui a changé ces dernières années, ce n'est pas le nom, c'est la façon dont la voix est fabriquée. Les anciens systèmes assemblaient des morceaux de sons enregistrés, d'où le débit haché des annonces automatiques. Les moteurs actuels prédisent le signal sonore à partir du texte, avec un modèle entraîné sur des heures de parole. Ils produisent des respirations, des variations de hauteur et des accélérations. C'est aussi pour cette raison qu'ils se trompent parfois de façon spectaculaire là où l'ancienne génération se contentait d'être plate.
Les six étapes entre un texte collé et un fichier audio
Le geste paraît tenir en un bouton. Il en compte six, et cinq se jouent avant que la machine ne parle. C'est la raison pour laquelle deux personnes obtiennent des résultats très différents avec le même outil et le même texte de départ.
- Écrire ou coller le texte. Des phrases courtes, une idée par phrase. Un texte destiné à l'oreille n'a pas la même forme qu'un texte lu des yeux.
- Le nettoyer. Nombres, sigles, dates, abréviations et noms propres réécrits comme ils se prononcent. L'étape la plus rentable de toutes.
- Choisir la voix. Écoutez un extrait de chaque timbre avant de lancer la génération complète, jamais l'inverse.
- Donner un style de lecture. Une phrase de consigne suffit, et elle pèse plus lourd que n'importe quel curseur.
- Lancer la synthèse. Un texte long est découpé, généré par morceaux puis recollé en un seul fichier.
- Récupérer le fichier. Un MP3 que vous téléchargez, posez sur un montage ou publiez tel quel.
Le texte pèse plus lourd que le moteur
C'est le constat qui surprend le plus les nouveaux venus. Changer d'outil apporte une amélioration marginale, réécrire trois phrases transforme l'écoute. Un moteur ne comprend pas votre texte, il l'interprète comme une partition : la ponctuation lui donne le rythme, la longueur des phrases lui donne le souffle, la structure lui donne l'intonation.
Le défaut le plus fréquent tient en une phrase : le texte a été écrit pour les yeux. Une phrase de quarante mots avec deux incises se lit très bien en silence. Lue à voix haute, elle oblige le moteur à tenir une intonation plate jusqu'au point final, et l'auditeur décroche avant. Coupez en deux. Mettez une virgule là où vous respireriez. Le résultat s'entend immédiatement, sans toucher un seul réglage. Si la lecture sonne encore mécanique après ce nettoyage, les causes d'une voix IA robotique sont listées une par une.
Ce que le français fait rater aux moteurs
Le français cumule quelques difficultés que l'anglais n'a pas, et les moteurs les traitent inégalement. Les liaisons se décident selon le sens, les nombres s'écrivent d'une façon et se disent d'une autre, et une bonne partie des noms propres qui circulent sont étrangers. Voici les corrections qui reviennent le plus souvent sur nos voix off.
- Les nombres. Écrivez-les en toutes lettres dès qu'ils portent le sens. Une date, un numéro de version ou un ordinal mal lu casse la phrase entière.
- Les sigles. Séparez les lettres par des points quand ils doivent être épelés. Sinon le moteur tente de les prononcer comme un mot, et il le fait très bien.
- Les noms propres étrangers. Réécrivez-les phonétiquement à la française dans la version lue. Personne ne lit ce texte, seul le son compte.
- Les abréviations. Monsieur, Madame, numéro, kilogramme : écrivez le mot entier. Le moteur devine souvent, mais pas toujours, et jamais deux fois de la même façon.
- Les points de suspension et les tirets. Ils créent des silences imprévisibles. Une virgule ou un point font le travail plus proprement.
Une précaution de méthode : gardez deux versions de votre texte, celle que vous publiez à l'écrit et celle que vous donnez à lire. Les mélanger fait perdre plus de temps que le nettoyage lui-même, parce qu'on finit par publier un article rempli de nombres en toutes lettres.
Le style de lecture, la consigne que presque personne ne donne
Sur les gammes de voix qui l'acceptent, vous pouvez écrire en clair comment le texte doit être lu, en langage courant. « Lis comme un conteur, d'une voix chaleureuse et posée. » « Lis comme un présentateur de journal télévisé, ton sérieux et rythmé. » « Lis d'une voix douce et apaisante, comme une méditation. » Cette phrase n'est jamais prononcée : elle dirige le jeu.
C'est le réglage qui rapporte le plus pour le moins d'effort, et c'est celui que les débutants ignorent, parce qu'il ne ressemble pas à un réglage. Une même voix, avec deux consignes différentes, donne deux rendus qui n'ont plus grand rapport. Pour aller plus loin sur le débit, les silences et le choix du timbre, obtenir une intonation naturelle en français détaille les réglages un par un.
Gratuit ou payant : où passe vraiment la ligne
La question du gratuit revient à chaque fois, et la réponse n'est pas celle qu'on attend. La qualité d'écoute sépare rarement les deux camps, puisque beaucoup d'offres gratuites font entendre exactement la même voix que l'offre payante. Ce qui change, c'est ce que vous avez le droit d'emporter.
Trois murs reviennent : le fichier qu'on ne peut pas télécharger, le plafond mensuel de caractères, et l'usage commercial exclu des conditions. Le troisième est le plus coûteux, parce qu'il ne se voit pas avant qu'un problème n'arrive. Lisez la ligne des droits avant de produire une heure d'audio, pas après. Le détail de ce que chaque famille d'offre gratuite donne vraiment tient dans notre inventaire de la synthèse vocale gratuite, et nos formules sont sur la page des tarifs.
Les textes longs : le découpage qui évite la voix qui dérive
Presque tous les moteurs plafonnent la longueur d'une requête, autour de quelques milliers de caractères. Au-delà, il faut découper. Découper au mauvais endroit s'entend tout de suite : une coupure au milieu d'une phrase produit une rupture de ton, et deux morceaux générés séparément ne repartent pas toujours sur la même énergie.
La règle tient en une ligne : on coupe à une fin de phrase, jamais au caractère près. Sur notre chaîne, le texte est découpé automatiquement autour de trois mille caractères, toujours à une frontière de phrase, les morceaux partent en parallèle, puis sont recollés en un seul fichier, jusqu'à cent mille caractères en une seule demande. C'est ce qui rend praticable un chapitre entier, ou un livre audio produit à partir d'un ebook, sans passer la soirée à assembler des morceaux à la main.
Choisir une voix : le timbre avant le genre
Le réflexe habituel consiste à choisir d'abord homme ou femme, puis à prendre la première voix de la liste. L'ordre inverse donne de bien meilleurs résultats. Écoutez trois timbres sur la même phrase, celle de votre accroche, et gardez celui qui tient sans fatiguer. Une voix agréable pendant quinze secondes peut devenir pénible au bout de six minutes, et c'est le format long qui fait la sanction.
Deux critères pratiques ensuite : la voix doit correspondre au sujet, et elle doit rester disponible dans le temps. Une chaîne se reconnaît à sa voix autant qu'à son habillage. Changer de timbre tous les trois épisodes casse ce repère, et les auditeurs le remarquent avant vous. Chez nous, chaque voix du catalogue dispose d'un extrait d'écoute gratuit, généré une fois puis servi tel quel, ce qui permet de comparer sans rien dépenser.
Du fichier audio à la vidéo montée
Un MP3 seul suffit pour un podcast, un message d'accueil ou une leçon à écouter. Dès qu'il s'agit d'une vidéo, la voix devient la colonne vertébrale du montage : c'est elle qui donne la durée de chaque plan, jamais l'inverse. Produire les images avant la voix condamne à tout recaler au premier changement de texte, et cette erreur coûte une soirée.
L'ordre qui fonctionne est toujours le même : texte, voix, puis images calées sur la voix. C'est exactement la chaîne que suit un générateur vidéo IA, qui découpe le script en scènes, produit la narration de chaque scène, puis ajuste la durée du visuel sur la durée réelle de l'audio.
Convertir un texte en voix sur EasyVids
Le parcours tient en quatre gestes. Vous ouvrez l'onglet voix off, vous collez votre texte, vous choisissez une voix et, si la gamme l'accepte, vous écrivez votre style de lecture. Vous lancez, vous récupérez un fichier MP3 à télécharger. Sur un texte long, l'écran affiche l'avancement partie par partie, parce que le découpage et le recollage se font sans vous.
Plusieurs gammes de voix sont proposées, avec un catalogue de voix naturelles en plusieurs langues, et l'une d'elles accepte les styles de lecture en langage courant. La voix off obtenue sert ensuite partout, en narration d'une vidéo, d'un diaporama ou d'un module de formation, ou comme fichier autonome. Le studio réunit ces briques au même endroit, ce qui évite de recoller à la main ce qui a été produit dans trois outils différents.
Questions fréquentes
Le text to speech en français est-il vraiment gratuit ?
Gratuit pour écouter, presque jamais pour publier. La plupart des services laissent entendre le texte lu sans rien demander, puis s'arrêtent au moment du téléchargement, au dépassement d'un plafond mensuel de caractères, ou sur l'usage commercial exclu des conditions. Vérifiez ces trois points avant de produire une heure d'audio.
Quelle longueur de texte peut-on convertir d'un seul coup ?
Les moteurs acceptent en général quelques milliers de caractères par requête. Un outil sérieux découpe donc les textes longs à votre place, à une fin de phrase, et recolle les morceaux en un fichier unique. Sur notre chaîne, une demande accepte jusqu'à cent mille caractères, ce qui couvre largement un chapitre de livre ou un long épisode.
Une vidéo avec voix de synthèse peut-elle être monétisée ?
La voix générée n'est pas un motif d'exclusion en soi. D'après le centre d'aide YouTube, la déclaration de contenu modifié ou synthétique vise les contenus réalistes susceptibles de tromper le spectateur, par exemple faire dire à une personne réelle des propos qu'elle n'a jamais tenus. Le point qui décide vraiment se trouve ailleurs : depuis la mise à jour de juillet 2025 sur le contenu inauthentique, la plateforme attend un apport original et une valeur ajoutée, pas une suite de textes lus à la chaîne.
Pourquoi la voix bute-t-elle toujours sur le même mot ?
Parce que le moteur a choisi une prononciation et s'y tient. Inutile de régénérer dix fois en espérant un autre résultat. Réécrivez le mot phonétiquement dans le texte lu, ou ajoutez des points s'il s'agit d'un sigle. La correction se fait dans le texte, jamais dans les options.
Peut-on utiliser sa propre voix plutôt qu'une voix du catalogue ?
Oui, en passant par un outil de clonage de voix. Le clonage demande un échantillon audio propre, une quinzaine de secondes suffisant souvent, enregistré dans une pièce calme. Une règle vaut partout : on ne clone que la voix d'une personne qui a donné son accord, et les conditions d'utilisation des services de clonage exigent cette autorisation avant l'envoi de l'échantillon.
Un texte se convertit en voix en quelques secondes. Tout le reste du travail se joue dans les dix minutes qui précèdent, sur le texte, sur le timbre et sur la consigne de lecture. Prenez un paragraphe que vous avez déjà écrit, nettoyez les nombres et les sigles, choisissez une voix, écoutez. Vous saurez tout de suite si le rendu tient debout pour votre projet. Créez votre compte et faites l'essai sur votre propre texte : c'est la seule façon d'en juger.