Vous avez un sujet, un plan d'épisode, et rien pour l'enregistrer. Pas de micro correct, pas de pièce silencieuse, ou pas une voix qui tienne quarante minutes sans fatiguer. Une voix IA pour podcast règle ce problème par un autre chemin que le matériel : vous écrivez le texte, un moteur de synthèse le lit, et vous récupérez un fichier audio net, sans souffle de pièce, sans reprise, sans montage des hésitations.
Le réflexe des débutants est de chercher le moteur le plus impressionnant. Le résultat dépend beaucoup moins de lui que de ce qu'on lui donne à lire, et de la façon dont l'épisode est habillé autour. Ce guide déroule la chaîne complète, de la première phrase au fichier déposé sur les plateformes, avec les réglages que nous appliquons vraiment. Si la synthèse vocale est nouvelle pour vous, notre guide complet de la voix off IA pose les bases que nous ne répétons pas ici.
Ce qu'une voix de synthèse change dans un podcast
Elle supprime l'enregistrement, pas l'écriture. Concrètement, vous collez votre texte, vous choisissez une voix et une manière de lire, et vous obtenez un fichier audio unique, même pour un épisode long. Trois usages couvrent presque tous les besoins : l'intro et les virgules sonores qui reviennent à chaque numéro, l'épisode narré par un seul hôte, et la conversation à deux voix. Chacun se produit différemment, et c'est ce choix de départ qui simplifie tout le reste.
La chaîne d'un épisode, du sujet au fichier
Un épisode ne se fabrique pas en une action. Six étapes s'enchaînent, et chacune conditionne la suivante. La bonne nouvelle est qu'aucune ne demande de compétence technique. La mauvaise est qu'une seule étape bâclée s'entend sur toute la durée, en général la deuxième.
Un bon outil vous laisse reprendre n'importe laquelle de ces étapes sans tout relancer. Régénérer une seule séquence, changer une phrase mal lue, remplacer l'intro sans toucher au corps : c'est ce qui sépare un gadget d'un outil de production hebdomadaire. Un podcast, par définition, se refait toutes les semaines.
Écrire pour l'oreille, la seule étape qui ne se délègue pas
Un texte écrit pour être lu des yeux s'entend immédiatement quand une machine le lit. Les phrases sont trop longues, les subordonnées s'empilent, les connecteurs écrits (« par ailleurs », « en outre ») sonnent faux à l'oral. La règle qui sauve la plupart des épisodes tient en une ligne : une idée par phrase, une phrase de vingt mots au maximum, et une ponctuation généreuse.
La ponctuation compte autant que les mots, parce que les moteurs de synthèse la lisent comme un comédien lit une partition. Un point crée une vraie respiration, une virgule un appui, des points de suspension une suspension réelle. Écrivez donc les nombres en toutes lettres quand ils doivent être entendus, coupez les incises, et relisez à voix haute avant de générer : ce que vous n'arrivez pas à dire, la voix ne le dira pas mieux.
Pour calibrer la durée, raisonnez en minutes plutôt qu'en signes. Sur nos générations, une minute de voix représente environ 150 mots. Un épisode de vingt minutes tourne donc autour de 3 000 mots, chapitres compris. C'est la seule façon de ne pas découvrir, une fois l'audio produit, que votre format court dure quarante minutes.
Choisir une voix, puis ne plus en changer
Le studio EasyVids propose plusieurs moteurs de voix, présentés sous les noms Modèle V1, V2 et V2.5. Le premier réunit dix-huit voix et accepte un style de lecture. Les autres apportent des voix de narration françaises et le clonage. Pour un podcast, le critère n'est pas la beauté du timbre sur un extrait de démonstration, mais sa tenue sur vos vraies phrases : générez toujours votre propre accroche avant de trancher.
Une fois la voix retenue, gardez-la. Un podcast se reconnaît à l'oreille en trois secondes, et changer de voix chaque semaine détruit ce réflexe. Le studio aide sur ce point précis : le style de lecture s'enregistre comme préférence de compte, puis s'applique tout seul à vos voix off suivantes. Vous ne repartez pas d'une page blanche à chaque épisode.
Le style de lecture, la consigne qui remplace la direction d'acteur
Sur le moteur qui l'accepte, vous ne réglez pas des curseurs abstraits : vous écrivez une consigne en langage courant, du type « lis comme un conteur captivant, d'une voix chaleureuse et posée » ou « lis comme un présentateur de journal, ton sérieux et rythmé ». La même phrase change complètement de couleur selon la consigne, sans qu'un mot du texte ne bouge.
Pour un podcast, deux consignes suffisent en général : une pour le générique, plus tenue et plus lente, une pour le corps, plus proche de la conversation. Notez-les quelque part et réutilisez-les telles quelles. Si votre voix sonne encore mécanique malgré la consigne, le problème vient presque toujours du texte, et nos réglages contre la voix IA robotique détaillent quoi corriger en premier.
Un épisode entier en une seule génération
C'est la limite qui bloque la plupart des outils : ils plafonnent à quelques milliers de caractères, et il faut découper l'épisode à la main puis recoller les morceaux. Chez nous, une voix off accepte jusqu'à 100 000 caractères en une fois, soit de l'ordre de cent minutes de parole. Le texte est découpé automatiquement aux frontières de phrases, par blocs d'environ 3 000 signes, généré par quatre morceaux en parallèle, puis réassemblé en un seul fichier.
Vous n'avez rien à faire pendant ce temps : la génération vit sur le serveur, la page peut être fermée, et une progression indique le nombre de morceaux terminés. Si une interruption survient au milieu, la reprise repart des morceaux déjà produits au lieu de tout refaire. Le fichier fini se télécharge, et reste dans votre historique de voix off pour être récupéré plus tard.
Un podcast à deux voix sans deuxième invité
Le format conversation retient mieux l'attention qu'un monologue, mais il suppose deux personnes disponibles au même moment. Le mode dialogue du studio contourne l'obstacle : vous écrivez l'échange une réplique par ligne, sous la forme « Nom : ce qu'il dit », vous attribuez à chaque personnage sa voix et son propre style de lecture, et vous recevez un seul fichier audio déjà assemblé. Un échange peut compter jusqu'à soixante répliques.
Deux précautions font toute la différence. Choisissez des voix vraiment contrastées, un timbre grave contre un timbre clair par exemple, faute de quoi l'auditeur confond les intervenants au bout d'une minute. Et écrivez un vrai dialogue : des relances, des interruptions, des phrases inégales. Deux exposés qui alternent poliment ne donnent pas une conversation, ils donnent deux monologues collés.
Cloner votre voix pour rester reconnaissable
Une voix de catalogue est disponible tout de suite, mais elle appartient à tout le monde. Le clonage résout cela : à partir d'un échantillon audio de quelques dizaines de secondes, le studio crée une voix qui n'apparaît que dans votre compte, utilisable ensuite comme n'importe quelle autre. La qualité dépend surtout de la propreté de l'enregistrement, et la durée d'audio réellement nécessaire pour cloner une voix est plus courte que ce que l'on imagine.
Le cadre juridique, lui, ne se contourne pas. Avant chaque clonage, le studio demande une certification explicite : vous déclarez avoir le droit d'utiliser cette voix. Cloner la voix d'un tiers sans son accord écrit vous expose, et cloner celle d'une personnalité connue est interdit à peu près partout. Nous avons détaillé les limites dans notre article sur la légalité du clonage de voix, à lire avant d'enregistrer un invité.
L'habillage : jingle, virgules sonores et mixage
Un épisode nu, sans une seconde de musique, sonne comme un livre audio de démonstration. L'habillage se fabrique une seule fois puis se réutilise à chaque numéro : une intro instrumentale de dix secondes, une virgule sonore d'une seconde entre les chapitres, une outro. Le studio génère la musique à la demande, en instrumental, et l'éditeur en ligne propose une bibliothèque de transitions et de virgules prêtes à poser.
- Placez l'accroche avant le générique : les premières secondes décident de l'écoute.
- Gardez la musique nettement sous la voix, autour d'un cinquième de son volume.
- Coupez la musique pendant les passages où l'information est dense.
- Une virgule sonore d'une seconde suffit à marquer un chapitre.
- Réutilisez exactement le même jingle d'un épisode à l'autre, c'est votre signature.
- Terminez par une seule demande, jamais par quatre appels à l'action empilés.
Publier : fichier, jaquette et notes d'épisode
Côté fichier, un MP3 mono suffit très largement pour de la parole. Côté visuel, les spécifications d'Apple Podcasts demandent une jaquette carrée comprise entre 1 400 et 3 000 pixels de côté, en JPEG ou en PNG : produisez la au format maximal, elle sera réduite ensuite. Sur le volume, la documentation de Spotify destinée aux podcasteurs annonce une normalisation à la lecture autour de -14 LUFS, ce qui rend inutile toute tentative de sonner plus fort que les autres.
Les notes d'épisode et la transcription se produisent depuis le même studio. L'éditeur en ligne transcrit un fichier audio en sous-titres horodatés, que vous récupérez pour bâtir un résumé, un chapitrage ou une page d'article. C'est aussi la base d'une version vidéo pour les plateformes de partage, et notre guide des sous-titres automatiques explique comment nettoyer le fichier obtenu avant publication.
Ce que vous devez dire à vos auditeurs
La transparence n'est plus seulement une question de courtoisie. Le règlement européen sur l'intelligence artificielle, entré en application générale le 2 août 2026, impose dans son article 50 de signaler les contenus audio générés ou manipulés artificiellement, en particulier quand ils imitent une personne réelle. Une ligne dans les notes d'épisode, du type « narration produite avec une voix de synthèse », coûte une seconde et vous met en règle.
Si vous publiez aussi une version vidéo, le centre d'aide de YouTube demande de déclarer, au moment de la mise en ligne, les contenus réalistes créés ou modifiés avec des outils d'intelligence artificielle. La déclaration se fait dans le formulaire de publication. Notre expérience est que les auditeurs acceptent très bien une voix de synthèse annoncée, et supportent mal de la découvrir eux-mêmes.
Les erreurs qui font entendre l'IA
Une voix de synthèse mal utilisée se repère en quelques phrases. Les causes sont presque toujours les mêmes, et toutes se corrigent dans le texte plutôt que dans les réglages.
- Des phrases de quarante mots, que la voix débite sans reprendre son souffle.
- Un débit parfaitement régulier du début à la fin, sans le moindre changement de rythme.
- Des sigles et des nombres laissés en chiffres, que le moteur prononce de travers.
- Une voix différente à chaque épisode, qui empêche toute reconnaissance.
- Aucun silence : les respirations font partie du récit, pas du temps perdu.
- Un habillage musical au même niveau que la voix, qui fatigue au casque.
Ce que consomme un épisode
La voix off se facture au caractère, ce qui rend le coût d'un épisode prévisible dès l'écriture : un texte deux fois plus long consomme deux fois plus. Le clonage se paie une fois, puis la voix créée s'utilise comme les autres. Un essai gratuit permet de produire une première intro et quelques minutes de narration avant de vous décider, et le détail des formules se trouve sur la page des tarifs.
Questions fréquentes
Peut on publier un podcast entièrement généré par IA sur Apple Podcasts et Spotify ?
Oui. Aucune plateforme d'écoute n'interdit la voix de synthèse en tant que telle. Ce qui est sanctionné, ici comme ailleurs, c'est le contenu dupliqué, trompeur ou produit en masse sans apport. Un épisode écrit avec soin, sur un sujet que vous maîtrisez, entre pleinement dans les règles. Indiquez simplement dans les notes que la narration est produite par une voix de synthèse.
Quelle longueur de texte pour un épisode de trente minutes ?
Environ 4 500 mots, sur la base de 150 mots par minute de voix. Ajoutez le texte du générique et de l'outro, qui ne varient pas. Tout tient dans une seule génération, sans avoir à découper l'épisode à la main.
Comment obtenir deux voix différentes dans le même fichier ?
Par le mode dialogue : vous écrivez l'échange une réplique par ligne sous la forme « Nom : ce qu'il dit », vous attribuez une voix et un style de lecture à chaque personnage, et le studio rend un seul fichier audio assemblé. Choisissez des timbres nettement différents, sinon l'auditeur perd le fil de qui parle.
Puis je utiliser ma propre voix sans enregistrer chaque épisode ?
Oui, c'est l'usage le plus utile du clonage pour un podcasteur. Vous enregistrez un échantillon propre une seule fois, vous certifiez que la voix est bien la vôtre, et le studio la crée dans votre compte. Elle reste privée, visible de vous seul, et vous pouvez la retirer de votre liste quand vous le souhaitez.
Faut il un logiciel de montage audio en plus ?
Pas pour publier. La narration sort déjà assemblée, et l'éditeur en ligne suffit à poser un jingle, une transition et un outro autour. Un logiciel dédié devient utile si vous voulez travailler finement la dynamique ou incruster des extraits d'archives, ce qui reste rare sur un format narré.
Un podcast tenu dans la durée ne se gagne pas sur la voix, il se gagne sur la régularité : le même générique, la même voix, le même rendez vous. La synthèse vocale vous rend précisément le temps que prenaient l'enregistrement et les reprises, et le remet là où il compte, dans l'écriture. Pour produire votre première intro et tester une voix sur vos vraies phrases, créez un compte et ouvrez le studio EasyVids, qui réunit l'écriture, la voix, la musique et le montage au même endroit.