Texte en voix avec l’IA : créez une narration MP3 à partir d’un script

La synthèse vocale par IA transforme des mots écrits en paroles, sans enregistrement source. Dans Pipe2.ai, Audio Generator reçoit votre script et renvoie un MP3 téléchargeable. Choisissez un modèle et une voix, décrivez l’interprétation, puis écoutez et ajustez le résultat avant de l’utiliser comme narration.

Passez du script à la voix en cinq étapes

1. Ouvrez Audio Generator et choisissez un modèle. Gemini 3.8 Flash TTS est le modèle par défaut et offre une narration de qualité studio dans plus de 130 langues. Gemini 3.8 Flash-Lite TTS est l’option Gemini la plus rapide et la moins chère pour les essais. Eleven v4 est l’option la plus expressive, et MiniMax Speech 2.8 Turbo et HD sont également disponibles.
2. Collez uniquement les mots à prononcer dans le champ de texte. Écrivez dans la langue de la narration. Placez les indications d’interprétation dans les consignes de voix pour qu’elles ne fassent pas partie du texte lu.
3. Choisissez une voix compatible. Gemini accepte Auto ou une voix prédéfinie nommée. Avec MiniMax, sélectionnez explicitement l’une des voix proposées ; Auto n’est pas pris en charge pour la synthèse.
4. Décrivez l’interprétation. Pour Gemini, essayez une consigne précise comme « voix chaleureuse pour un tutoriel, débit posé, accentuation légère ». Pour MiniMax, commencez par « slow, calm » : les réglages pris en charge portent sur le débit et l’émotion.
5. Générez et vérifiez le MP3. Repérez les mots omis et contrôlez la prononciation, les pauses et le ton. Modifiez un seul élément à la fois, puis générez une autre prise si nécessaire.

Format de sortie actuel, vérifié le 6 octobre 2026 : Audio Generator produit de la parole au format MP3 à partir d’un texte. Les voix et les consignes prises en charge dépendent du modèle choisi.

Essayez une courte narration avant le script complet

Pour une première prise avec Gemini, choisissez Gemini 3.8 Flash TTS, la voix Kore et ces deux entrées distinctes :

• Texte : « Bienvenue à l’atelier. Aujourd’hui, nous allons transformer une idée simple en quelque chose que vous pourrez partager. Commençons. »
• Consignes de voix : « Narration calme pour un tutoriel. Ton chaleureux, débit posé, pauses nettes entre les phrases. »

Laissez l’amélioration du prompt activée si vous souhaitez affiner les consignes d’interprétation de Gemini avant la génération. Désactivez-la pour utiliser vos consignes sans modification. Avec Gemini Auto et l’amélioration désactivée, la voix est Kore ; elle n’est pas choisie automatiquement. MiniMax applique directement les consignes de débit et d’émotion qu’il prend en charge.

Ce script sert à faire un essai ; il ne constitue ni un résultat testé ni une garantie de durée. Utilisez-le pour déterminer si la voix et le rythme conviennent à votre projet avant de soumettre un passage plus long.

Choisissez le modèle selon l’interprétation recherchée

Gemini propose 30 voix prédéfinies nommées, de courtes indications de style et des sons que vous placez dans le texte, comme <laugh> ou <short pause>. Flash-Lite TTS convient aux essais rapides ; Flash TTS est destiné à une narration de qualité studio. Eleven v4 offre la plus large palette d’émotions avec des balises comme [whispers]. MiniMax Speech 2.8 propose cinq voix prédéfinies dans Pipe2 : Turbo privilégie une synthèse plus rapide et HD la narration finale. Les voix d’une famille de modèles ne sont pas interchangeables avec celles d’une autre.

MiniMax interprète les mots anglais slow, fast ou quick, ainsi qu’une émotion prise en charge : happy, sad, angry, fearful, disgusted, surprised ou calm. Une description libre de l’accent ou de la scène ne donne pas les mêmes possibilités qu’avec Gemini. Le respect de l’accent demandé n’est pas garanti.

Consultez l’estimation actuelle des crédits avant de lancer la génération. Les modèles Gemini facturent l’audio réellement produit ; MiniMax et Eleven v4 sont facturés au caractère. Eleven v4 compte aussi les balises audio envoyées avec le texte, et l’amélioration du prompt ajoute le coût de cette étape. Un court extrait permet d’évaluer l’interprétation avant de dépenser des crédits pour une longue lecture.

Donnez une voix à un personnage

Pour une introduction ou un récit porté par un personnage, comparez deux voix prédéfinies avec la même courte phrase dans la langue souhaitée. Choisissez d’abord la voix à l’oreille, puis utilisez les consignes d’interprétation de Gemini pour ajuster l’émotion et le débit. Audio Generator ne propose ni clonage vocal ni voix d’un acteur précis.

Essayez « Nous avons trouvé la clé. Maintenant, nous pouvons ouvrir la porte. » avec la consigne « enthousiasme contenu, débit posé ». Pour une seconde prise, gardez la voix et les mots, et changez seulement la consigne : « inquiétude, débit rapide ». Il s’agit de suggestions d’entrées, pas d’enregistrements testés. Écoutez le changement d’émotion et vérifiez que chaque mot reste intelligible.

Pour un dialogue, générez séparément les répliques de chaque personnage avec une voix choisie explicitement. Conservez le modèle, la voix, le script et les consignes avec chaque MP3 pour retrouver les réglages lors d’une révision. Écoutez les prises qui se suivent ensemble avant de les retenir : les mêmes réglages ne garantissent pas une interprétation identique.

Préparez un texte qui sonne naturellement à l’oral

Utilisez des phrases courtes et la ponctuation pour suggérer les pauses, puis jugez le son réellement produit. Vérifiez séparément les noms, les sigles, les dates et les prix. Si une phrase sonne mal, développez l’abréviation ou adaptez l’écriture du mot dont la prononciation pose problème.

Il n’y a pas de curseur de durée : la longueur du texte et le débit déterminent celle de la narration. Pour un créneau vidéo fixe, mesurez un extrait et retravaillez le script. Générez les longues narrations par sections logiques afin de remplacer un paragraphe sans refaire toute la lecture, en respectant la limite d’entrée du modèle choisi.

Pour une version dans une autre langue, traduisez et révisez d’abord le script. Audio Generator déduit la langue du texte fourni ; une consigne d’interprétation n’est pas une demande de traduction.

Utilisez le MP3 comme piste de narration séparée

Téléchargez la prise retenue et conservez-la avec le script. Pour l’ajouter à vos clips, fournissez-la comme audio de narration dans Video Reel. Si nécessaire, créez une piste de fond séparée avec Music Generator, puis vérifiez l’intelligibilité de la voix dans le mixage final.

Pour assembler des clips avec une narration, consultez Créer un reel avec l’IA. Pour préparer l’accompagnement, consultez Générer de la musique avec l’IA. Garder la voix et la musique séparées facilite les modifications ultérieures.