Comment générer une voix IA à partir d’un texte : guide pratique

Pour générer une voix IA à partir d’un texte dans Pipe2.ai, ouvrez Audio Generator, collez le script que vous voulez faire lire, choisissez une voix (ou laissez-la sur Auto) et décrivez le rendu — ton, accent, rythme, émotion — dans le champ Voice Instructions. Le modèle lit votre texte dans ce style et renvoie un MP3 que vous pouvez télécharger ou superposer à une vidéo. Aucune séance d’enregistrement, aucun comédien de voix à réserver ; le texte écrit et une brève note de style constituent la totalité de l’entrée.

Vérifié dans le workflow en production — juillet 2026 : Les entrées, le nombre de voix, la couverture linguistique, le comportement du contrôle de style et le format de sortie décrits ci-dessous ont été vérifiés dans le pipeline Audio Generator actuel. Ce guide ne suppose pas l’existence de réglages que le formulaire ne propose pas.

Comment générer une voix off en cinq étapes

1. Ouvrez Audio Generator. Partez du pipeline Audio Generator. Il utilise Gemini 2.5 TTS, avec 30 voix réparties sur 73 langues.
2. Collez votre texte. Saisissez les mots exacts que vous voulez faire lire. La ponctuation compte ici — elle contrôle les pauses (voir plus bas).
3. Choisissez une voix. Laissez-la sur Auto pour que le modèle associe une voix à votre note de style, ou fixez une voix nommée (Zephyr, Puck, Kore et d’autres) lorsque vous voulez conserver le même personnage sur plusieurs clips.
4. Décrivez le rendu. Dans Voice Instructions, écrivez comment cela doit sonner : « accent britannique chaleureux, rythme lent avec des pauses dramatiques » ou « enjoué et dynamique, vif ». Il s’agit d’une direction en langage courant, pas de curseurs numériques.
5. Générez et écoutez. La sortie est un MP3. Contrôlez le rythme ainsi que les noms ou chiffres délicats, ajustez le texte ou la consigne, et relancez la génération si nécessaire.

Audio Generator prend un texte, une voix facultative et une consigne de style facultative, et renvoie un unique MP3. La durée de l’audio suit celle du texte — il n’y a pas de contrôle de durée séparé — c’est donc le script lui-même qui fixe la longueur du clip.

Rédigez un texte que le modèle lit bien

Comme les mots constituent le script, de petites modifications du texte changent le résultat plus que tout le reste. Quelques habitudes aident :

• Écrivez des phrases courtes et claires. Elles se rythment mieux que les phrases longues et chargées en propositions, et offrent au modèle des endroits naturels pour respirer.
• Utilisez la ponctuation pour façonner les pauses. Un point est un arrêt complet, une virgule une brève pause et les points de suspension une pause plus longue. Ajoutez des virgules là où vous voulez ralentir le débit.
• Écrivez les mots délicats tels qu’ils se prononcent si un nom, un acronyme ou un chiffre est mal lu, puis relancez la génération.
• Gardez une voix par personnage. Fixez une voix nommée pour un narrateur récurrent afin que le son reste cohérent d’un clip à l’autre ; utilisez Auto lorsqu’il vous faut simplement une bonne correspondance pour un seul extrait.

Pour le style lui-même, décrivez ensemble l’accent, l’émotion et la vitesse. Par exemple :

Narrateur calme et rassurant. Un rythme doux et posé, avec des pauses nettes entre les phrases. Accent neutre, chaleureux mais pas trop clair.

Le guide de génération vocale Gemini de Google recommande ce type de direction en langage naturel plutôt que d’essayer d’encoder le ton sous forme de paramètres. Le contrôle du style est expressif mais pas exact : traitez la consigne comme une orientation et affinez-la après écoute.

Voix, durée et limites à connaître

Quelques comportements sont faciles à mal anticiper :

• La durée suit le texte. Il n’y a pas de molette de durée ; un script plus long produit un clip plus long. Réduisez ou allongez les mots pour changer la durée.
• Les scripts très longs sont découpés. Le pipeline segmente le texte long, génère chaque partie et les assemble, ce qui peut laisser un léger raccord à une jonction. Découper un long script en paragraphes naturels aide.
• Le style est directionnel, pas précis. Les consignes orientent le ton et le rythme mais ne reproduiront pas une émotion ou un minutage exacts à chaque exécution ; relancez la génération plutôt que d’attendre un résultat unique et figé.
• Il parle, il ne chante pas et ne compose pas. Pour de la musique ou un lit instrumental, utilisez Music Generator ; Audio Generator ne fait que de la parole.

Intégrez la voix off dans une vidéo

Une voix générée est surtout utile lorsqu’elle est associée à l’image. Le parcours courant est Audio Generator → Video Reel : créez la narration, puis ajoutez-la via l’entrée Narration de Video Reel pendant que la musique de fond reste sur sa propre entrée, afin que la parole et la musique soient mixées en gardant la voix au premier plan. Si vous voulez aussi un lit musical sous la narration, générez-en un avec Music Generator et joignez les deux.

Pour la séquence de production complète — planifier les plans, générer les clips, ajouter la narration et la musique, puis les sous-titres et l’identité visuelle — suivez comment créer des vidéos avec l’IA. Pour équilibrer une bande-son face à la parole, consultez comment ajouter de la musique à une vidéo, et pour générer la musique elle-même, consultez comment générer de la musique avec l’IA.

Conservez le script, le MP3 généré et toute vidéo finale comme des ressources séparées. Vous pourrez ainsi refaire la voix d’une réplique ou changer le rendu sans reconstruire le reste du projet.