Découper un long script en segments pour la synthèse vocale

Pourquoi segmenter

• Limites de longueur. Beaucoup de services limitent la taille d'un texte par génération ; la limite dépend de l'offre et change. Consultez la documentation du vôtre.
• Corriger sans tout refaire. Une erreur de prononciation dans un segment de 40 secondes coûte une régénération courte.
• Caler sur l'image. Un segment par plan ou par diapositive facilite le montage.
• Mesurer. La durée de chaque segment permet de repérer celui qui déborde.

Où couper

1. À la fin d'une idée, jamais au milieu d'une phrase.
2. Après une phrase complète, de préférence au changement de paragraphe.
3. Évitez les segments de une seule courte phrase : l'intonation d'une phrase isolée peut sonner comme une fin de discours.

Garder un ton cohérent

Générer en plusieurs fois peut produire de légères différences d'intonation ou de débit d'un segment à l'autre. Pour limiter l'effet : même voix, mêmes réglages pour tous les segments, et écoute des raccords avant de finaliser. Notez les réglages utilisés pour pouvoir régénérer un segment à l'identique.

Un tableau de suivi simple

Comptez les mots avec le compteur de mots, mesurez la durée réelle de chaque fichier audio, puis comparez : la méthode est détaillée dans mesurer la durée d'une voix IA.

Recoller les segments

Au montage, ajoutez un court silence entre segments plutôt que de les coller bout à bout, et vérifiez le niveau sonore pour qu'il reste homogène. La durée totale est la somme des durées mesurées plus ces silences.

Exemple de découpage

Un script de 1 200 mots pour un tutoriel peut devenir huit segments d'environ 150 mots : introduction, six étapes, conclusion. Chaque segment est généré, écouté et chronométré séparément. L'erreur de prononciation découverte à l'étape 4 ne coûte que la régénération de 150 mots au lieu de 1 200. Les durées mesurées s'additionnent ensuite, avec les silences que vous ajoutez au montage, pour donner la durée totale.

Nommer et ranger les fichiers

Huit segments, puis leurs versions corrigées : sans convention, les fichiers se mélangent vite. Nommez-les avec un numéro sur deux chiffres, un mot-clé et une version : 03-etape-2-v2.wav. Le numéro sur deux chiffres garde l'ordre lors du tri alphabétique (sinon « 10 » se range avant « 2 »), et la version évite d'importer par erreur un fichier corrigé dans un montage ancien.

Quelle longueur pour un segment ?

Il n'y a pas de règle. En pratique, un segment de 30 secondes à 2 minutes reste facile à réécouter en entier et à régénérer. Plus court, le nombre de fichiers et de raccords à gérer augmente ; plus long, chaque correction coûte davantage. Pour une présentation, un segment par diapositive est souvent le plus simple ; pour une vidéo, un segment par séquence ou par plan important.

Questions fréquentes

Les segments doivent-ils avoir la même longueur ?

Non. Ce qui compte, c'est que chaque segment corresponde à une unité de sens. Une introduction de 20 secondes et une démonstration de 90 secondes peuvent cohabiter sans problème.

Comment éviter qu'un raccord s'entende ?

Coupez à un changement de paragraphe, là où une pause est naturelle. Écoutez le passage d'un segment à l'autre au montage ; si l'intonation tombe trop à la fin d'un segment, régénérez-le en ajoutant la première phrase du segment suivant, puis coupez-la au montage.

Faut-il régénérer tout le script si je change de voix ?

Oui : mélanger deux voix ou deux réglages dans une même vidéo s'entend. Conservez les textes de chaque segment, la régénération complète sera rapide.