Mesurer la durée réelle d'une voix de synthèse

Pourquoi mesurer plutôt que supposer

Une voix de synthèse n'a pas de débit « standard » : il change avec la voix choisie, les réglages de vitesse ou de stabilité, la ponctuation et le contenu du texte. Estimer avec un repère générique (voir mots par minute en voix off) donne un ordre de grandeur ; mesurer donne la bonne valeur pour votre projet.

Les 6 étapes

1. Choisissez un extrait représentatif de 100 à 150 mots, avec le même type de contenu que le script final (phrases, nombres, noms propres).
2. Comptez ses mots avec le compteur de mots.
3. Générez l'audio avec la voix et les réglages que vous utiliserez vraiment. Changer de voix ou de réglage oblige à refaire la mesure.
4. Mesurez la durée de l'audio dans n'importe quel lecteur ou logiciel de montage, en secondes. Retirez les silences de début et de fin s'ils ne seront pas conservés.
5. Calculez le débit : mots ÷ secondes × 60.
6. Saisissez-le comme vitesse personnalisée dans le calculateur de durée de voix off.

Exemple chiffré

Un extrait de 120 mots donne un audio de 46 secondes. Débit : 120 ÷ 46 × 60 ≈ 156,5 mots par minute. Pour un script de 900 mots : 900 ÷ 156,5 × 60 ≈ 345 secondes, soit environ 5 min 45 s. Comme l'extrait déjà contenait des pauses, elles sont incluses dans ce débit : mettez les pauses à 0 dans le calculateur pour ne pas les compter deux fois.

Pièges fréquents

• Mesurer un texte trop différent. Un extrait sans chiffres ni sigles sera plus rapide à dire que le script entier si celui-ci en contient beaucoup : préparez le texte comme indiqué dans préparer un script pour la synthèse vocale.
• Oublier que le débit peut changer quand le service met à jour ses modèles ou ses voix : refaites un test si vous régénérez des mois plus tard.
• Extrapoler à un très long texte. Sur plusieurs minutes, le rythme peut dériver : mesurez aussi la durée réelle d'un passage plus long avant de caler le montage.
• Caler un montage au mot près. Pour synchroniser avec des images précises, mesurez phrase par phrase plutôt que sur l'ensemble.

Même méthode pour votre propre voix

Si c'est vous qui lisez le script, la mesure suit les mêmes étapes, avec un extrait d'environ 200 mots lu à voix haute à votre rythme d'enregistrement. Exemple : 200 mots en 84 secondes donnent 200 ÷ 84 × 60 ≈ 143 mots par minute ; un script de 1 350 mots dure alors environ 9 min 26 s. Trois précautions propres à la lecture humaine :

• Ne lisez pas plus vite parce que vous chronométrez. Mesurez deux fois et comparez.
• Mesurez un extrait par ton si le script alterne narration et passages techniques.
• Prévoyez la fatigue : sur un enregistrement long, le débit dérive. Une marge de quelques pour cent est prudente.

Lire la durée exacte d'un fichier audio

La mesure n'a de valeur que si la durée est lue précisément. Plusieurs méthodes donnent le résultat en secondes :

• Dans un éditeur audio comme Audacity : sélectionnez tout le signal, la longueur de la sélection s'affiche en bas de la fenêtre. Vous pouvez y exclure les silences de début et de fin.
• Dans un logiciel de montage : posez le fichier sur la timeline et lisez sa durée dans les propriétés du clip.
• Dans le système : sous Windows, Propriétés puis Détails ; sous macOS, Lire les informations. La précision est souvent à la seconde, suffisante pour un extrait de 45 secondes ou plus.
• En ligne de commande, avec FFmpeg installé : ffprobe -v error -show_entries format=duration -of csv=p=0 extrait.mp3 affiche la durée en secondes avec décimales.

Tenir un journal de mesures

Si vous travaillez avec plusieurs voix ou plusieurs réglages, notez chaque mesure. Après quelques projets, vous disposez de débits fiables sans refaire de test à chaque fois, et vous repérez vite un changement de comportement après une mise à jour du service.

Les valeurs ci-dessus illustrent le calcul ; elles ne décrivent aucune voix réelle.

Questions fréquentes

Combien d'extraits faut-il mesurer ?

Deux ou trois extraits de contenus différents (narration, passage technique, énumération) donnent une moyenne plus sûre qu'un seul. Si les débits obtenus s'écartent beaucoup, utilisez celui qui correspond au type de texte dominant dans le script.

Le silence en début de fichier fausse-t-il la mesure ?

Un peu : quelques dixièmes de seconde sur un extrait de 45 secondes représentent environ 1 % d'écart. C'est négligeable pour estimer, mais pas pour caler un montage serré. Retirez-le si vous le couperez aussi au montage.