Synthèse vocale en arabe : difficultés et solutions

La synthèse vocale en arabe est difficile surtout parce que l’arabe courant s’écrit sans ses voyelles brèves : la voix doit deviner comment se prononce chaque mot d’après la phrase qui l’entoure. Elle doit aussi gérer l’écart entre l’arabe standard moderne et les dialectes parlés, des terminaisons grammaticales qui changent le son des mots, et des nombres dont la forme dépend du nom qu’ils comptent. Vous pouvez obtenir dès aujourd’hui un audio arabe naturel, à condition de choisir une voix adaptée à votre public, de n’ajouter des voyelles que sur les mots ambigus et de vérifier le résultat ligne par ligne.

Pourquoi la synthèse vocale en arabe est-elle plus difficile qu’en anglais ?

L’orthographe anglaise est irrégulière, mais elle écrit ses voyelles. L’arabe, la plupart du temps, non. Trois choses compliquent la tâche :

1. Les voyelles brèves manquent le plus souvent. La voix doit déterminer si trois lettres signifient « il a écrit », « il a été écrit » ou « livres ».
2. L’arabe écrit et l’arabe parlé diffèrent. Les scripts sont le plus souvent en arabe standard moderne, alors que la conversation de tous les jours se tient dans des dialectes, avec d’autres mots et d’autres sons.
3. La grammaire modifie la fin des mots. Désinences casuelles, accord des nombres et règles de la parole enchaînée influent tous sur ce qui est réellement dit.

Le sens d’écriture de droite à gauche, souvent mis en cause, est surtout un problème d’affichage. Unicode stocke l’arabe dans l’ordre de lecture : un système de synthèse vocale reçoit donc les lettres dans l’ordre où elles sont prononcées. Le sens ne pose problème que dans les textes mixtes : une phrase arabe contenant un nom de marque anglais, une URL ou un numéro de téléphone peut se brouiller lors d’un copier-coller d’une application à l’autre. Vérifiez ces lignes avant de générer.

Que se passe-t-il quand l’arabe est écrit sans diacritiques ?

L’alphabet arabe note les consonnes et les voyelles longues. Les voyelles brèves et les autres indications de prononciation sont de petits signes placés au-dessus ou au-dessous des lettres, appelés harakat ou tashkeel : fatha (a), kasra (i), damma (u), sukun (absence de voyelle), shadda (consonne doublée) et tanween (les terminaisons -an, -in, -un). Le Coran, les livres pour enfants et certains poèmes les impriment. Les journaux, les sites web, les e-mails et presque tous les scripts que vous collez dans un outil vocal les omettent.

Prenons les trois lettres ك ت ب (k-t-b) :

Sans les signes, les trois s’écrivent simplement كتب. Le lecteur, humain ou machine, doit deviner lequel est voulu d’après le reste de la phrase.

Deux autres exemples :

• علم peut se lire ʿilm (savoir), ʿalam (drapeau), ʿalima (il a su) ou ʿallama (il a enseigné).
• ملك peut se lire malik (roi), malak (ange), mulk (souveraineté) ou malaka (il a possédé).

Les voix neuronales modernes devinent bien dans les phrases ordinaires, car elles ont appris, sur de grandes quantités de texte, quelle lecture convient à quel contexte. Elles trébuchent aux endroits prévisibles : titres et courts libellés sans contexte, noms propres, mots rares ou techniques, poésie, et phrases où deux lectures sont toutes deux grammaticales.

Un exemple détaillé

Le titre d’une diapositive est تعلم اللغة العربية. Le premier mot peut se lire taʿallum (« apprentissage de l’arabe », un nom) ou taʿallam (« apprenez l’arabe ! », un impératif). Dans un paragraphe complet, la voix choisirait probablement bien. Sur un titre de quatre mots, c’est pile ou face. Écrire تعلُّم, avec la shadda et la damma, tranche la question.

Comment corriger une voyelle erronée

Ajoutez vous-même les diacritiques, mais seulement sur le mot qui a posé problème. Inutile de vocaliser tout le script : une shadda ou une fatha suffit souvent à faire pencher la voix vers la bonne lecture. Pour un mot qui revient souvent, comme un nom de produit ou de personne, ajoutez-le une seule fois à la liste de prononciation au lieu de corriger chaque ligne. Le guide de la prononciation explique comment faire.

Faut-il une voix off en arabe standard moderne ou en dialecte ?

L’arabe possède une norme formelle, l’arabe standard moderne (ASM, ou fuṣḥā), employée pour l’actualité, les livres, les documents officiels et l’essentiel des contenus écrits dans le monde arabe. À côté, on parle au quotidien des dialectes régionaux. Les locuteurs natifs passent sans cesse de l’un à l’autre, mais les deux diffèrent assez pour qu’un script écrit dans l’un ne puisse pas simplement être lu dans l’autre.

Les sons changent aussi. La lettre ق (qaf) est un « q » profond en ASM, mais au Caire, à Beyrouth et à Damas, c’est le plus souvent un coup de glotte : qalb (cœur) devient ʾalb, et dans une grande partie du Golfe, c’est un « g » : galb. La lettre ج se prononce « dj » en ASM, « g » en égyptien (gamīl, beau) et se rapproche du « j » de « jour » en levantin.

Une règle pratique :

• Utilisez l’ASM pour l’actualité, les documentaires, l’e-learning, la formation en entreprise, l’information du public et tout ce qui s’adresse à plusieurs pays arabes à la fois.
• Utilisez un dialecte pour la publicité, la vidéo pour les réseaux sociaux, les personnages conversationnels et les lignes téléphoniques de service client destinées à un seul pays.

Écrivez le script dans la variété que vous voulez entendre. Choisir une voix à l’accent égyptien ne transformera pas un script en ASM en arabe égyptien, car les mots eux-mêmes sont différents. Les dialectes n’ont pas non plus d’orthographe fixe : attendez-vous à écouter plus attentivement et à corriger plus de mots quand vous travaillez dans l’un d’eux.

Comment les désinences casuelles et les pauses changent-elles la prononciation de l’arabe ?

Dans l’ASM formel, les noms portent des désinences casuelles : kitābun, kitāban, kitābin (un livre, aux trois cas grammaticaux). À la pause, la voyelle brève finale tombe et le mot se dit kitāb. La plupart des présentateurs de journal et des narrateurs adoptent un style intermédiaire : ils prononcent les terminaisons à l’intérieur d’un groupe de mots quand elles aident l’auditeur et les omettent aux pauses. Les voix de synthèse suivent en général ce style intermédiaire, celui qu’attend la plupart des publics.

Quelques autres règles de prononciation que la voix doit appliquer :

• Lettres solaires. L’article al- s’assimile à certaines consonnes : الشمس se dit ash-shams (le soleil), et non al-shams, tandis que القمر reste al-qamar (la lune).
• Alif de liaison. La voyelle de al- disparaît après une voyelle : في البيت se dit fi l-bayt (dans la maison).
• Taa marbuta. La terminaison ة se prononce -a quand le mot est seul, mais -at devant un nom qui suit : مدرسة se dit madrasa, mais مدرسة البنات se dit madrasat al-banāt (l’école des filles).

Les voix enfreignent rarement ces règles régulières ; les erreurs viennent d’une mauvaise lecture du mot lui-même.

Si vous avez besoin d’une lecture entièrement classique, avec toutes les terminaisons prononcées, comme dans les cours de grammaire ou la poésie, fournissez un texte entièrement vocalisé et vérifiez-le de près. La récitation du Coran suit ses propres règles de tajwīd, et un récitant humain reste la norme.

Pourquoi les nombres, les dates et les mots anglais font-ils trébucher les voix arabes ?

Les noms de nombre arabes s’accordent avec le nom d’une façon inhabituelle : de trois à dix, le nombre prend le genre opposé à celui du nom. Trois livres se dit ثلاثة كتب (thalāthat kutub), mais trois filles se dit ثلاث بنات (thalāth banāt). Pour lire correctement le chiffre « 3 », la voix doit connaître le genre du nom qui le suit.

Autres écueils courants :

• Les chiffres occidentaux (0–9) et les chiffres arabes orientaux (٠١٢٣٤٥٦٧٨٩) coexistent, parfois dans le même document.
• Une somme d’argent peut s’écrire « SAR 250 », « 250 ر.س » ou en toutes lettres.
• Les dates peuvent être grégoriennes ou hégiriennes, et le texte ne précise souvent pas laquelle.
• Des noms de marque et des termes techniques anglais apparaissent en lettres latines au milieu de phrases arabes.

Quand un nombre compte, comme un prix dans une publicité ou une année dans un documentaire, écrivez-le en toutes lettres. Pour les noms anglais, essayez l’orthographe latine et une graphie en caractères arabes, puis gardez celle qui sonne juste.

Comment obtenir une synthèse vocale arabe naturelle ?

1. Choisissez la variété. L’ASM ou un dialecte précis, selon qui vous écoutera.
2. Choisissez une voix. Écoutez les extraits sur la page des voix arabes et retenez celle dont l’accent et le ton conviennent à votre public.
3. Préparez le texte. Utilisez la ponctuation arabe (، et ؟) pour que la voix marque les pauses au bon endroit. La prose arabe enchaîne souvent les propositions avec و (wa, « et ») ; pour l’audio, découpez les longues chaînes en phrases distinctes.
4. Générez et écoutez ligne par ligne. Dans le Studio de Leelo, chaque ligne est générée séparément : vous pouvez en régénérer une sans refaire le reste et garder plusieurs prises à comparer.
5. Corrigez les voyelles et les noms. Ajoutez des diacritiques aux mots mal lus et placez les noms récurrents dans la liste de prononciation.
6. Dirigez l’interprétation. Réglez la vitesse, la hauteur et les pauses là où la lecture paraît précipitée ou plate (voir diriger l’interprétation).
7. Faites écouter le résultat à un locuteur natif. Dix minutes d’écoute repèrent ce qu’aucune liste de contrôle ne détectera.
8. Exportez en MP3 ou en WAV.

Où utilise-t-on la synthèse vocale en arabe ?

• E-learning et formation, où une narration en ASM permet d’utiliser un même cours dans de nombreux pays. Voir e-learning.
• La vidéo, y compris le doublage en arabe de vidéos existantes en anglais ou en français.
• Les menus téléphoniques, où les messages changent souvent et où une session de réenregistrement à chaque modification est lente. Voir menus téléphoniques.
• Les articles et l’accessibilité, pour offrir aux lecteurs une version audio d’un contenu écrit.

Côté coût, Leelo facture 1 crédit par mot avec une voix standard et 1,5 crédit avec une voix premium. Un module de cours de 2 000 mots représente environ 2 000 crédits avec une voix standard, ou 3 000 avec une voix premium. La formule gratuite comprend 1 000 crédits, une seule fois, de quoi tester quelques voix sur votre propre script ; les formules payantes sont détaillées sur la page des tarifs.

Questions fréquentes

La synthèse vocale peut-elle lire l’arabe sans diacritiques ?

Oui. Les voix arabes modernes prédisent les voyelles brèves manquantes à partir du contexte et lisent correctement les phrases ordinaires la plupart du temps. Les erreurs se concentrent dans les titres courts, les noms, les mots rares et les phrases réellement ambiguës. Ajouter des diacritiques sur ces seuls mots les corrige.

La synthèse vocale en arabe gère-t-elle les dialectes, comme l’arabe égyptien ou celui du Golfe ?

Cela dépend de la voix. Écoutez les extraits et choisissez-en une dont l’accent correspond à votre public, puis écrivez le script lui-même dans ce dialecte. Une voix ne peut pas transformer à votre place le vocabulaire de l’ASM en vocabulaire dialectal.

Puis-je utiliser la synthèse vocale en arabe pour réciter le Coran ?

Ce n’est pas adapté. La récitation obéit aux règles détaillées du tajwīd et s’accompagne d’attentes religieuses que les voix de synthèse ne sont pas conçues pour satisfaire. Les récitants humains restent la référence.

Comment corriger un nom arabe que la voix prononce toujours mal ?

Ajoutez le nom à la liste de prononciation avec son orthographe entièrement vocalisée, ou avec une autre graphie qui donne le bon son. La correction s’applique ensuite partout où le nom apparaît dans le projet : inutile de reprendre chaque ligne.

Combien coûte le doublage d’une vidéo en arabe ?

Le doublage se paie avec les mêmes crédits que tout le reste, et l’application affiche le coût avant de commencer. Si une tâche échoue, les crédits vous sont rendus. Faites relire le script traduit par un locuteur natif avant de publier.