Synthèse vocale en chinois : tons, polyphones et corrections

La synthèse vocale du chinois est difficile parce que la voix doit transformer des caractères en sons, et que cette conversion est pleine de pièges : de nombreux caractères ont plus d’une lecture, les tons changent selon leurs voisins et le chinois écrit n’a pas d’espaces entre les mots. Les voix de mandarin modernes lisent bien les textes courants ; les erreurs se concentrent autour des caractères polyphones, des noms, des nombres et des textes courts avec peu de contexte. Vous les corrigez en donnant plus de contexte à la voix, en reformulant, ou en réglant une fois pour toutes la prononciation du mot qui pose problème.

Comment la synthèse vocale sait-elle prononcer les caractères chinois ?

Une voix anglaise peut s’appuyer sur l’orthographe, même irrégulière. Une voix chinoise, non : un caractère n’épelle pas son son. Avant qu’un mot soit prononcé, le système doit accomplir plusieurs opérations, qu’elles soient des étapes séparées ou intégrées à un seul modèle neuronal :

1. Découper le texte en mots. Le chinois s’écrit sans espaces : la voix décide donc où chaque mot commence et finit.
2. Choisir une lecture pour chaque caractère. Quand un caractère en a plusieurs, ce sont le mot et la phrase qui décident laquelle.
3. Appliquer les changements de ton. Certains tons varient selon la syllabe qui suit.
4. Planifier le phrasé. Où faire une pause, quels mots accentuer, et comment la hauteur évolue sur la phrase.

L’exemple classique qui montre pourquoi l’étape 1 compte est 南京市长江大桥. Découpé d’une façon, cela donne Nánjīng shì / Chángjiāng dàqiáo, « le pont sur le Yangtsé à Nankin ». Découpé d’une autre, cela donne Nánjīng shìzhǎng / Jiāng Dàqiáo, « le maire de Nankin, Jiang Daqiao ». Le caractère 长 se lit cháng dans la première version et zhǎng dans la seconde. Une seule mauvaise découpe, et le sens comme la prononciation changent.

Pourquoi les tons comptent-ils autant en synthèse vocale du mandarin ?

Le mandarin compte quatre tons, plus un ton neutre léger, et le ton fait partie du mot. L’exemple des manuels :

Une voix qui se trompe de ton ne sonne pas seulement étrangère : elle peut dire un autre mot. En pratique, les voix modernes se trompent rarement sur le ton de base d’un caractère courant. Les difficultés viennent des règles qui modifient les tons selon le contexte.

Les règles de sandhi tonal qu’une voix doit appliquer

• Deux troisièmes tons de suite : le premier devient un deuxième ton montant. 你好 s’écrit nǐ hǎo mais se dit ní hǎo.
• 一 (un) : se dit yī quand on compte ou comme ordinal (第一, dì yī), yí devant un quatrième ton (一个, yí gè), et yì devant les autres tons (一天, yì tiān).
• 不 (ne… pas) : normalement bù, mais bú devant un quatrième ton (不是, bú shì ; 不要, bú yào).

Le pinyin note en général les tons d’origine, pas les tons modifiés ; une voix entraînée sur une parole correcte doit donc apprendre ces règles au lieu de les lire sur la page.

Ton neutre et erhua

Certains mots changent de sens quand la seconde syllabe est légère. 东西 dōngxi signifie « chose », alors que dōngxī signifie « est et ouest ». 地道 dìdao signifie « authentique », alors que dìdào signifie « tunnel ». Le mandarin du Nord ajoute aussi un son « r » à certains mots (erhua) : 哪儿 nǎr (où), 一点儿 yìdiǎnr (un peu). Le mandarin parlé à Taïwan utilise beaucoup moins d’erhua et moins de tons neutres : un même texte peut donc sonner juste pour un public et légèrement faux pour un autre.

Que sont les caractères polyphones, et pourquoi les voix les lisent-elles mal ?

Les caractères polyphones (多音字, duōyīnzì) ont deux lectures ou plus, généralement de sens différents. Ce sont la source d’erreurs la plus courante en synthèse vocale du chinois.

Dans un mot courant, la lecture est fixe et les voix la prononcent correctement. Les erreurs apparaissent quand le caractère est isolé, se trouve dans un mot rare ou un nom, ou figure dans une phrase où les deux lectures sont plausibles.

Un exemple concret

Prenons la phrase d’ouverture d’un cours de formation bancaire : 欢迎参加银行业务培训。本课程重点讲解重新开户的流程。 (« Bienvenue à la formation aux opérations bancaires. Ce cours porte surtout sur la procédure de réouverture d’un compte. »)

Deux caractères demandent de l’attention. 行 doit se lire háng dans 银行 (banque). 重 doit se lire zhòng dans 重点 (point clé) et chóng dans 重新 (à nouveau) : deux lectures différentes dans une même phrase. Ajoutons 行长 (président de banque), hángzhǎng : les deux caractères prennent leur lecture la moins courante. Si la voix dit xíngcháng, les auditeurs le remarqueront aussitôt.

Comment corriger un caractère mal lu

1. Donnez-lui du contexte. Un mot isolé dans un titre est le cas le plus difficile ; une phrase complète règle en général le problème.
2. Reformulez. Si 还 continue d’être mal lu, un synonyme comme 归还 (guīhuán, rendre) lève l’ambiguïté.
3. Réglez la prononciation une fois pour toutes. Pour les noms et les termes récurrents, ajoutez une entrée à la liste de prononciation afin que chaque occurrence soit lue de la même façon. La page d’aide sur la prononciation explique comment faire.

Mandarin, cantonais ou mandarin de Taïwan : quel chinois vous faut-il ?

« Chinois » recouvre plusieurs langues parlées, et l’écriture que vous utilisez ne détermine pas l’accent.

• Le mandarin de Chine continentale (putonghua) est la norme en Chine continentale et le choix habituel pour un large public sinophone.
• Le mandarin de Taïwan utilise les caractères traditionnels et présente certaines lectures et un vocabulaire différents. 垃圾 (ordures) se dit lājī en Chine continentale et souvent lèsè à Taïwan ; « logiciel » se dit 软件 ruǎnjiàn en Chine continentale et 軟體 ruǎntǐ à Taïwan ; « taxi » se dit 出租车 en Chine continentale et 計程車 à Taïwan.
• Le cantonais se parle à Hong Kong, à Macao et dans le Guangdong. Il compte six tons principaux (traditionnellement neuf) et ses propres caractères familiers comme 嘅, 冇 et 佢. Pour la synthèse vocale, c’est en pratique une autre langue, et non un accent du mandarin.

Consultez la page des voix chinoises pour entendre les variétés et les accents disponibles, et écrivez le script avec le vocabulaire du public visé.

Comment écrire les nombres, les dates et les mots anglais pour la synthèse vocale du chinois ?

• Deux : 二 (èr) quand on compte ou dans les dates (二月, èryuè, février), mais 两 (liǎng) devant un classificateur (两个人, liǎng gè rén, deux personnes).
• Numéros de téléphone et de chambre : 1 se lit souvent yāo, donc 110 se dit yāo yāo líng.
• Années : lues chiffre par chiffre, donc 2026年 se dit èr líng èr liù nián.
• Grands nombres : le chinois regroupe par dizaines de milliers (万, wàn) et non par milliers, donc 120 000 se dit 十二万 (shí'èr wàn). La voix doit regrouper autrement les chiffres écrits à l’occidentale.
• Pourcentages : 50 % se dit 百分之五十 (bǎi fēn zhī wǔshí).
• Mots anglais : les textes professionnels chinois en sont pleins (App, PPT, noms de marque). Certaines voix les lisent en anglais, d’autres avec une approximation chinoise. Écoutez chacun d’eux.

Quand un nombre doit être lu d’une façon précise, écrivez-le en caractères.

Comment obtenir une synthèse vocale du chinois naturelle ?

1. Choisissez la variété et la voix adaptées à votre public.
2. Utilisez la ponctuation chinoise pleine chasse (，。？！、). Les virgules chinoises sont les endroits où la voix respire. Une phrase de 60 caractères sans virgule paraîtra précipitée.
3. Générez et écoutez ligne par ligne, en surveillant les caractères polyphones, les noms et les nombres. Dans le studio de Leelo, vous pouvez régénérer une seule ligne et garder plusieurs prises à comparer.
4. Corrigez les lectures en reformulant ou avec la liste de prononciation.
5. Ajustez le rythme et les pauses là où l’interprétation paraît plate. Voir diriger la lecture.
6. Faites relire par un locuteur natif, surtout pour les contenus d’apprentissage des langues, où un mauvais ton enseigne le mauvais mot.

C’est surtout important pour l’e-learning, où des heures de narration rendent impossible la vérification de chaque ligne, et pour le doublage de vidéos en mandarin, où le script traduit doit être relu avant la génération de la voix.

Questions fréquentes

La synthèse vocale par IA prononce-t-elle correctement les tons du mandarin ?

Pour les mots courants dans des phrases complètes, oui. Les voix modernes gèrent bien les tons de base et les principales règles de sandhi tonal. Les erreurs viennent surtout des caractères polyphones, des noms et des textes très courts, pas des tons eux-mêmes.

La synthèse vocale du chinois fonctionne-t-elle avec les caractères traditionnels ?

L’écriture et l’accent sont deux choses distinctes. Une voix peut lire un texte en caractères traditionnels ou simplifiés, mais son accent, ses choix de vocabulaire et des lectures comme lājī et lèsè suivent la variété pour laquelle elle a été conçue. Choisissez la voix en fonction de votre public, pas de l’écriture.

Existe-t-il une synthèse vocale en cantonais ?

Il existe des voix cantonaises, mais le cantonais est une langue parlée à part, avec six tons principaux et sa propre écriture familière. Consultez la liste des voix pour voir ce qui est disponible, et rédigez le script en cantonais si vous voulez qu’il sonne comme du cantonais parlé naturel.

Comment corriger un caractère lu avec une mauvaise prononciation ?

Donnez-lui d’abord plus de contexte ou reformulez la phrase. Si le mot revient, comme un nom ou un produit, réglez sa prononciation dans la liste de prononciation pour que chaque occurrence soit lue de la même façon.

Puis-je doubler une vidéo en anglais en mandarin ?

Oui. Le doublage vidéo traduit la parole et génère l’audio en mandarin, payé avec les mêmes crédits que tout le reste. Relisez le script traduit pour repérer les caractères polyphones et les noms avant de publier.