Voix off e-learning avec synthèse vocale : guide pratique

La synthèse vocale est aujourd’hui assez bonne pour narrer la plupart des contenus e-learning : modules de conformité, démonstrations de logiciels, accueil des nouveaux arrivants et formation produit. Son principal avantage n’est pas le premier enregistrement, mais chaque mise à jour qui suit : vous pouvez changer une phrase sans réserver un narrateur ni réenregistrer tout un module. Un narrateur humain reste un bon investissement quand un cours repose sur la personnalité, l’art de raconter ou un présentateur reconnaissable.

Voici un déroulement pratique : décider quand recourir à la narration par IA, écrire des scripts qui fonctionnent à voix haute, soigner le minutage et la prononciation, garder les cours à jour et les traduire.

Quand choisir la synthèse vocale plutôt qu’un comédien ?

Servez-vous de ce tableau comme d’un filtre rapide.

Un compromis courant : un narrateur humain enregistre la vidéo d’accueil et les moments forts du cours sur le plan émotionnel, et la synthèse vocale prend en charge les modules de procédures qui changent chaque trimestre.

Comment écrire un script e-learning qui sonne bien à voix haute ?

La plupart des narrations « robotiques » viennent du script, pas de la voix. Un texte écrit pour être lu sur une diapositive est dense ; un texte écrit pour être entendu ne l’est pas.

Les règles pour écrire pour l’oreille

• Une idée par phrase. Visez des phrases de 15 à 20 mots. Découpez tout ce qui contient plus d’une proposition séparée par des virgules.
• Mettez l’action en premier. « Cliquez sur Enregistrer pour conserver vos modifications » vaut mieux que « Vos modifications, qui seraient sinon perdues, peuvent être conservées en cliquant sur Enregistrer. »
• Dites les nombres comme on les prononce. « Environ deux mille » se suit plus facilement que « 1 987 », sauf si le chiffre exact compte.
• Balisez. « Il y a trois étapes. D’abord… » aide les auditeurs, qui ne peuvent pas jeter un coup d’œil en arrière sur la page.
• Ne lisez pas la diapositive. Si la narration répète chaque mot du texte à l’écran, les apprenants partagent leur attention entre lire et écouter. La recherche sur l’apprentissage multimédia appelle cela l’effet de redondance. Mettez les mots-clés à l’écran et l’explication dans l’audio.

Avant et après

Texte au style diapositive :

« Conformément à la politique 4.2, toute note de frais dépassant le seuil doit être accompagnée de justificatifs détaillés, faute de quoi le remboursement pourra être retardé. »

Écrit pour l’oreille :

« Si une dépense dépasse cinquante dollars, joignez un justificatif détaillé. Sans lui, nous ne pourrons peut-être pas vous rembourser à temps. »

Si vous n’avez pas encore de script, le rédacteur de scripts IA de Leelo peut en rédiger un à partir de votre plan, et vous le retouchez ensuite.

Quelle sera la durée de la narration ?

Une narration professionnelle tourne en général autour de 150 mots par minute, et les contenus de formation vont souvent un peu plus lentement pour que les apprenants puissent suivre à l’écran. Servez-vous de ce chiffre pour planifier.

• Une microleçon de 5 minutes représente environ 750 mots.
• Un module de 20 minutes représente environ 3 000 mots.
• Un cours de 10 modules de 8 minutes en moyenne représente environ 12 000 mots.

Collez un script dans le calculateur de durée de script gratuit pour vérifier sa durée avant de le produire. Si un module est trop long, coupez des mots, pas la vitesse : accélérer la voix pour tenir dans un créneau la rend plus difficile à comprendre.

Comment produire la narration, étape par étape ?

Voici le déroulement dans le studio de synthèse vocale de Leelo, qui fonctionne ligne par ligne.

1. Importez le script. Collez-le ou importez un document, puis parcourez-le ligne par ligne. Chaque ligne peut être modifiée et régénérée séparément.
2. Choisissez la voix. Prenez un narrateur dans la bibliothèque de voix et gardez-le pour tous les modules du cours. La cohérence compte plus que la voix « parfaite ».
3. Réglez la prononciation une fois pour toutes. Ajoutez les noms de produits, les sigles et le jargon à la liste de prononciation pour que « SaaS », « SQL » ou le nom de votre entreprise soient dits de la même façon dans chaque module.
4. Dirigez l’interprétation. Ralentissez une ligne qui contient une définition clé, ajoutez une pause avant une question, donnez plus d’énergie à l’introduction.
5. Gardez plusieurs prises des lignes délicates. Générez quelques versions et gardez la meilleure ; les autres restent disponibles si vous changez d’avis. Voir les prises.
6. Ajoutez une deuxième voix quand c’est utile. Une formation par mises en situation (« un client appelle pour se plaindre… ») fonctionne mieux sous forme de dialogue à deux voix dans le même projet.
7. Exportez. Téléchargez un MP3 ou un WAV par module ou par diapositive et importez-le dans votre outil auteur.

Les prononciations à prévoir dans la plupart des cours

• Les sigles lus lettre par lettre ou comme un mot : « FAQ » (F-A-Q ou « fak »), « RGPD » (lettre par lettre), « NASA » (un mot).
• Les noms de produits : une marque écrite « Qlik » ou « Xero » peut être mal lue sans règle.
• Les homographes : « fils » (un fils ou des fils électriques), « couvent » (le bâtiment ou le verbe), « est » (le point cardinal ou le verbe). Reformulez la phrase ou fixez une prononciation pour cette ligne.
• Les unités et les symboles : « 5 ms », « 24/7 », « °C ». Décidez comment chacun doit être prononcé.

Comment garder des niveaux sonores homogènes dans tout un cours ?

Les apprenants remarquent quand un module est plus faible que le suivant et qu’ils doivent sans cesse régler le volume. Choisissez un niveau sonore cible pour le cours et tenez-vous-y. De nombreuses équipes visent environ −16 LUFS pour un audio diffusé en ligne. Avant de publier, vérifiez quelques fichiers exportés avec un outil de mesure du niveau sonore, comme le vérificateur de niveau sonore gratuit de Leelo.

Si vous ajoutez un fond musical, gardez-le bien en dessous de la voix et coupez-le complètement pendant les explications denses. Les pistes de musique et d’effets sonores de Leelo se placent sous la narration : vous pouvez régler le mixage section par section.

Comment mettre à jour un cours sans le réenregistrer ?

C’est là que la synthèse vocale fait gagner le plus de temps. Imaginons que l’interface change et qu’un bouton appelé « Soumettre » s’appelle désormais « Envoyer pour approbation » :

1. Ouvrez le projet et repérez les lignes qui mentionnent « Soumettre ».
2. Modifiez ces lignes (disons qu’il y en a trois).
3. Régénérez uniquement ces lignes. Le reste du module reste intact : la voix, le rythme et les niveaux restent donc cohérents.
4. Exportez et remplacez l’audio dans votre outil auteur.

Avec un narrateur humain, le même changement implique de réserver une séance, de reproduire la configuration micro d’origine et d’espérer que la voix sonne pareil plusieurs mois plus tard.

Comment traduire un cours e-learning dans d’autres langues ?

Vous avez deux options.

Refaire la voix du script

Traduisez le script, puis produisez-le avec une voix native dans chaque langue, par exemple l’espagnol, le français ou l’allemand. C’est la méthode qui vous donne le plus de contrôle, et elle convient bien aux cours construits sur des diapositives. Prévoyez de la marge dans le minutage : le texte traduit est souvent plus long que le texte d’origine, donc une diapositive calée sur l’audio d’origine peut demander quelques secondes de plus.

Doubler la vidéo

Si le module est un enregistrement d’écran ou une vidéo avec un présentateur, le doublage traduit et redonne une voix à toute la vidéo. Vous pouvez d’abord l’essayer sur un court extrait avec le traducteur de vidéo gratuit.

Combien coûte la narration par IA d’un cours ?

Leelo facture en crédits : un mot lu par une voix standard coûte 1 crédit, et les voix premium 1,5 crédit par mot. Une tâche qui échoue vous rend ses crédits. Voici un exemple chiffré pour le cours de 10 modules ci-dessus (environ 12 000 mots) :

• Voix standard : environ 12 000 crédits.
• Voix premium : environ 18 000 crédits.
• Ajoutez les lignes régénérées et les prises alternatives, et prévoyez peut-être 20 à 30 % de plus.

Cela tient largement dans la formule Starter (19 $ par mois, 80 000 crédits). Le doublage d’une vidéo terminée puise dans les mêmes crédits, à la minute de vidéo. Les crédits mensuels ne sont pas reportés : planifiez donc les grosses productions sur un mois de facturation, ou achetez un pack de crédits, valable 12 mois. Tous les détails, y compris la façon de compter les crédits, sont sur la page des tarifs. L’usage commercial de l’audio, y compris dans les cours que vous vendez, est autorisé avec les formules payantes.

En quoi la narration rend-elle un cours plus accessible ?

L’audio aide les apprenants pour qui un texte dense est difficile à suivre, dont beaucoup de personnes dyslexiques (nous en parlons dans la synthèse vocale pour la dyslexie). Mais l’audio seul peut exclure les apprenants sourds et malentendants. Les recommandations d’accessibilité comme les WCAG attendent des sous-titres pour la vidéo et une transcription pour les contenus uniquement audio. Comme votre script est la transcription, publiez-le avec l’audio, et utilisez l’outil de transcription de Leelo pour produire le texte de tous les enregistrements qui n’ont pas de script.

Vous trouverez d’autres idées pour les équipes pédagogiques sur la page du cas d’usage e-learning.

Questions fréquentes

Les apprenants seront-ils gênés que le narrateur soit une voix IA ?

La plupart des apprenants se soucient bien plus de la clarté, du rythme et de la qualité audio que de la personne qui a enregistré. Les problèmes viennent en général de scripts écrits pour la page, de termes mal prononcés et de niveaux inégaux, et tout cela se corrige. Répondez en toute transparence si on vous le demande : inutile de cacher que la narration est synthétique.

Quelle est la meilleure vitesse de parole pour une narration e-learning ?

Environ 150 mots par minute constituent un bon point de départ, un peu moins pour les définitions techniques ou pour des apprenants qui travaillent dans une langue qui n’est pas la leur. Ajustez la vitesse ligne par ligne plutôt que sur tout le module, pour que les points clés aient plus de temps.

Puis-je utiliser une narration IA dans un cours que je vends ?

Avec les formules payantes de Leelo, l’usage commercial de l’audio est autorisé, ce qui couvre les cours payants et le travail pour des clients. Les 1 000 crédits de la formule gratuite, offerts une seule fois, servent à essayer le studio. Vérifiez aussi les conditions de la plateforme sur laquelle vous vendez.

Quel format audio exporter pour mon outil auteur ?

La plupart des outils auteur e-learning acceptent aussi bien le MP3 que le WAV. Utilisez le WAV si vous comptez retoucher l’audio, et le MP3 pour des fichiers plus légers quand vous l’importez directement. Exportez un fichier par diapositive ou par section pour faciliter les mises à jour ultérieures.

Comment garder la même voix dans des cours réalisés à des mois d’intervalle ?

Utilisez la même voix, les mêmes réglages d’interprétation et la même liste de prononciation pour chaque module. Comme la voix est synthétique, elle ne vieillit pas et ne varie pas d’une séance à l’autre, comme peut le faire un enregistrement avec un narrateur humain. Si vous voulez une voix que personne d’autre n’utilise, créez-en une ou clonez la voix d’un présentateur qui y consent.