Guide de la plateforme Makina – Studio de conversion texte-audio (Text to Audio Studio)

Studio de conversion de texte en audio

Conçu spécifiquement pour les projets de grande envergure tels que les livres audio, les podcasts et les voix off de longue durée. Contrairement aux outils de synthèse vocale classiques qui traitent des contenus courts, ce studio vous permet de gérer, modifier et générer des documents complets au sein d'un espace de travail unique.

Caractéristiques principales

Importation en masse (Bulk Import) : téléchargement de livres entiers ou de textes directement sous forme de documents Word (.doc, .docx).

1. Segmentation intelligente (Smart Segmentation) : le système divise automatiquement le document téléchargé en lignes ou en chapitres faciles à gérer. Cela vous permet de traiter chaque phrase ou paragraphe comme une unité distincte et d'appliquer des paramètres ou des modifications spécifiques si nécessaire.

Traduction intégrée : vous pouvez activer l'option de traduction lors de la configuration du projet pour traduire automatiquement l'intégralité du document téléchargé vers plus de 100 langues avant la génération de l'audio.

Production automatisée (Automated Production) : une fois votre projet préparé, vous pouvez générer l'audio pour l'ensemble du projet en une seule fois et d'un simple clic, à l'aide du bouton de conversion (Convert).

Comment créer un projet dans le studio

1. Informations sur le projet : Donnez un titre à votre projet (par exemple : Mon premier livre audio).
2. Source du contenu : Glissez-déposez votre fichier Word.
3. Traitement de texte : choisissez entre :
4. Basique (Basic) : traitement rapide du texte standard.
5. Optimisé par l'IA (AI-Enhanced) : traitement avancé (idéal pour l'arabe) garantissant une prononciation et une vocalisation correctes dans l'ensemble du document.
6. Traduction (facultatif) : activez l'option « Enable Translation » si vous souhaitez convertir le texte source dans une autre langue.
7. Création (Create) : Cliquez sur « Create Project ». Vous serez ensuite dirigé vers l'espace de travail, où vous pourrez examiner les séquences et lancer le processus de génération groupée.

Apprenez-en davantage sur la création d'un livre audio en quelques étapes simples en lisant cet article :

https://moknah.io/blog/2025/7/27/convert-book-to-audiobook-in-15-minutes/

Guide des professionnels : Maîtriser la génération de voix arabe par intelligence artificielle

Compétences, astuces et meilleures pratiques

L'objectif ultime d'un générateur de voix par IA est de produire une qualité audio optimale et un rendu le plus naturel possible, tout en minimisant la consommation de crédits. Chez Maknah, nous mettons à votre disposition des outils avancés pour réaliser des voix off professionnelles. Ce guide couvre les compétences essentielles dont vous avez besoin.

1. L'art du découpage (préparation du texte)

Les modèles d'intelligence artificielle suivent la structure de votre texte à la lettre. La manière dont vous segmentez votre texte détermine la qualité de la performance, le rythme et le coût.

Le problème : le bloc de texte (The Text Block)

Si vous collez un long paragraphe sans le diviser, le formulaire le traite comme une seule ligne.

1. Conséquence : l'intelligence artificielle se précipite souvent pour terminer une longue phrase, ce qui entraîne une vitesse anormale.
2. Coût : si un seul mot est erroné, vous devez régénérer le paragraphe entier, ce qui gaspille le crédit.

Erreur : Partitionnement aléatoire

Si vous appuyez sur « Entrée » de manière aléatoire au milieu d'une phrase, l'intelligence artificielle suit vos instructions et force...

L'arrêt (sukūn) à la fin de chaque ligne.

1. Conséquence : cela produit une voix hachée et incohérente et accroît les erreurs grammaticales, car l'intelligence artificielle détermine la vocalisation en se basant sur la structure de la phrase complète.

La solution professionnelle : le cloisonnement réfléchi

1. Règle n° 1 : Divisez le texte en fonction de la ponctuation (virgules, points, points-virgules).
2. Règle n° 2 : Si le texte source manque de ponctuation, ajoutez-la vous-même, en particulier avant les conjonctions (comme « et » ou « mais »).
3. La règle d'or : lisez le texte à voix haute. Là où vous vous arrêtez naturellement pour reprendre votre souffle, commencez une nouvelle ligne.
4. Pour les contenus longs : utilisez le studio de conversion texte-voix ; il est conçu pour permettre le téléchargement de documents Word complets et gère automatiquement ce découpage pour vous.
5. Mise en forme et traitement

Question : Dois-je ajouter manuellement toutes les voyelles (tashkeel) au texte ? Réponse : Non. Une vocalisation manuelle excessive impose trop de contraintes au modèle, ce qui nuit à sa capacité à utiliser la vocalisation automatique (héritée de la voix humaine originale clonée).

Solution A : Traitement amélioré par l'IA (le bouton magique)

Cette fonctionnalité (disponible dans l'interface) est votre arme secrète. Lorsque vous la sélectionnez, le système...

automatiquement par :

1. Vocalisation contextuelle du texte arabe.
2. Ajouter la ponctuation nécessaire.
3. Correction des erreurs typographiques.
4. Résultat : il résout 99 % des problèmes de prononciation sans effort manuel.
5. Solution B : Formation manuelle stratégique

Si vous utilisez la normalisation de base (Basic Normalization), adoptez une approche minimaliste :

1. Que faut-il vocaliser ? Uniquement les mots difficiles à lire ou ceux qui ont plusieurs sens.
2. Comment faire : vous n'avez pas besoin de vocaliser le mot en entier. Ajoutez simplement la voyelle à la lettre spécifique qui prête à confusion.
3. Exemple : pour distinguer entre *kutiba* (voix passive) et *kataba* (verbe au passé), il suffit d'ajouter une *damma* sur la première lettre : *kutiba*.
4. Règles de mise en forme du texte

Le modèle privilégie un texte épuré et simple. Respectez les règles de mise en forme suivantes :

1. ✅ Convertissez les chiffres en mots : le modèle peut rencontrer des difficultés avec les nombres complexes (dates, devises) ou leur déclinaison. Écrivez « deux mille vingt » au lieu de « 2020 ».
2. ✅ Utilisez les tirets (-) : ils sont acceptables pour les incises, bien que les virgules soient préférables.
3. ❌ Pas de listes à puces : n'utilisez pas de puces.
4. ❌ Non à l'allongement des lettres : évitez l'allongement ou le kashida (comme dans مـرحـبـاً).
5. ❌ Pas de barres obliques ni de tirets bas : évitez / ou _
6. ❌ Évitez les points de suspension (...) : n'utilisez pas de points multiples pour séparer les phrases, à moins de vouloir spécifiquement créer un ton hésitant ou évanescent.

L'astuce des lettres étrangères (P, G, V, CH)

L'arabe ne dispose pas de certains sons tels que P, G ou V ; pour amener l'intelligence artificielle à prononcer correctement les noms étrangers au sein d'un texte arabe, utilisez les caractères ourdous ou persans :

Ces lettres sont les suivantes :

🟢 La lettre P (Pé)

🔸 La phrase :

J'ai voyagé au Pakistan avec mon ami.

Au lieu de : Pakistan

🔹 Explication : La lettre « پ » se prononce comme un « P », ce qui correspond à la prononciation correcte du mot « Pakistan » .

🟢 Lettre چ (che)

🔸 La phrase :

J'ai vu du thé délicieux en Inde.

Au lieu de : du thé ou un thé

🔹 Explication : Le mot « چاي » s'écrit ainsi en ourdou et se prononce « چاي », comme « chai ».

🟢 Lettre ٹ (Ṭe)

🔸 La phrase :

J'ai travaillé dans une usine de conserves.

Variante : « Tīn », pour indiquer le son vélarisé dans certains noms étrangers.

🔹 Explication : « ٹ » est un « t » emphatique, généralement utilisé dans des noms tels que « Saeed Teacher » (le professeur Saeed).

🟢 Lettre ڈ (Dāl)

🔸 La phrase :

J'ai rencontré le médecin à l'hôpital.

Au lieu de : Docteur

🔹 Explication : La lettre « ڈ » se prononce comme un « D » emphatique ; elle est courante dans les mots empruntés à l'anglais en ourdou.

🟢 La lettre ڑ (ڑے)

🔸 La phrase :

J'ai habité dans un village près de la montagne.

Montagne = La montagne

🔹 Explication : « ڑ » est un « r » emphatique, utilisé dans des mots tels que « پہاڑ » (montagne).

🟢 Lettre Gāf (گ)

🔸 La phrase :

Nous sommes allés au Gujarat pour un court voyage.

Au lieu de : mesures

🔹 Explication : La lettre « گ » se prononce comme un « G » ; c'est ainsi qu'il convient de prononcer le nom de l'État, « Gujarat ».

🟢 Lettre ے (grand yé)

🔸 La phrase :

J'ai rencontré Ali à la mosquée.

Au lieu de : Ali

🔹 Explication : Le caractère « ے » est utilisé à la fin des noms pour indiquer un « yā » incliné (imāla) ou long.

🟢 La lettre ں (Nūn nasalisé)

🔸 La phrase :

Voici Ahmed, de Médine.

Représentation du « n » nasal en fin de mot

🔹 Explication : Le caractère « ں » se prononce comme un « n » nasal léger ; il est courant en ourdou, notamment à la fin des noms.

1. Maîtrise de la performance et des émotions
2. Vous pouvez amener l'intelligence artificielle à agir comme un acteur plutôt que comme un présentateur de journal télévisé. Cela s'effectue via les modes et les paramètres.
3. Niveau 1 : Sélection du mode
4. Dans l'interface de génération, vous verrez une case à cocher : « Enable Emotions & Dialects Mode ».
5. a. Mode standard (case non cochée)
6. Idéal pour : la narration professionnelle, les livres audio, l'apprentissage en ligne.
7. Comment contrôler :
8. Pauses : pour imposer un silence, ajoutez cette balise sur une nouvelle ligne :

1. Émotion légère : utilisez le contexte ou des balises descriptives en fin de ligne (expérimental) : J'ai regardé les fleurs...

b. Mode émotions et accents (case cochée)

1. Idéal pour : le drame, les jeux, les dialogues de personnages.
2. Comment contrôler :
3. Balises d'émotion : il convient d'utiliser des accolades { } et d'écrire l'émotion en anglais au début de la phrase.
4. Format : {Émotion} Votre texte en arabe ici.
5. Exemples : {Shouting} Cri // {Whispering} Chuchotement // {Laughing} Rire // {Sighs} Soupir.

Niveau 2 : Paramètres audio

Ajustez précisément la sortie à l'aide des curseurs :

1. Température :
2. Moins (rigide) : stable, fixe, légèrement mécanique. Adapté aux actualités.
3. Plus élevé (flexible) : plus de créativité et d'émotivité. Avertissement : un niveau trop élevé peut entraîner une instabilité ou des hallucinations auditives.
4. La similitude (Similarity) :
5. Contrôle le degré de ressemblance de la voix avec la version originale clonée. Maintenez ce paramètre à un niveau élevé pour plus de fidélité.
6. L'expressivité (Expressiveness) :
7. Il renforce la palette émotionnelle. Utilisez-le avec précaution ; pour les textes longs, maintenez-le à un niveau bas afin de préserver la stabilité.
8. Maîtrise des dialectes
9. Règle d'or : pour les dialectes arabes (saoudien, égyptien, jordanien, etc.), l'audio doit correspondre au texte.
10. Si vous écrivez en dialecte égyptien, vous devez choisir une voix entraînée à ce dialecte.
11. N'essayez pas de forcer une voix qui s'exprime en arabe standard à parler en dialecte ; le résultat semblerait étrange.
12. L'astuce de l'amorçage (Priming) :
13. Pour aider l'intelligence artificielle à reconnaître immédiatement le dialecte, commencez votre texte par un mot fort propre à ce dialecte.
14. Exemple : au lieu de commencer par une phrase neutre, commencez par « Izzayak, 'amil eih ? » (Comment vas-tu ?). Cela prépare le modèle à conserver une tonalité égyptienne pour le reste du paragraphe.

Passez à l'article suivant du guide Makna.