Glossaire des termes de voix IA, de synthèse vocale et de sous-titres
Dans cet article 6 parties
Ce glossaire définit en une phrase les termes les plus fréquents dans la documentation des services de voix IA et de sous-titrage. Les définitions sont volontairement simples.
Voix et audio
- Synthèse vocale (TTS, « text-to-speech »)
- Production d'une voix à partir d'un texte.
- Reconnaissance vocale (STT, « speech-to-text »)
- Transcription d'une voix en texte, utilisée par exemple pour générer des sous-titres automatiques.
- Clonage de voix
- Création d'une voix synthétique imitant une voix réelle à partir d'enregistrements. Requiert le consentement de la personne ; voir voix IA et usage commercial.
- Débit
- Nombre de mots dits par minute ; voir mots par minute.
- Voix off
- Voix entendue sans que le locuteur soit à l'écran.
Sous-titres
- SRT
- Format texte de sous-titres : numéro, horodatage avec virgule, texte.
- VTT (WebVTT)
- Format de sous-titres pour le web, avec en-tête « WEBVTT » et horodatage avec point.
- Cue
- Un bloc de sous-titre : un horodatage de début et de fin, et le texte affiché.
- Horodatage
- Indication de début et de fin d'un sous-titre dans la vidéo.
- Sous-titres incrustés (« burned-in », « hardcoded »)
- Sous-titres intégrés à l'image : on ne peut ni les désactiver ni les modifier.
- Sous-titres externes
- Fichier séparé, chargé avec la vidéo, activable et modifiable.
- SDH / SME
- Sous-titres pour sourds et malentendants, qui décrivent aussi sons et locuteurs.
- Encodage
- Correspondance entre octets et caractères (UTF-8, Windows-1252).
- CPS (caractères par seconde)
- Mesure de la vitesse d'un sous-titre.
Services
- Licence commerciale
- Droit, selon l'offre du service, d'utiliser l'audio généré dans un contenu monétisé.
- Programme d'affiliation
- Accord par lequel un éditeur rémunère un site qui lui envoie des clients ; voir notre divulgation d'affiliation.
Termes qui prêtent à confusion
- « Sous-titre » et « légende » : en français courant, on emploie souvent les deux pour désigner le texte à l'écran ; dans les plateformes, les termes de la langue de l'interface varient.
- « Transcription » et « sous-titres » : une transcription est le texte seul, sans horodatage ; les sous-titres y ajoutent les temps d'affichage.
- « Voix IA » et « voix de synthèse » : ce site emploie les deux de façon interchangeable pour une voix produite par un logiciel.
Audio et production
- Prosodie
- Mélodie, rythme et accentuation de la parole : ce qui distingue une question d'une affirmation, ou une phrase posée d'une phrase pressée.
- SSML
- Langage de balisage normalisé par le W3C pour indiquer à une voix de synthèse des pauses, une prononciation ou une emphase. Son support varie selon les services.
- Phonème
- Plus petite unité sonore d'une langue. Certains services acceptent une prononciation décrite en phonèmes pour corriger un mot.
- Lexique de prononciation
- Liste de mots associés à leur prononciation voulue, appliquée automatiquement à chaque génération.
- Fréquence d'échantillonnage
- Nombre de mesures du son par seconde, par exemple 44,1 kHz ou 48 kHz. La vidéo utilise souvent 48 kHz.
- WAV et MP3
- Deux formats de fichiers audio : le WAV n'est pas compressé et convient au montage ; le MP3 est compressé et plus léger.
- Normalisation
- Réglage du niveau sonore d'un fichier pour qu'il soit homogène avec les autres, ou conforme à une cible de volume.
- Débit articulatoire
- Vitesse de parole mesurée sans les pauses, à distinguer du débit global qui les inclut.
Les termes propres aux fichiers de sous-titres, à leur structure et à leur synchronisation, sont expliqués en détail dans la rubrique Sous-titres SRT et VTT.
Questions fréquentes
Quelle différence entre voix off et narration ?
Une narration raconte ou explique, souvent tout au long de la vidéo ; une voix off désigne toute voix entendue sans que la personne soit à l'image. Une narration est donc une forme de voix off, mais une voix off peut aussi être un simple commentaire ponctuel.
Que veut dire « modèle » dans la documentation d'un service ?
Le moteur logiciel qui produit la voix. Un même service peut proposer plusieurs modèles, plus rapides ou plus naturels, et les mettre à jour : le rendu d'une voix peut donc changer d'une version de modèle à l'autre.