La vidéo est presque montée, les sous-titres sont aussi calés, et pourtant ça bloque sur la voix off.

On change de voix, ça ressemble trop à une publicité ; on en change encore, les mots sont bien prononcés, mais on dirait une annonce officielle. On veut trouver quelque chose d’un peu plus détendu, mais ça devient trop détendu. On parcourt la liste des extraits pendant un long moment, et à la fin, on ne sait toujours pas qui choisir.

Très souvent, ce n’est pas le texte qui ne va pas, c’est que la voix et l’image ne correspondent pas.

Alors cet article ne va pas commencer par empiler les paramètres. Nous avons trouvé dans la communauté Fish Audio quelques timbres reconnaissables, écrit pour chacun de courtes phrases originales correspondant à sa direction d’expression, puis généré de véritables extraits d’écoute. Vous pouvez d’abord écouter, puis réfléchir : pour votre vidéo, de quel genre de personne avez-vous réellement besoin pour raconter ?

Un créateur hésitant à choisir un timbre de voix, avec devant lui des cassettes, un manuscrit et un casque

Pour choisir une voix, ne regardez pas seulement son nom

Des étiquettes comme « voix féminine douce » ou « voix masculine magnétique » semblent toutes intéressantes, mais elles ne sont pas forcément adaptées une fois intégrées à une vidéo.

Pour raconter le quotidien, un ton trop solennel crée une distance ; pour une narration historique, un ton trop enjoué fait facilement sortir de l’ambiance. Qu’une voix soit agréable ou non est une chose, avoir envie de l’écouter raconter ce contenu jusqu’au bout en est une autre.

Vous pouvez commencer par vous poser une question : qui dit ces mots à qui ?

Est-ce une conversation entre amis, une histoire racontée, ou un personnage sur scène ? Une fois cela éclairci, vous n’aurez plus besoin de parcourir la liste des timbres du début à la fin.

Que peut faire Fish ? Commençons par ce qui concerne la voix off

Fish Audio peut transformer du texte en parole, et peut aussi utiliser des timbres existants. Son site chinois présente notamment ses capacités multilingues, de clonage vocal et d’expression émotionnelle ; pour le résultat concret, il faut tout de même essayer avec son propre texte. Site chinois officiel de Fish Audio

Pour la création quotidienne, deux points méritent l’attention : d’une part, le choix de timbres est vaste, sans devoir se limiter à quelques voix de présentateur ; d’autre part, le même ID de timbre peut être réutilisé à plusieurs reprises, ce qui est pratique pour modifier un texte ou ajouter des phrases par la suite.

Si vous disposez de matériel vocal ayant déjà obtenu les autorisations nécessaires, vous pouvez aussi faire une synthèse audio de référence ponctuelle, sans devoir d’abord créer un timbre à long terme. Il faut ici bien distinguer : le modèle de timbre détermine « qui semble parler », tandis que le modèle vocal détermine « quelles capacités de synthèse utiliser pour générer », ce ne sont pas la même chose.

Lors de l’intégration via Ace Data Cloud, reference_id spécifie le timbre, tandis que model dans l’en-tête HTTP de la requête spécifie le modèle vocal. La documentation actuelle de l’interface répertorie s1, s2-pro et s2.1-pro, et prend en charge des options telles que MP3, WAV et l’ajustement de la vitesse. Description des paramètres

Pour l’intégrer à votre propre outil, le code peut être très court

Ce qui suit présente l’interface Fish TTS d’Ace Data Cloud, et non l’interface directe officielle de Fish. Utilisez l’API Token d’Ace Data Cloud ; l’exemple lit les variables d’environnement et n’écrit pas la clé dans le code.

import os
import requests

# 换成你已确认使用权限的音色 ID
voice_id = os.environ["FISH_VOICE_ID"]

response = requests.post(
    "https://api.acedata.cloud/fish/tts",
    headers={
        "Authorization": f"Bearer {os.environ['ACEDATACLOUD_API_TOKEN']}",
        "Content-Type": "application/json",
        "model": "s2-pro",
    },
    json={
        "text": "别急着挑最好听的，先挑一个适合这段故事的。",
        "reference_id": voice_id,
        "format": "mp3",
        "prosody": {"speed": 1.0, "volume": 0},
    },
    timeout=180,
)
response.raise_for_status()
result = response.json()
if "audio_url" not in result:
    raise RuntimeError(f"未取得音频地址：{result}")
print(result["audio_url"])

Installez d’abord requests, puis configurez ACEDATACLOUD_API_TOKEN et FISH_VOICE_ID, et vous pourrez faire un essai avec une courte phrase. L’audio_url obtenue est l’adresse de l’audio, et non le fichier audio lui-même.

Ne générez pas tout l’article dès le départ. Choisissez un passage comportant de longues phrases, des pauses et des variations émotionnelles, puis continuez après avoir trouvé une vitesse adaptée. Pour les textes longs ou les tâches par lots, vous pouvez utiliser callback_url et la consultation des tâches selon la documentation, afin d’éviter de laisser une page attendre en permanence.

Parmi les voix suivantes, combien en reconnaissez-vous ?

Précisons d’abord : les 20 extraits audio suivants sont tous des extraits d’écoute synthétisés par IA, générés cette fois-ci via Ace Data Cloud Fish TTS à partir de timbres de la communauté ; ce ne sont pas des enregistrements des personnes elles-mêmes, ni des répliques ou des doublages issus des œuvres originales. Les textes ont été créés spécialement pour cette fois-ci ; les titres reprennent ou expliquent les noms des timbres communautaires, et ne signifient pas que les personnes concernées, les comédiens de doublage ou les institutions associées ont participé, autorisé ou soutenu ce contenu.

Nous avons sélectionné un mélange de voix chinoises de conversation, de narration et de personnages reconnaissables, il ne s’agit pas d’un classement populaire en temps réel. Chaque extrait utilise une courte phrase de contexte différente, principalement pour aider à ressentir la direction d’expression, et non pour réaliser une évaluation comparative à partir d’un même texte. Tomori Taki utilise le japonais, les autres utilisent le chinois ; les résultats dans différentes langues ne peuvent pas être comparés directement.

L’accessibilité des liens audio a été vérifiée, mais l’examen de l’écoute n’a pas encore été effectué extrait par extrait. Les présentations ci-dessous décrivent l’intention de conception des textes, et ne constituent pas une garantie du ressenti à l’écoute des résultats générés.

Une génération réussie ne signifie pas qu’une autorisation d’utilisation a été obtenue. Les modèles communautaires publics ne signifient pas qu’ils peuvent être utilisés dans des publicités commerciales, pour usurper l’identité d’une personne ou pour faire de faux témoignages ; avant toute publication, présentation ou réutilisation officielle, il faut toujours confirmer les droits liés au timbre, à la voix de la personne et au personnage concerné. Ce brouillon reste non publié.

Des personnages originaux de différentes voix se relaient devant le microphone, formant un petit théâtre sonore animé

Crayon Shin-chan｜Cette malice familière

Commençons par la chaîne de l’enfance. Nous avons écrit pour ce timbre une excuse espiègle tournant autour de petits biscuits, pour montrer le contraste d’un enfant qui cherche sérieusement des prétextes. Outre la hauteur de voix, vous pouvez aussi écouter les pauses et les fins de phrase.

Maman, aujourd’hui je n’ai vraiment pas été paresseux ! J’étudiais sérieusement pourquoi les petits biscuits, dès qu’on ouvre le paquet, courent tout seuls dans mon ventre. Hé hé, donne-m’en encore un !

Sun Wukong｜L’impression de personnage de « moi, le vieux Sun »

Reliez une courte réplique originale du personnage avec l’exploration du chemin, la protection du maître et le bâton magique, en laissant un peu d’espace à la franchise et à la tension dramatique. Vous pouvez la comparer à une narration ordinaire, pour écouter d’où vient l’impression de personnage alors qu’il s’agit dans les deux cas de parler.

Maître, ne vous inquiétez pas ! Devant, les montagnes sont hautes et le chemin est périlleux, laissez-moi, le vieux Sun, aller d’abord voir ce qu’il en est. Si des démons bloquent le passage, mon bâton magique n’est pas là pour servir de canne !

Bob l’éponge｜Aujourd’hui aussi, j’ai envie d’aller attraper des méduses

Conçu comme une invitation enthousiaste à sortir, le texte vise quelque chose de lumineux, vif et plein d’attente. Si l’image elle-même est déjà très animée, faut-il encore que le doublage soit aussi intense ? Vous pouvez l’y intégrer et décider après avoir essayé.

Patrick, vite, debout ! Aujourd’hui, l’eau de mer scintille, les méduses aussi doivent avoir envie de sortir jouer ! J’ai même préparé le filet, j’attends juste mon meilleur partenaire, toi !

Patrick｜Mangeons d’abord un pâté de crabe avant d’y réfléchir

Enchaînez avec le passage précédent pour former un petit dialogue : l’un est pressé de sortir, l’autre pense d’abord à manger. Ici, on veut utiliser une logique un temps en retard, qui fait un petit détour, pour exprimer une direction de comédie légère et naïve.

Bob l’éponge, j’ai trouvé une méthode particulièrement intelligente. Mangeons d’abord un pâté de crabe, puis réfléchissons à l’endroit où aller jouer. Comme ça, si jamais on ne trouve pas, au moins on n’aura pas le ventre vide.

Paresseux｜Allongeons-nous d’abord un moment, on verra après

La montagne de gâteaux dans le rêve et la sieste dont on n’arrive pas à se réveiller donnent à ce texte une direction gourmande et somnolente. Si vous voulez créer un contenu plus détendu, il n’est pas nécessaire de se précipiter vers l’avant à chaque phrase.

Ne m’appelez pas pour me lever, j’ai justement rêvé d’une petite montagne faite de gâteaux. Quand j’aurai mangé la fraise au sommet, je me lèverai pour aider. Vraiment, je vais juste dormir encore un tout petit moment.

L’Empereur de Légende de Zhen Huan｜Une seule réplique, et la scène apparaît

Il s’agit d’un monologue de cour original, qui ne reprend pas de répliques de la série. La scène où l’on repose la tasse de thé, avec des mots retenus, laisse de la place au statut du personnage et aux non-dits.

Il n’est pas nécessaire d’ajouter encore du thé, je souhaite être au calme un instant. Tout ce que tu viens de dire, je l’ai retenu. Seulement, dans ce palais, ce que l’on entend n’est pas forcément vrai, et ce que l’on voit n’est pas forcément toute la vérité.

Uma Musume｜Cherchez dans la direction de l’énergie

Choisissez la scène où l’on fait encore un tour avant la fin de l’entraînement, et faites avancer les répliques par la demande, la persévérance et l’attente. Si vous cherchez une expression de personnage plus dynamique, vous pouvez partir de cette direction de texte, au lieu de simplement rechercher « voix féminine douce ».

Entraîneur, le vent est juste parfait aujourd’hui ! Pour le dernier tour, je veux encore essayer une fois. Même s’il me manque encore un peu pour l’instant, je les rattraperai pas à pas. Regardez-moi franchir la ligne d’arrivée !

Anon Chihaya｜Changez de langue, écoutez l’impression de répétition

Une courte phrase de répétition de groupe en japonais a été écrite pour ce timbre, afin d’exprimer un sentiment un peu nerveux, mais aussi l’envie d’entraîner les partenaires à essayer encore une fois. Ce n’est ni un test de prononciation chinoise ni un enregistrement de l’œuvre originale.

ねえ、今日の練習、もう一回だけ合わせない？ さっきより、きっといい音になると思うんだ。ちょっと緊張するけど、みんなとなら大丈夫！

Sens général en chinois : Pour l’entraînement d’aujourd’hui, est-ce qu’on refait une répétition ensemble ? Je pense que ce sera certainement mieux que tout à l’heure. Même si je suis un peu nerveuse, avec tout le monde, ça ira !

Pas forcément besoin de connaître le nom pour trouver une voix qui vous plaît

Les voix de personnages sont faciles à retenir, mais pour choisir un doublage pour sa propre vidéo, on revient souvent quand même à « est-ce naturel » et « est-ce fatigant à écouter longtemps ». Les quelques pistes suivantes permettent d'écouter sous un autre angle.

AD学姐｜Une courte réplique, écoutez d'abord l'intonation

Le texte est conçu comme un rappel de chef d'équipe dans un jeu, avec un peu de netteté et d'espièglerie, mais sans s'appuyer sur l'attaque des autres pour se donner de l'allure. Les phrases courtes permettent de ressentir facilement l'intonation ; pour les longues vidéos, il faut encore tester séparément la narration continue.

Ne te contente pas de dire que tu n'y arrives pas, termine d'abord cette partie. Ce n'est pas grave si tes déplacements sont un peu lents, mais ne laisse pas ton cerveau se déconnecter avec eux. Allez, reste près de moi, cette fois on joue sérieusement.

嘉岚3.0｜Comme si l'on racontait quelque chose à un ami

Le petit dilemme de « j'ai peur, mais j'ai quand même envie de jouer » se prête très bien à une conversation entre amis. Les répétitions, les hésitations et le fait d'ajouter une condition au dernier moment peuvent tous faire partie d'un texte oral, sans devoir transformer chaque phrase en mode d'emploi.

Je te dis, ce jeu, je n'ose vraiment pas y jouer seul. Mais si tu m'accompagnes, je me dis que, peut-être, ce n'est pas impossible. Mais on est d'accord, hein : si une porte fait du bruit, tu n'as pas le droit de courir avant moi !

女大学生｜La bibliothèque, le dîner et un thé au lait

C'est le nom d'une voix de la communauté, pas une certification d'identité. Un extrait ordinaire du quotidien sur un campus a été choisi, pour faire tenir dans le même paragraphe un programme d'étude et les petites pensées qui s'égarent malgré soi, afin de tester une direction de narration plus quotidienne.

Aujourd'hui, j'ai enfin réussi à avoir une place près de la fenêtre à la bibliothèque. Le soleil est vraiment agréable, je n'ai pas tourné deux pages que je commence déjà à me demander ce que je vais manger ce soir. Bon, je finis d'abord de mémoriser ce chapitre, puis je me récompenserai avec un thé au lait.

温柔动听女声｜Pas besoin de se précipiter pour dire chaque phrase

Ce texte est une présence calme, pas une incitation à se dépêcher. Si vous voulez faire des histoires du soir ou une narration apaisante, vous pouvez vous concentrer sur le test des longues phrases, des pauses et des fins de phrase dans ce type de direction.

Si tu es un peu fatigué aujourd'hui, pose d'abord ce que tu as entre les mains. Le vent dehors est très léger, et le thé est encore chaud. Pas besoin de te presser de devenir meilleur, à cet instant, respire lentement, c'est tout.

丁真｜Parler du paysage, plutôt que réciter un texte de présentation

De courtes phrases originales décrivant des montagnes enneigées, de la rosée et un petit chemin ont été choisies, avec une expression douce et orale. Il s'agit ici d'une démonstration de synthèse IA d'un modèle communautaire portant le même nom, et non de paroles de la personne, d'une recommandation de voyage ou d'un parrainage.

Quand je suis sorti ce matin, il y avait encore un peu de neige au sommet de la montagne, et la rosée sur l'herbe brillait. En suivant lentement ce petit chemin, pas besoin de se dépêcher, le vent apportera les sons lointains.

蔡徐坤｜Une expression de voix masculine jeune, plus légère

Un monologue fictif dans une salle de répétition a été écrit, utilisant de petits gestes et la musique pour orienter le sujet vers une atmosphère de scène. Ce ne sont pas des expériences réelles de la personne, une interview ou ses propres paroles, mais uniquement une démonstration de synthèse d'une voix communautaire.

Les lumières de la salle de répétition sont encore allumées, ce mouvement de tout à l'heure, j'ai envie de le refaire une fois. Parfois, le progrès se cache dans ces petits détails. Quand la musique commencera, chaque effort sérieux aura son écho.

孙笑川258｜Une direction de conversation un peu plus décontractée

Une petite autodérision sur les nuits blanches, les jeux et les plats livrés refroidis a été écrite, en cherchant un rythme de discussion légère plutôt qu'une annonce formelle. Le texte est fictif, ce ne sont pas des expériences ou des paroles réelles de la personne.

J'ai dit que j'allais dormir tôt aujourd'hui, résultat, j'ai regardé l'heure, et il est encore déjà si tard. Je n'ai pas gagné la partie, mais le plat livré, lui, a refroidi assez vite. Bon, je mange d'abord, une fois rassasié, on cherchera de qui était le problème tout à l'heure.

Pour un ton explicatif, narratif, il existe aussi d’autres choix

Lei Jun｜parler en incluant le public dans la salle

Utilisez une question hypothétique sur une chaise pour écrire un exercice d’explication, en essayant une impression d’échange « d’abord poser une question, puis expliquer ». Cela ne concerne aucun lancement réel de produit, aucune promesse de prix ou de performance, et ne représente ni les opinions ni le soutien de la personne concernée.

Réfléchissez tous un instant : pour une chaise, qu’est-ce qui est le plus important ? Ce n’est pas à quel point elle paraît complexe, mais si, après une journée bien remplie, au moment où vous vous asseyez, vous pouvez vraiment vous détendre. Bien faire les petites choses, c’est aussi une compétence.

Zheng Xiangzhou｜explication commerciale plutôt formelle

Le texte original part des objectifs et de la répartition des rôles pour aller jusqu’aux résultats, en donnant une structure claire à une explication formelle. Vous pouvez le comparer à des passages de conversation pour ressentir la distance créée par les changements de niveau de formalité. Le contenu ne représente ni les opinions de la personne concernée ni un enregistrement de son cours.

Pour constituer une équipe, ne vous précipitez pas pour parler d’échelle. Expliquez clairement les objectifs, mettez en place la répartition des rôles, puis faites savoir à chacun quel est le lien entre son travail et les résultats. L’alignement des directions est plus important que l’agitation en surface.

Narration documentaire｜donner un peu plus de poids aux textes descriptifs

Le nom original du modèle communautaire est « doublage de CCTV ». Ici, « narration documentaire » décrit une direction d’expression, sans indiquer de collaboration ou d’autorisation avec CCTV. Cette fois, un court texte original sur une matinée dans une vallée est utilisé ; vous pouvez surtout prêter attention à la construction des phrases longues.

À l’aube, le premier rayon de soleil franchit la crête, et la vallée s’éveille peu à peu. Le cours d’eau contourne les rochers et traverse aussi le village. Ces journées qui semblent ordinaires ont lentement laissé leurs traces dans le murmure de l’eau.

Film promotionnel grandiose｜lorsque l’ouverture doit être un peu plus formelle

Utilisez les lumières de la ville et la vie des gens ordinaires pour écrire de courtes phrases d’ouverture, sans ajouter de promesses de produit. Il n’est pas nécessaire d’employer ce type d’expression pendant toute la vidéo ; vous pouvez d’abord le placer dans les premières phrases de l’ouverture, pour voir si cela n’est pas trop chargé.

De la première lumière de l’aube aux pas qui ne se sont toujours pas arrêtés au cœur de la nuit, la chaleur d’une ville se cache dans le cœur de chaque personne qui vit avec sérieux. Que l’ordinaire soit vu, que chaque effort trouve un écho.

La Main noire｜donner un peu de dimension dramatique à un monologue

Un monologue fictif a été écrit autour d’une nuit pluvieuse, d’une vieille lettre et d’un départ, avec une direction sobre, sérieuse et narrative. Ce type de texte convient davantage aux exercices de personnage ; il n’est pas nécessaire de le forcer dans chaque type de script de commentaire.

Lorsque la pluie s’est arrêtée, il a remis cette lettre dans sa poche. La lumière au coin de la rue était encore allumée, mais plus personne n’attendait qu’il s’explique. Certaines routes, une fois qu’on se retourne, on ne peut plus que les parcourir seul jusqu’à l’aube.

Après avoir écouté, ne vous décidez pas trop vite : replacez-les dans vos images

Un script se transforme en bande de papier sonore à travers une radio en forme de poisson, tandis qu’un créateur porte un casque devant une table de montage pour vérifier

Une voix que vous aimez à l’écoute peut être tout autre chose une fois replacée dans votre propre vidéo.

Vous pouvez d’abord garder deux ou trois candidats, les générer avec le même passage, puis les écouter avec la même séquence d’images. Ne comparez pas seulement la première phrase ; écoutez aussi si les phrases longues sont précipitées, si les fins de phrase sont bien tenues, et si cela reste clair une fois la musique de fond ajoutée.

Si cela ne convient toujours pas, modifiez d’abord le texte. Utilisez moins de langage écrit, découpez les phrases longues et laissez une pause aux endroits de transition. Parfois, changer dix voix ne vaut pas autant que transformer une phrase pour qu’elle ressemble à ce que vous diriez vraiment au quotidien.

Fish offre davantage de choix de voix ; pour savoir si cela convient au final, il faut toujours se fier à son oreille. Si cela permet au public d’oublier « que ce passage est doublé » et de vouloir continuer à écouter le contenu, c’est déjà très bien.

Si vous voulez continuer à essayer, vous pouvez regarder ici

Les illustrations de cet article sont des illustrations conceptuelles créées avec l’assistance de l’IA, et non des captures d’écran de l’interface produit. Les 20 extraits audio sont des démonstrations de synthèse par IA générées, à partir de textes originaux utilisés cette fois-ci, en faisant appel à des timbres de la communauté Fish ; ils ne sont pas des enregistrements de la personne concernée ou de l’œuvre originale, et ne représentent pas non plus une autorisation, une participation ou un soutien de la part des personnes concernées, des comédiens de doublage ou des institutions. Avant toute publication officielle, veuillez effectuer une écoute et une vérification de chaque extrait, contrôler la lecture dans le front-end du lecteur, et confirmer que les autorisations relatives aux voix, aux personnages et à la présentation audio couvrent les usages ultérieurs.