Enregistrer un audioguide : comédien ou narration IA

Ce que la voix humaine fait encore mieux

Un bon narrateur fait des choix qu’une voix synthétique ne fait pas. Il sait quel mot porte le sens d’une phrase, quand ralentir pour prononcer un nom difficile et combien de temps laisser une pause avant l’idée suivante. Sur l’ensemble d’un guide, ces choix produisent une écoute qui semble véritablement conçue, plutôt que générée.

La voix humaine compte surtout lorsque le sujet a une forte charge émotionnelle. Les mémoriaux, les témoignages personnels, les pages difficiles de l’histoire et les contenus liés à une communauté vivante sont autant de cas où une narration synthétique peut sembler indifférente au moment où elle devrait être attentive.

L’origine de la voix compte aussi. Un guide raconté par un conservateur, un historien local ou un membre de la communauté n’est pas seulement narré : cette personne participe à la médiation. Une voix de synthèse ne peut pas reproduire cela.

Quand la synthèse prend tout son sens

Le calcul économique change nettement dès que le guide devient multilingue. Faire appel à un comédien dont c’est la langue maternelle pour chacune de huit langues signifie huit réservations, huit séances en studio, huit cycles de relecture et huit calendriers à coordonner. La narration synthétique réduit cette production à une étape de génération audio.

Le coût des mises à jour compte autant que celui du lancement. Les musées modifient les cartels, corrigent des faits et renouvellent les expositions. Avec un comédien, une seule phrase corrigée peut imposer de faire revenir la même personne pour retrouver la voix de l’enregistrement initial ; si elle n’est plus disponible, la correction peut devenir impossible. Avec la synthèse, on peut régénérer la phrase en quelques minutes.

Cette différence pèse souvent dans le choix pour les expositions temporaires, les contenus appelés à changer et les langues pour lesquelles le musée ne pourrait pas financer une séance en studio.

• Huit langues exigent huit réservations avec des voix humaines, contre une étape de génération avec la synthèse

• Les corrections ne dépendent pas du narrateur initial

• La synthèse rend possibles des langues qu’un petit musée ne pourrait pas financer autrement

• Les expositions temporaires peuvent être lancées et modifiées sans nouvelle séance en studio

L’approche mixte

En pratique, le choix est rarement tout ou rien. Une solution courante consiste à utiliser une voix humaine dans la langue principale des visiteurs, celle où l’écoute est la plus fréquente et où le caractère de l’institution compte le plus, puis une narration synthétique pour les versions traduites accessibles aux autres visiteurs.

Cette approche concentre le budget là où se trouve l’essentiel de l’écoute, sans priver les visiteurs d’autres langues. Elle tient aussi compte d’une réalité gênante : dans bien des cas, l’alternative à une narration synthétique traduite n’est pas une version interprétée par un comédien, mais l’absence de version traduite.

Le même principe peut s’appliquer à l’intérieur d’un guide. Les étapes phares et les témoignages oraux peuvent utiliser une voix humaine, tandis que les indications d’orientation et les introductions de salle sont synthétisées.

Obtenir une bonne voix synthétique

Les voix synthétiques se trompent de manière prévisible, et la plupart de ces erreurs se corrigent dans le script plutôt que dans les réglages. Les noms de lieux et de personnes, ainsi que les termes techniques, posent le plus souvent problème. C’est particulièrement vrai pour les noms en te reo Māori et dans d’autres langues autochtones, que les voix génériques prononcent régulièrement mal.

Établissez une liste de prononciation en même temps que le script. Vérifiez chaque nom important dans l’audio généré avant la mise en ligne, plutôt que d’attendre qu’un visiteur signale l’erreur. Mal prononcer un nom culturellement important est une véritable faute, pas un simple défaut esthétique. Si la synthèse ne peut pas être corrigée, il peut être préférable d’enregistrer ces passages avec une voix humaine.

La ponctuation joue aussi un rôle plus important qu’on ne le pense. Les virgules et les points donnent le rythme, et scinder une phrase longue résout souvent un problème de diction plus vite qu’un réglage des paramètres de voix.

• Tenir une liste de prononciation pour les noms de personnes, de lieux et les termes techniques

• Écouter chaque nom dans l’audio généré avant le lancement

• Utiliser la ponctuation pour régler le rythme plutôt que de lutter contre les paramètres de voix

• Envisager un enregistrement humain pour les noms culturellement importants

Bien enregistrer la source dans tous les cas

Les visiteurs jugent la qualité sonore rapidement, sans forcément s’en rendre compte. Ils ne sauront peut-être pas nommer une réverbération ou un bruit de fond, mais sentiront que l’audioguide manque de soin et risquent de l’arrêter.

Pour enregistrer une voix humaine, une pièce à l’acoustique maîtrisée compte plus qu’un microphone coûteux. Des matériaux souples, un petit espace et une distance constante du micro donnent de meilleurs résultats qu’un bon micro dans une salle aux murs nus. Si possible, enregistrez tout en une séance : l’acoustique et la voix ne seront jamais exactement les mêmes d’un jour à l’autre.

Conservez les fichiers source non traités. Les formats et les plateformes de diffusion changent ; un musée qui a gardé ses fichiers maîtres pourra exporter de nouveau son guide des années plus tard sans tout réenregistrer.