Cette page présente mon choix d'un logiciel de lecture automatique en anglais

----------

id = 6605881e1c590 lang = fr-FR

==========

----------

id = 6605881e476e3 lang = en-GB

==========

J'ai installé ce dispositif pour faciliter l'accès de ce site aux personnes à vision réduite, mais aussi aux lectrices et lecteurs qui le fréquentent via une tablette ou un smartphone, plutôt qu'un ordinateur de bureau. Les statistiques révèlent que ce mode d'accès est celui de presque la moitié des visiteurs

Avec un smartphone, surtout si l'on est occupé à d'autres z'activités marcher, conduire un véhicule, faire la cuisine, etc il est difficile, si ce n'est impossible, de lire un long texte en entier. Or, de nombreuzes personnes (c'est mon cas sont t'habituées à l'écoute de podcasts d'émissions radiophoniques dont la durée peut dépasser une heure. Elles peuvent donc consacrer le même temps à écouter une transcription orale, pourvu que celle-ci ne soit pas trop p'artificielle…

De plus en plus fréquemment, des auteurs de blogs disposent au sommet de chaque article un lecteur audio qui permet d'en écouter le contenu. Toutefois, contrairement à eux, je n'ai pas du tout l'intention de m'enregistrer en train de lire mes écrits, ce qui m'obligerait à recommencer la lecture après chaque modification! Ce site est en perpétuelle mise à jour, certainement une de ses principales qualités… J'ai donc choisi d'essayer la transcription orale automatique, le fameux TTS qu'on peut lancer ou relancer d'un simple clic après un travail d'édition

J'avais une autre motivation à m'investir dans ce projet. Pendant une vingtaine d'années, j'ai travaillé au CNRS dans un centre de recherches zan sciences de la parole le Laboratoire Parole et Langage et plus particulièrement avec l'équipe « Prosodie de la parole » dirigée par Daniel Hirst. À l'époque, nous rêvions de logiciels TTS qui synthétiseraient au mieux la voix z'humaine, autant dans ses dimensions phonétique et articulatoire que dans la construction de la prosodie: rythme, intensité, intonation. Les méthodes classiques « à partir de règles » ne donnaient satisfaction que dans des domaines limités. Or notre rêve est en partie devenu ré alité à vous d'en juger! grâce aux techniques d'apprentissage automatique qu'aujourd'hui les ingénieurs désignent par

----------

id = 6605882261ecd lang = fr-FR

==========

----------

id = 6605882293fe8 lang = en-GB

==========

----------

id = 66058822c8c80 lang = fr-FR

==========

----------

id = 66058822eba34 lang = en-GB

==========

En ré alité, il n'y a aucune intelligence dans cette approche… On se contente de fabriquer des « boîtes noires » qui feront le travail, après un fastidieux z'entraînement sur de grandes masses de données. Mais ces boîtes noires ne peuvent pas et ne pourront jamais révéler leurs « secrets ». Pas plus qu'un enfant de cinq ans ne pourrait énoncer les règles z'auxquelles il obéit t'intuitivement pour communiquer dans sa langue maternelle

----------

id = 66058823d26f3 lang = fr-FR

==========

Cette technologie a été rendue possible par l'arrivée de plateformes z'informatiques puissanthes en rapidité, en mémoire et en espace de stockage et surtout par l'immense masse de données (textuelles et orales collectées par les géants du Net (« Google, » « Amazon, » etc.… Des dispositifs « text-to-speech » sont t'aujourd'hui disponibles pour un grand nombre de langues, avec des voix de plus en plus proches de celles de locuteurs z'humains voir la liste de Google et faire un essai

J'ai donc décidé de tenter l'expérience, tout t'en gardant t'en tête l'idée que ce dispositif n'est pas supposé remplacer une lecture humaine, mais simplement offrir un nouveau mode d'accès au contenu de ce site. Le défi étant que, plus la transcription se rapproche de la lecture humaine, plus on en repère les défauts!

Le pari était risqué, mais il s'est avéré judicieux: en un mois, la fréquentation du site et le nombre d'articles consultés ont été multipliés par quatre

Surtout, j'ai découvert qu'il était facile d'améliorer le rendu vocal des transcriptions zan programmant des règles (voir ci-dessous… Retour, donc, à la vieille école des grammaires formelles! 😀

Seule ombre au tableau: l'absence d'accents régionaux, ou plutôt la domination de celui des sujets dont les paroles ont été incluses au corpus d'apprentissage voir article. Navré pour mes collègues sociolinguistes! Le seul accent français « différent » sur « Google Cloud » est celui, uniformisé lui aussi, de locuteurs du « français canadien » (fr-C A… On constate d'ailleurs que, dans notre monde globalisé, la notion d'accent se réduit à la seule combinaison d'une langue et d'un pays…

La suite de cette page s'adresse aux éditeurs de sites wordpress francophones qui souhaitent se lancer dans la même aventure. J'y partage mon expérience afin de leur faciliter la tâche

J'avais pris connaissance de quelques logiciels TTS sur des article comparatifs (en anglais… Leurs descriptions zan étaient malheureusement superficielles, visiblement rédigées par des informaticiens qui n'avaient pas pris le temps de les évaluer sur des données réelles

Il faut savoir que la transcription orale, proprement dite, est presque toujours z'effectuée sur les grandes plateformes:

----------

id = 660588289e1d3 lang = fr-FR

==========

----------

id = 66058828d5ba0 lang = en-GB

==========

----------

id = 66058829078b8 lang = fr-FR

==========

----------

id = 66058829275c2 lang = en-GB

==========

----------

id = 660588294b782 lang = fr-FR

==========

----------

id = 660588296b275 lang = en-GB

==========

… … Le prix du « plugin »… … … … L'interface d'édition… … … … L'interface du lecteur audio… … … … Le pré-traitement des données textuelles… …

----------

id = 6605882a7dc74 lang = fr-FR

==========

Je ne décrirai que des « plugins » couplés à « Google Cloud. » La bonne nouvelle est que la transcription orale via « Google Cloud » est gratuite dans des quantités raisonnables voir tarif. Avec un simple compte « Google Cloud, » on peut transcrire chaque mois, sans rien dépenser, un nombre appréciable de caractères

J'utilise de préférence les voix les plus raffinées: celles des catégories « Neural2″ et « Wavenet », pour lesquelles la plateforme traite gratuitement jusqu'à 1 million de caractères par mois. Au-delà de ce quota, compter 16 dollars par tranche supplémentaire de 1 million de caractères. Ce surcoût est quatre fois moins z'élevé pour les voix « standard, » mais leur rendu sonore (en français est franchement moins bon. Les tarifs sont quasiment identiques sur « Amazon Polly. »

Les plateformes proposent aussi, moyennant finances, de créer une « brand voice, » autrement dit une voix z'ayant toutes les caractéristiques d'une voix z'existanthe prise pour modèle. Il est à craindre que les imperfections soient encore plus z'audibles dans ce cas!

Quelle que soit la voix choisie, le contour prosodique est médiocre sur les phrases très longues. Il peut même conduire à un escamotage de syllabes, voire une prononciation incompréhensible si l'on s'obstine à faire de trop longues phrases. Utiliser une ponctuation abondante: ne pas z'économiser les virgules, ne pas z'essayer de lire du Proust! 😀

Le véritable critère à prendre en compte pour la viabilité d'un TTS est le prix du « plugin. » Soit le vendeur demande un règlement une fois pour toutes, soit il faut passer par un abonnement mensuel ou annuel, auquel cas le « plugin » peut t'aussi limiter le nombre de textes ou de caractères transcrits

Pour ne pas vous faire plus z'attendre, je peux révéler que j'ai dépensé, en tout et pour tout, 29 euros pour la mise en place du « plugin » speaker sur ce site (en décembre 2022… Bien n'entendu, la facture de « Google Cloud » est en proportion du volume de texte converti, étant donnés les innombrables z'essais qu'il m'a fallu faire pour en affiner les règles… Il est donc prudent, surtout au début, de garder un œil sur la facturation (

----------

id = 6605882f283a0 lang = fr-FR

==========

----------

id = 6605882f41f94 lang = en-GB

==========

Voici pour commencer les deux « plugins » que j'ai essayés zan situation réelle, mais pas z'adoptés. Ils peuvent s'avérer préférentiels dans d'autres z'environnements

Ce « plugin » (voir téléchargement fonctionne en version gratuite, mais avec une contrainte sévère sur le nombre d'articles ou pages converties chaque mois: seulement 5 (voir les prix des différentes z'offres… Cette version gratuite ne sert pratiquement qu'à titre d'essai

Je suis donc immédiatement passé à l'offre BaSIC facturée 15 dollars par mois. Mauvaise surprise: l'interface (fin 2022 ne permettait pas un versement mensuel. J'ai donc dû m'acquitter de 189 dollars pour un abonnement annuel. Somme qui m'a heureusement été remboursée sans difficulté quand j'ai renoncé à cette solution par application de la garantie de remboursement à 30 jours

----------

id = 6605883158309 lang = fr-FR

==========

Avec l'offre BaSIC, j'ai pu convertir un plus grand nombre d'articles, la limite étant de 30 par mois. Toutefois, « après 5 modifications, toute modification de l'article est comptée comme un nouvel article. » Autrement dit, pour un même article sur lequel j'avais z'effectué 9 modifications, j'étais taxé de « 5 articles ». On comprend t'ici que même l'offre BaSIC ne convient pas z'aux sites dont les contenus sont régulièrement mis à jour. Chaque fois que je relis un de mes textes, j'ai tendance à en corriger le contenu car je suis un médiocre rédacteur. Pour un bon rendu sonore, des corrections significatives peuvent se limiter à ajouter une virgule à un endroit particulier, afin de délimiter les « unités de souffle » qui gouvernent le contour prosodique

L'offre BaSIC donne accès à un autre dispositif appelé « lexique » (« lexicon »… Ce sont de simples règles de réécriture appliquées à des mots ou des expressions. Un très grand avantage du lexique de « Trinity Audio » est la possibilité d'entrer des caractères phonétiques (alphabet IPA et d'affiner ainsi la prononciation de mots z'étrangers sans changer de langue. Toutefois, ce lexique étant limité à 5 mots sur l'offre BaSIC, ce n'est rien d'autre qu'un produit d'appel pour l'offre (appelée STaNDaRD qui coûte 849 dollars par an… À ce prix, l'utilisation du lexique est illimitée, mais la contrainte reste de 200 articles (ou modifications par mois

Un avantage de « Trinity Audio » sur les autres solutions décrites ci-dessous est le « design » de son lecteur voir image ci-dessus. Il comprend (en haut à droite deux boutons qui permettent d'avancer ou de reculer de 10 secondes. D'autre part, on peut t'en option ajouter un lecteur « flottant » qui reste positionné dans la marge gauche de la page, même pendant son défilement. Cette solution est idéale pour la lecture sur les petits z'écrans des smartphones, et globalement bien n'adaptée à une lecture de texte (plutôt qu'une écoute musicale…

Noter aussi, en haut à droite (à peine visible un bouton qui permet le choix de la vitesse de lecture. Cette fonction très z'utile existe sur tous les dispositifs TTS

Par contre, le positionnement sur la page du lecteur audio n'est pas facile: soit au sommet, soit au bas de l'article, soit t'encore l'option d'un « lecteur javascript » qui nécessite de copier un code dans les champs personnalisés (

----------

id = 66058835edb08 lang = fr-FR

==========

----------

id = 66058836262c3 lang = en-GB

==========

----------

id = 66058837135e7 lang = fr-FR

==========

Nonobstant les limitations que j'ai exposées, « Trinity Audio » est une bonne solution si le budget l'autorise. J'ai longuement dialogué avec leur équipe technique qui s'est montrée aussi efficace que bienveillanthe, m'autorisant même des dépassements de quotas pour effectuer des essais. Localisée en Ukraine, cette équipe mérite d'être soutenue pour la poursuite de ses z'activités dans des conditions particulièrement difficiles

Cette solution (voir téléchargement se présente sous trois tarifs: le plan PILOT (gratuit, le plan PRO (89 dollars par mois et le plan ENTERPRISE (tarif non précisé… Je n'ai essayé que la version gratuite qui autorise 10000 caractères par mois, ce qui peut paraître limité, sauf que les modifications ne sont pas déduites du quota tant que le nombre de paragraphes de l'article n'est pas z'augmenté. Ce plan gratuit est donc viable sous réserve de désactiver la mise à jour automatique de la conversion pendant qu'on n'édite le texte

Le lecteur audio (voir image ci-dessus est très facile à positionner n'importe où sur la page. Il peut t'être largement modifié en utilisant les codes CSS. (Je l'avais z'ici colorié en jaune Un point qui me paraît t'intéressant est sa très faible hauteur. Il comprend t'aussi (à peine visible, en bas à gauche un bouton pour le choix de la vitesse de lecture

Dès la solution gratuite, « BeyondWords » donne accès à une sorte de lexique (« aliases » illimité. Par exemple, j'ai programmé le remplacement automatique de « et al » par « et collègues », car c'est ainsi qu'un lecteur averti interprèterait cette expression. Par contre, ces alias ne reconnaissent pas l'alphabet phonétique. Pour prononcer « American Stroke Association », par exemple, il faut bricoler un alias du style « American Stroke Associeysheun » au lieu de « əˈmɛrəkən stroʊk əˌsoʊsiˈeɪʃən » en IPA (voir le convertisseur …

On peut, par défaut, choisir une voix pour lire les titres et une autre pour les paragraphes z'ordinaires. Toutes ces voix sont désignées par des prénoms

Une option caractéristique de « BeyondWords » consiste à désolidariser (« désaint croniser » le texte d'origine de celui qui doit t'être lu, ce qui permet des corrections de prononciation (en plus de celles des alias mais aussi l'édition d'un texte lu aussi différent qu'on le souhaite du texte écrit. « C'est actuellement le seul moyen, en français, de corriger les liaisons. » Bien n'entendu, toute modification du texte écrit devra être reproduite (manuellement sur le texte lu

----------

id = 6605883cd9a5b lang = fr-FR

==========

Le nombre de voix (et de langues est impressionnant, puisque ce logiciel permet d'accéder aux ressources des trois plateformes « Google Cloud, » « Amazon Web Services, » « Microsoft Azure, » ainsi qu'à des voix (uniquement en anglais spécifiquement développées par « BeyondWords. »

J'ai correspondu avec l'équipe très sympathique de « BeyondWords » pour leur suggérer quelques corrections et améliorations. Ils m'ont notamment signalé qu'ils z'allaient réviser le « design » de leur lecteur audio pour répondre à des besoins tels que la version « flottanthe » que j'avais beaucoup appréciée sur « Trinity Audio. »

L'équipe de « BeyondWords » comprend des ingénieurs et des linguistes z'informaticiens de Google, d'Apple et du « Centre de recherche sur les technologies de la parole » d'Edimbourg au Royaume-Uni

Même dans sa version gratuite, « BeyondWords » est une solution qui permet d'obtenir un bon rendu vocal sans faire appel à des manipulations z'informatiques complexes. Cependant, comme « Trinity Audio, » elle n'est optimisée que pour la publication et la transcription orale de textes qui ne sont pas destinés à recevoir de fréquentes modifications

Je n'ai pas conservé les installations de « Trinity Audio » et « BeyondWords, » ce qui fait que certains z'aménagements que j'ai effectués sur speaker (voir ci-dessous auraient pu aussi résoudre quelques problèmes sur ces solutions. Merci de me faire part de votre expérience!

Ma motivation principale pour essayer (puis z'adopter speaker voir téléchargement et description détaillée en anglais était que c'est le seul dispositif à ce jour (début 2023 qui gère (une partie du balisage SSML (

----------

id = 6605884639929 lang = fr-FR

==========

----------

id = 660588466a018 lang = en-GB

==========

speaker utilise la plateforme « Google Cloud » pour créer les fichiers z'audio. À l'inverse de ses concurrents, il n'impoze aucune limitation au nombre de textes convertis. Concrètement, l'utilisateur (le « webmaster » doit t'utiliser son propre compte « Google Cloud » et s'acquitter directement sur ce compte, le cas échéant, des frais de dépassement du quota mensuel

L'installation de speaker nécessite le règlement, une fois pour toutes, d'un droit d'utilisation (29 euros fin 2022 à la société « CodeCanyon. » C'est donc de loin la solution la plus z'économique, et probablement nous z'allons le montrer la plus puissanthe pour un informaticien

----------

id = 66058848771f1 lang = fr-FR

==========

La partie laborieuze de cette installation est la mise en connexion du « plugin » speaker avec le compte « Google Cloud » qui sera utilisé pour les conversions. Les habitués de « Google » s'y retrouveront mieux que moi! Tout est documenté en détail en anglais, ça commence ici et ça continue ici

Schématiquement, le traitement se résume ainsi: quand on clique le bouton Create audio (ou Re-create audio, speaker lit le contenu de la page ou de l'article « tels qu'ils z'apparaissent à l'affichage » détail important, comme nous le verrons ci-dessous

speaker applique ensuite des règles de réécriture (voir ci-dessous programmées (en option par l'utilisateur. Il découpe enfin le texte en fragments (maximum 4500 caractères envoyés à « Google Cloud » pour la conversion sonore. « Cette taille un peu supérieure à 4500 caractères est une limite incontournable du service Google Cloud. »

Les fichiers sonores (au format M P 3 retournés par « Google » sont t'alors stockés dans un répertoire approprié. En fin de conversion, le « plugin » colle ensemble ces fichiers temporaires pour fabriquer un seul fichier M P 3 qui sera utilisé à l'audition

Plusieurs z'options sont proposées pour le stockage des fichiers M P 3: soit dans un répertoire du site wordpress " class="has-inline-color has-vivid-cyan-blue-color">/wp-content/uploads/speaker/, soit dans un espace de « Google Cloud. » La seconde solution (que je n'ai pas su implémenter peut t'entraîner une facturation supplémentaire. Elle a peut-être comme avantage un accès plus rapide aux fichiers lors de la lecture (à vérifier…

Lorsqu'on n'opte pour l'hébergement des fichiers M P 3 sur le site wordpress, on peut demander d'afficher les fichiers sonores dans le dossier « médias », ce qui peut t'être utile si l'on n'utilise un « plugin » différent pour afficher le lecteur audio bien que la construction de ces URL soit très facile

Dans tous les cas, aucun service n'est facturé pour la lecture des fichiers sonores. Cette lecture n'implique pas « Google Cloud. » Autrement dit, le prix de la sonorisation du site ne dépend pas de sa fréquentation. C'est un point à vérifier avant de se lancer dans toute autre solution

Le positionnement du lecteur n'importe où sur la page (avec l'option de

----------

id = 6605884e4bb4f lang = fr-FR

==========

----------

id = 6605884e754ec lang = en-GB

==========

… Remarque: … Je n'ai pas z'essayé les options de position

----------

id = 6605884e9c2db lang = fr-FR

==========

----------

id = 6605884ec3048 lang = en-GB

==========

----------

id = 6605884ee979b lang = fr-FR

==========

----------

id = 6605884f18bcd lang = en-GB

==========

----------

id = 6605884f5ea2d lang = fr-FR

==========

----------

id = 6605884fb1579 lang = en-GB

==========

Plusieurs z'options sont proposées pour le « design » du lecteur audio: soit un lecteur « Chrome, » soit le lecteur spécifique du navigateur, soit le lecteur par défaut de wordpress, soit t'enfin des lecteurs « rond », « arrondi » ou « rectangulaire ». On peut t'ensuite en améliorer l'aspect en jouant sur les classes CSS, et insérer du code HTML avant ou après le lecteur. Le lecteur « Chrome » est celui qui apparaît t'en haut de cette page, quel que soit votre navigateur

Dans le « shortcode, » on peut t'utiliser une syntaxe plus complète: @speaker id=nnnn (toujours sans le caractère '@' dans laquelle « nnnn » est le numéro de la page ou de l'article concerné. Ce qui permet d'afficher sur une page un lecteur lisant le texte d'une page différente. Très pratique si l'on n'envisage d'éditer un texte pour la lecture distinct de sa version écrite, comme avec « BeyondWords. » Dans ce cas, le texte destiné à la lecture pourra être édité sur une page privée, invisible sur le site, et rendue publique uniquement le temps de générer sa transcription orale. Cette solution est meilleure que celle précédemment mentionnée pour « BeyondWords, » car elle ne repoze que sur des ressources (textuelles et sonores locales

Rien n'interdit d'éditer par la suite le fichier sonore en lui ajoutant, par exemple, de la musique

De manière générale, si les fichiers sont stockés dans le répertoire " class="has-inline-color has-vivid-cyan-blue-color">/wp-content/" class="has-inline-color has-vivid-cyan-blue-color">uploads/speaker/, un simple lien suffit pour accéder au contenu sonore. Par exemple, le lien https://lebonheurestpossible.org/wp-content/uploads/speaker/post-35807.mp3 permet d'écouter la transcription de cette page (identifiant 35807… Ce même lien permet d'insérer un lecteur audio standard HTML 5 donnant le même accès:

…

De pluss, il est possible d'utiliser des lecteurs plus sophistiqués, générés par des « plugins » de wordpress, puisque le seul paramètre à introduire est l'URL du fichier sonore, facile à déterminer pour n'importe quel article ou page. J'ai trouvé (et adopté un lecteur « collant » (« sticky » avec l'extension gratuite « Meks Audio Player »(voir téléchargement qui se positionne automatiquement au bas de la fenêtre. Dans ce cas, les lecteurs speaker peuvent t'être supprimés. Voir par exemple un article de ce site, ou écouter cette page avec le lecteur meks

On appréciera que le lecteur meks autorise des sauts zan avant, et en arrière, de 15 secondes, comme c'était le cas de celui de « Trinity Audio. » Ses seuls défauts z'actuels sont sa hauteur excessive, et le nombre réduit de paramètres permettant de modifier son aspect

----------

id = 66058856b6e9d lang = fr-FR

==========

Des « shortcodes » sont proposés par speaker pour rendre inaudibles certains passages du texte, comme par exemple des légendes de figures ou des références bibliographiques zan fin d'article. Les mêmes effets peuvent t'être produits, et donc automatisés, par les règles de réécriture

speaker n'utilise pas un lexique ni des alias, mais il permet d'introduire un nombre illimité de règles (

----------

id = 6605885833748 lang = fr-FR

==========

----------

id = 66058858ad637 lang = en-GB

==========

L'utilisation efficace de speaker exige donc une parfaite maîtrise de la syntaxe des expressions régulières. Il suffit qu'une règle soit mal formée pour que la conversion échoue, avec une redoutable alerte: « error 3 »!

Le traitement par lot (en anglais

----------

id = 6605885bae1fb lang = fr-FR

==========

----------

id = 6605885bc7a53 lang = en-GB

==========

Pour cela, il suffit d'afficher la liste des pages ou articles, de sélectionner lesquels doivent t'être traités, puis de sélectionner

----------

id = 6605885d07df0 lang = fr-FR

==========

----------

id = 6605885d2d1ff lang = en-GB

==========

… Remarque: … « Attention toutefois au risque d'explosion de la facture Google Cloud! Pour cette raison, les transcriptions vocales de ce site ne sont pas toutes mises à jour après chaque modification des règles ou des paramètres. »

----------

id = 6605885e120a8 lang = fr-FR

==========

----------

id = 6605885e37b93 lang = en-GB

==========

Les gabarits (

----------

id = 6605885e69be4 lang = fr-FR

==========

----------

id = 6605885e81f89 lang = en-GB

==========

----------

id = 6605885eb8d61 lang = fr-FR

==========

----------

id = 6605885ee5098 lang = en-GB

==========

J'entretiens une correspondance régulière avec l'équipe technique de speaker elle aussi localisée à Kiev tantôt via leur forum d'entraide, tantôt par messagerie électronique

----------

id = 6605885fce46e lang = fr-FR

==========

J'ai modifié leur « plugin » (versions 3 4 2 à 4 0 13 pour contourner quelques problèmes expliqués ci-dessous, puis je leur ai envoyé une liste de suggestions (voir copie… Leurs réponses ont été cordiales et constructives, parfois avec quelques jours de retard, étant donnée la situation

Je suis sur le point d'installer la version suivanthe (4 0 4 et mettrai à jour cette page en conséquence

Ce qui suit est destiné aux « webmasters » souhaitant t'installer la solution speaker sur un site wordpress francophone. Loin de couvrir toutes les options, je m'en tiens z'aux points dont la compréhension m'a demandé quelques journées de travail, en l'absence d'une documentation détaillée

Les lecteurs z'anglophones z'habitués à l'informatique peuvent consulter le rapport que j'ai fait parvenir à l'équipe technique en janvier 2023. En fin de rapport, les annonces z'encourageanthes de l'équipe

----------

id = 660588626ff42 lang = fr-FR

==========