> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Conception de voix ![Conception de voix](/docs/_fern-img/1125280670aac11f82425cb9e04ccba451fb85ac046cff42203b867a82340f43.webp) ## Vue d'ensemble Voice Design aide les créateurs à combler les lacunes lorsqu'ils ne trouvent pas la voix exacte qu'ils recherchent dans la [Voice Library](https://elevenlabs.io/app/voice-library). Si vous ne trouvez pas de voix adaptée à votre projet, vous pouvez en concevoir une. Voice Design est particulièrement adapté à l'exploration et à l'itération rapides, et la qualité du résultat peut varier selon votre invite et votre cas d'usage. Si vous recherchez une qualité plus homogène, prête pour la production, les [clones vocaux professionnels (PVC)](/docs/fr/eleven-creative/voices/voice-cloning) sont actuellement les voix de la plus haute qualité sur notre plateforme. Si un PVC de notre bibliothèque répond à vos besoins, nous vous recommandons donc de l'utiliser. Vous trouverez Voice Design dans Voix -> Mes voix -> Ajouter une nouvelle voix -> Voice Design dans l'[application ElevenLabs](https://elevenlabs.io/app/voice-lab?create=true\&creationType=voiceDesign) ou via l'[API](/docs/fr/api-reference/text-to-voice/design). Lorsque vous sélectionnez Générer, nous créons trois options de voix. Le seul coût lié à Voice Design correspond au nombre de crédits nécessaires pour générer votre texte d'aperçu. Vous n'êtes facturé qu'une seule fois, même si nous générons trois échantillons. Le nombre de caractères déduits est indiqué dans le champ de texte « Texte à prévisualiser ». Après la génération, vous pourrez sélectionner et enregistrer l'une des propositions, qui occupera un de vos emplacements de voix. #### [Guide de l'API](/docs/fr/api-reference/text-to-voice) Consultez le Guide de l'API pour Voice Design ## Guide de rédaction des invites L'invite est le fondement de votre voix. Elle indique au modèle le type de voix que vous cherchez à concevoir, de l'accent et du type de personnage au genre et à l'ambiance de la voix. Une invite bien rédigée peut faire la différence entre une voix générique et une voix qui correspond réellement à votre vision. En règle générale, des invites plus descriptives et détaillées donnent des résultats plus précis et nuancés. Plus vous fournissez de détails, notamment sur l'âge, le genre, le ton, l'accent, le rythme, l'émotion ou le style, mieux le modèle pourra interpréter votre demande et produire une voix intentionnelle et personnalisée. Toutefois, des invites courtes et simples peuvent aussi fonctionner, en particulier si vous recherchez une voix plus neutre ou polyvalente. Par exemple, « Un narrateur calme » peut vous donner exactement ce dont vous avez besoin sans entrer dans les détails, surtout si vous ne cherchez pas à créer un personnage ou un style très spécifique. Le niveau de détail approprié dépend de votre cas d'usage. Concevez-vous un personnage fantastique ? Un assistant virtuel ? Une New-Yorkaise d'une soixantaine d'années, fatiguée et à l'humour pince-sans-rire ? Plus votre invite sera claire, plus le résultat se rapprochera de ce que vous imaginez. ### Format d'invite recommandé Pour obtenir des résultats homogènes, structurez votre invite selon ce format : ``` Native . , . . Persona: <2–5 words>. Emotion: <2–3 adjectives>. <1–2 sentences about timbre, pacing, delivery> ``` **Exemple :** Espagnol natif, español europeo (sin rasgos de español latinoamericano). Femme, 35 à 40 ans. Qualité correcte. Personnalité : opératrice de support fiable. Émotion : rassurante, attentive, sûre d'elle. Timbre doux et naturel avec une intonation légère, une proximité marquée et un signal sans bruit. Communique les mises à jour à un rythme détendu en mettant clairement l'accent sur les informations utiles, avec empathie et professionnalisme. ### Erreurs fréquentes à éviter * **N'utilisez pas « accent » si vous voulez dire intonation** : cela peut entraîner des changements de dialecte indésirables. Décrivez plutôt l'intonation, l'accentuation ou les modes d'élocution. * **Évitez les termes d'effets audio** : des termes comme « réverbération », « écho », « téléphone » ou « bande » peuvent nuire à la qualité du résultat. * **Indiquez explicitement la langue et le dialecte** : précisez toujours la langue et sa variante régionale dans la première phrase afin d'éviter les dérives. ### Qualité audio La qualité audio désigne la clarté, la propreté et la fidélité globale de la voix générée. Par défaut, ElevenLabs vise à produire un audio propre et naturel. Toutefois, si votre projet exige un niveau de qualité précis, il est préférable de l'indiquer explicitement dans votre invite. Pour obtenir des résultats de haute qualité, ajoutez à votre description vocale une expression telle que « **qualité audio parfaite** » ou « **enregistrement de qualité studio** ». Cela aide à garantir un rendu vocal d'une clarté maximale, avec un minimum de distorsion et une finition soignée. Vous pouvez également utiliser des descripteurs de qualité précis qui donnent des résultats homogènes : * Qualité correcte * Bonne qualité * Très bonne qualité * Excellente qualité * Qualité studio * Qualité diffusion Ces descripteurs contribuent à obtenir la meilleure qualité audio lorsqu'ils sont inclus dans votre invite. > **Warning** > > Inclure ce type d'expressions peut parfois réduire la précision globale de l'invite si la > voix est très spécifique ou de niche. Dans certains cas créatifs, une qualité audio inférieure peut aussi être intentionnelle, par exemple pour simuler un appel téléphonique, une ancienne émission de radio ou des images trouvées. Dans ces situations, n'ajoutez aucun descripteur de qualité ou incluez explicitement des expressions telles que : * « Audio basse fidélité » * « Mauvaise qualité audio » * « Ressemble à un message vocal » * « Étouffé et distant, comme sur un vieux magnétophone à cassette » L'emplacement de cette expression dans votre invite est flexible : elle peut apparaître au début ou à la fin, ces deux positions fonctionnent bien. ### Âge, ton/timbre et genre Ces trois caractéristiques constituent le fondement de la conception de voix, en façonnant son identité globale et sa résonance émotionnelle. Plus vous fournissez de détails, plus il est facile pour l'IA de produire une voix correspondant à votre vision créative, que vous conceviez un personnage crédible, créiez un narrateur captivant ou développiez un assistant virtuel. #### Âge Décrire l'âge perçu de la voix permet de définir sa maturité, sa texture vocale et son énergie. Utilisez des termes précis pour orienter l'IA vers la qualité vocale recherchée. **Descripteurs utiles :** * « Vieil homme » / « vieille femme » * « Jeune adulte » / « dans la vingtaine » / « début de la trentaine » * « Homme d'âge mûr » / « femme dans la quarantaine » * « Homme âgé » / « femme âgée » / « homme dans la quatre-vingtaine » #### Ton/timbre Désigne la qualité physique de la voix, façonnée par la hauteur, la résonance et la texture vocale. Il se distingue de l'expression émotionnelle ou de l'attitude. **Descripteurs courants de ton et de timbre :** * « Grave » / « à voix basse » * « Doux » / « riche » * « Rauque » / « éraillé » * « Nasillard » / « strident » * « Aérien » / « soufflé » * « Puissant » / « résonant » * « Léger » / « fin » * « Chaud » / « moelleux » * « Métallique » / « ferreux » #### Genre Le genre influence souvent la hauteur, le poids vocal et la présence tonale, mais vous pouvez aller au-delà de catégories simples en décrivant le son plutôt que l'identité. **Exemples :** * « Une voix féminine grave et rauque » * « Une voix masculine profonde et résonante » * « Un genre neutre, doux et de hauteur moyenne » #### Accent L'accent joue un rôle essentiel dans la définition de l'identité régionale, culturelle et émotionnelle d'une voix. Si votre projet dépend d'un son authentique, ancré dans le réalisme ou stylisé pour un personnage, il est indispensable d'indiquer clairement et précisément l'accent souhaité. Le choix des termes compte : certains produisent des résultats plus homogènes. Par exemple, « prononcé » donne souvent de meilleurs résultats que « fort » pour décrire l'intensité d'un accent. Il faut procéder par essais et erreurs ; nous vous encourageons à expérimenter les formulations et à être aussi créatif et descriptif que possible. > **Warning** > > Soyez prudent avec le mot « accent » : si vous désignez des schémas d'intonation ou d'accentuation plutôt > qu'un dialecte régional, utilisez plutôt ces termes. Employer « accent » pour désigner l'intonation peut entraîner > des changements de dialecte indésirables. * **Exemples d'invites d'accent claires :** * « Un homme d'âge mûr avec un accent français prononcé » * « Une jeune femme avec un léger accent du Sud des États-Unis » * « Un vieil homme avec un fort accent d'Europe de l'Est » * « Une femme joyeuse parlant avec un accent britannique net » * « Un homme jeune avec une légère intonation irlandaise » * « Une voix autoritaire avec un accent américain neutre » * « Un homme avec un accent régional australien, détendu et nasillard » Évitez les descripteurs trop vagues comme « étranger » ou « exotique » : ils manquent de précision et peuvent produire des résultats inconstants. Associez l'accent à d'autres caractéristiques, telles que le ton, l'âge ou le rythme, pour plus de contrôle. Par exemple : « Une vieille femme sarcastique avec un fort accent new-yorkais, parlant lentement. » Pour les voix fantastiques ou fictives, vous pouvez proposer des accents réels comme source d'inspiration : * « Un elfe avec un véritable accent britannique prononcé. Il est royal et lyrique. » * « Un gobelin avec un accent rauque d'Europe de l'Est. » ### Rythme Le rythme désigne la vitesse et la cadence auxquelles une voix parle. C'est un élément clé pour façonner la personnalité, le ton émotionnel et la clarté de la voix. Il est essentiel d'être explicite sur le rythme, surtout lors de la conception de voix destinées à des cas d'usage spécifiques comme la narration, la publicité, les dialogues de personnages ou le contenu pédagogique. Décrivez clairement à quelle vitesse la voix doit parler. Vous pouvez également décrire la sensation du rythme : régulier, erratique, délibéré ou léger. Si le rythme change, indiquez où et pourquoi. **Exemples de descripteurs de rythme :** * « Parle rapidement » / « à un rythme rapide » * « À un rythme normal » / « parle normalement » * « Parle lentement » / « avec un rythme lent » * « Rythme délibéré et mesuré » * « Étire les mots, comme si chaque mot était savouré » * « Avec une cadence précipitée, comme si la personne était pressée » * « Rythme détendu et conversationnel » * « Rythme musical et cadencé » * « Rythme erratique, avec des pauses brusques et des accélérations » * « Rythme régulier, avec un intervalle constant entre les mots » * « Élocution staccato » ### Texte à prévisualiser Une fois votre invite vocale bien rédigée, le texte utilisé pour prévisualiser cette voix joue un rôle déterminant dans son rendu réel. Le texte d'aperçu agit comme un script d'interprétation : il définit le ton, le rythme et l'expression émotionnelle que la voix tentera de reproduire. Pour obtenir les meilleurs résultats, votre texte d'aperçu doit compléter la description de la voix, sans la contredire. Par exemple, si votre invite décrit « une jeune voix féminine calme et réfléchie avec un léger accent japonais », utiliser une phrase telle que « Hé ! Je ne supporte pas ce que tu as fait de cet endroit !!! » ira à l'encontre de cette intention. Le modèle tentera de concilier ce décalage, ce qui conduit souvent à des résultats peu naturels ou incohérents. Utilisez plutôt un exemple de texte qui reflète la personnalité et le ton émotionnel visés pour la voix. Pour l'exemple ci-dessus, une phrase telle que « Ces derniers temps, c'était calme... J'ai eu le temps de réfléchir, et c'est peut-être ce dont j'avais le plus besoin. » soutient l'invite et aide à générer une voix plus naturelle et cohérente. Nous avons également constaté que des textes d'aperçu plus longs tendent à produire des résultats plus stables et expressifs. Les phrases courtes peuvent parfois sembler abruptes ou incohérentes, surtout lors de l'évaluation de qualités subtiles comme le ton ou le rythme. Donner davantage de contexte au modèle, une phrase complète ou même un court paragraphe, lui permet de fournir une représentation plus fluide et précise de la voix. ### Paramètres #### Volume Contrôle le volume de la génération Text to Preview, puis celui de la voix une fois enregistrée. #### Échelle de guidage Détermine à quel point l'invite est respectée. Des valeurs élevées respecteront plus strictement l'invite, mais peuvent dégrader la qualité audio si elle est très spécifique, tandis que des valeurs faibles laisseront davantage de liberté créative au modèle au détriment de la précision de l'invite. Utilisez une valeur faible si l'interprétation et la qualité audio sont globalement plus importantes que le respect parfait de l'invite. Des valeurs élevées sont recommandées lorsque la précision de l'accent ou du ton est primordiale. ### Attributs et exemples > **Note** > > Expérimentez la manière de rédiger ces descripteurs. Par exemple, « Qualité audio parfaite » > peut aussi s'écrire « la qualité audio est parfaite ». Ces formulations peuvent parfois produire > des résultats différents ! | Attribut | Exemples | | ----------------------- | ---------------------------------------------------------------------------------------------------- | | Âge | Jeune, plus jeune, adulte, vieux, âgé, dans la quarantaine | | Accent | Accent écossais « prononcé », accent américano-asiatique « léger », accent du Sud des États-Unis | | Genre | Homme, femme, genre neutre, genre ambigu | | Ton/timbre/hauteur | Grave, chaud, rauque, doux, strident, velouté, éraillé, nasillard, guttural, rude, robotique, éthéré | | Rythme | Cadence normale, rapide, rapidement, lentement, étiré, rythme calme, rythme naturel/conversationnel | | Qualité audio | Qualité audio parfaite, qualité audio « correcte », mauvaise qualité audio | | Personnage / profession | Pirate, homme d'affaires, agriculteur, politicien, thérapeute, ogre, être divin, présentateur TV | | Émotion | Énergique, enthousiaste, triste, émotif, sarcastique, pince-sans-rire | | Hauteur | Grave, aiguë, hauteur normale | ### Exemples de prompts et aperçus de texte | Type de voix | Prompt/Description | Aperçu du texte | Niveau de guidage | | :--------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------- | | Commentatrice sportive | Une commentatrice sportive énergique, avec un fort accent britannique, qui commente avec passion un match de football action par action, à un rythme très rapide. Sa voix est vive, enthousiaste et totalement plongée dans l'action. | OH LÀ LÀ, QUEL BUT ! Elle récupère le ballon juste après le milieu de terrain, élimine DEUX défenseuses comme si elles n'étaient même pas LÀ, et l'EXPÉDIE dans la lucarne ! La gardienne n'avait AUCUNE CHANCE ! C'est du NIVEAU MONDIAL de la part de la jeune attaquante, et le public est DEBOUT ! Ce match vient de S'EMBALLER, et vous pouvez SENTIR que la dynamique est en train de CHANGER ! | 25 % | | Instructeur militaire | Un instructeur militaire qui crie sur son équipe de soldats. Il semble en colère et parle rapidement. | ÉCOUTEZ-MOI, bande de bons à rien ! Je ne suis pas venu ici pour vous garder, je suis venu pour FORMER DES SOLDATS ! Vous bougez quand je vous dis de bouger, et vous respirez quand je vous dis de respirer ! Vous avez dix secondes pour vous mettre en rang, sinon vous allez le regretter !! | 25 % | | Ogre maléfique | Un immense ogre maléfique qui parle rapidement. Son ton est ridicule et résonnant. | « Vos armes ne sont pour moi que des cure-dents. \[laughs] Rendez-vous maintenant et je vous accorderai peut-être une fin rapide. J'ai renversé des royaumes et dévoré des armées. Quel espoir avez-vous contre moi ? » | 30 % | | Entrepreneur britannique attachant | Excellente qualité audio. Un homme entre 30 et 40 ans, avec un fort accent britannique, qui parle à un rythme naturel comme s'il s'adressait à un ami. | \[laughs] Vous voyez, c'est ça. VOUS, vous voyez une entreprise, tandis que moi, je vois... \[lip smacks] je vois une promesse, vous voyez ce que je veux dire ? \[exhales] On ne construit pas seulement pour faire du profit, on construit pour, pour ÉLEVER LES AUTRES ! Si notre technologie ne laisse pas le monde plus bienveillant, plus intelligent et plus connecté que nous l'avons trouvé… \[sighs] alors qu'est-ce qu'on fait ici, au juste ? | 40 % | | Femme du Sud | Une femme âgée avec un fort accent du Sud des États-Unis. Elle est douce et sarcastique. | « Eh bien, ma belle, si tout ce qu'on fait, c'est courir après les titres et les trophées, on va passer à côté de l'essentiel. \[light chuckle] Je préférerais construire quelque chose qui facilite la vie des gens, et si je peux le faire en talons, avec le sourire et une pointe d'impertinence, c'est encore mieux. » | 35 % | | Voix de bande-annonce | Voix dramatique, utilisée pour susciter l'attente dans les bandes-annonces de films, généralement associée aux films d'action ou aux thrillers | « Dans un monde au bord du chaos, un héros se lèvera. Préparez-vous à une histoire aux proportions épiques, bientôt sur grand écran. » | 20 % | | Souris qui couine | Une adorable petite souris qui couine | « Je suis peut-être petite, mais mon caractère ne l'est pas du tout ! \[giggles] Attention où vous mettez vos grands pieds, ou je vais vous croquer les orteils, et vous ne l'oublierez pas ! » | 20 % | | Pirate en colère | Un vieux pirate en colère, bruyant et tonitruant | « J'ai affronté des tempêtes qui vous blanchiraient les cheveux et des monstres marins qui vous feraient trembler les genoux. Vous pensez pouvoir vous en prendre au capitaine Blackheart et vivre pour raconter l'histoire ? » | 30 % | | New-Yorkais | Accent new-yorkais prononcé, grave et rauque, dur et désabusé, souvent cynique | « J'arpente ces rues depuis plus longtemps que vous ne pouvez l'imaginer, gamin. Il n'y a plus rien que vous puissiez dire ou faire qui puisse encore me surprendre. » | 40 % | | Agent de support espagnole | Espagnol natif, espagnol européen (sans traits d'espagnol latino-américain). Femme, 35 à 40 ans. Qualité correcte. Persona : opératrice de support fiable. Émotion : rassurante, attentive, confiante. | Timbre fluide et naturel, avec une intonation douce, une proximité marquée et un signal sans bruit. Communique les mises à jour à un rythme détendu, en mettant clairement l'accent sur les informations utiles, tout en projetant empathie et professionnalisme. | 30 % | | Service client arabe | Arabe natif, légère influence de l'accent du Golfe (EAU). Femme, 30 à 40 ans. Excellente qualité. Persona : agente professionnelle du service client. Émotion : chaleureuse, confiante, polie. | Timbre velouté, ton calme, rythme mesuré et intonation douce, tout en conservant une proximité avec le microphone pour un signal haute fidélité sans artefacts. Présence claire et légère emphase sur les formules adaptées aux clients afin de garantir une compréhension aisée. | 35 % | | Narrateur créatif polonais | Polonais natif. Homme, 48 à 58 ans. Excellente qualité. Persona : rêveur créatif. Émotion : curieuse, douce, invitante. | La voix est fluide et sans artefacts, avec une texture chaleureuse et engageante ainsi qu'un rythme constant, délivrée avec une proximité naturelle. Une intonation lumineuse et une emphase précise guident l'auditeur à travers le récit. | 32 % | | Savant fou | La voix d'un génie scientifique excentrique, au débit rapide et erratique qui s'accélère avec l'excitation. Son accent teinté d'allemand devient plus prononcé lorsqu'il s'agite. La hauteur varie fortement, des murmures contemplatifs aux exclamations maniaques, avec de fréquents accès de rire dément. | « Je suis le docteur Heinrich, génie révolutionnaire rejeté par l'establishment scientifique étroit d'esprit ! Bah ! Ils ont qualifié mes théories d'impossibles, mes méthodes de contraires à l'éthique, mais qui rit maintenant ? (rire maniaque) Depuis vingt ans, j'ai perfectionné ma création dans ce laboratoire de montagne, en maîtrisant des énergies qui dépassent la compréhension des mortels ! Les imbéciles de l'académie regretteront leurs moqueries lorsque mon déstabilisateur quantique révélera le multivers. Ou peut-être de nouvelles formes de vie... l'expérience comporte certaines variables imprévisibles... FASCINANTES ! » | 38 % | ## FAQ #### Qu'est-ce que Voice Design ? Voice Design vous permet de créer une voix unique à partir d'un prompt textuel. Cette fonctionnalité est conçue pour vous aider lorsque vous ne trouvez pas la voix exacte dont vous avez besoin dans notre Voice Library. Au lieu de choisir parmi les options existantes, vous pouvez désormais générer une voix personnalisée en la décrivant avec vos propres mots. Pour commencer, saisissez simplement un prompt décrivant la voix souhaitée. Vous pouvez inclure des détails tels que l'accent, le genre, le rythme, le ton et le style de parole. Plus votre prompt est précis, plus la voix correspondra à votre intention. En cas de doute, un prompt simple comme « un narrateur calme » fonctionne également. Les voix créées avec Voice Design fonctionnent avec [Eleven v4](/docs/fr/overview/capabilities/text-to-speech/eleven-v4), notre modèle le plus récent, ainsi qu'avec des modèles antérieurs, dont Eleven v3. Elles prennent en charge les balises audio. Avec Eleven v4, elles peuvent être moins expressives qu'avec les modèles antérieurs. Pour plus de conseils sur la rédaction de prompts efficaces, consultez notre [guide Voice Design.](/docs/fr/creative-platform/voices/voice-design) **Remarque :** Voice Design est encore expérimental. Les clones vocaux professionnels offrent la meilleure qualité et la meilleure cohérence. Si vous trouvez un PVC qui répond à vos besoins, nous vous recommandons de l'utiliser. Les clones vocaux professionnels sont entièrement pris en charge par [Eleven v4](/docs/fr/overview/capabilities/text-to-speech/eleven-v4). Ils ne sont pas entièrement optimisés pour Eleven v3. #### Quels types de voix puis-je créer avec Voice Design ? Voice Design peut générer un large éventail de voix, des voix réalistes et proches de l'humain aux voix plus créatives de type personnage. Si vous ne savez pas par où commencer, essayez un prompt simple comme « présentatrice de journal d'âge moyen ». Toutefois, des prompts plus détaillés produisent généralement des résultats plus précis et nuancés. Vous pouvez inclure diverses caractéristiques dans votre prompt, telles que : * l'âge * le genre * l'accent * le ton * le rythme * l'émotion * le style de parole * la qualité audio Deux contrôles supplémentaires vous aident à façonner le résultat : * **Volume** ajuste le volume de l'aperçu et de la voix enregistrée. * **Échelle de guidage** détermine dans quelle mesure la voix générée suit votre prompt. Pour obtenir plus d'aide dans la rédaction de vos prompts, consultez notre [guide Voice Design](/docs/fr/product/voices/voice-lab/voice-design). #### Combien coûte Voice Design ? Voice Design consomme des crédits uniquement lorsque vous générez des voix. Chaque fois que vous cliquez sur **Générer une voix**, nous créons trois options vocales à partir de votre prompt. Le montant facturé dépend du nombre de caractères dans votre texte d'aperçu. Vous pouvez saisir votre propre texte d'aperçu ou utiliser le bouton **Générer automatiquement** pour en créer un automatiquement. Les aperçus générés automatiquement incluent des balises audio pertinentes. Pour en savoir plus, consultez notre [guide Voice Design.](/docs/fr/product-guides/voices/voice-design)