Écrivez le scénario, distribuez les rôles avec des voix de synthèse vocale, puis ajoutez une bande-son et des effets sonores pour chaque scène. Tout se passe dans un même espace de travail : vous écoutez un épisode brut dans l'après-midi et ne refaites que les répliques qui sonnent faux.
Une fiction sonore est un film dont on a retiré l'image : tout ce que faisait la caméra revient désormais à un son. Les voix portent les personnages, la musique porte l'ambiance et un claquement de porte doit dire à l'auditeur qu'il se trouve dans un couloir. L'IA peut aujourd'hui fournir ces trois couches à partir d'un scénario que vous écrivez : une distribution de voix, une bande-son et des effets ponctuels. Cette page explique quoi utiliser pour chaque couche, comment les assembler et où vous aurez encore besoin d'un éditeur audio.
La fiction audio a toujours eu un problème d'effectifs. Une scène avec quatre personnages, un orage et un escalier qui grince demande traditionnellement des comédiens, un studio, une table de bruitage et quelqu'un pour tout mixer. C'est pourquoi la plupart des gens qui écrivent de bons dialogues ne les entendent jamais interprétés. Les modèles de synthèse vocale lèvent le premier obstacle : vous collez une réplique, choisissez une voix et recevez une interprétation, et vous pouvez recommencer autant de fois que le scénario l'exige sans caler l'agenda de personne.
Picasso IA réunit les pièces au même endroit. Le catalogue compte 502 modèles, dont 24 de synthèse vocale et 10 de musique par IA, et le toolkit est l'espace de travail où vous en choisissez un, écrivez un prompt ou joignez un fichier, puis générez. Les nouveaux comptes reçoivent des crédits gratuits, donc tester une scène ne coûte rien au départ, et la page des tarifs explique comment les crédits se dépensent une fois épuisés.
L'avantage réel, c'est la vitesse d'itération côté écriture. Un scénario qui se lit bien sur la page s'effondre souvent quand il est dit à voix haute : une réplique est trop longue, deux personnages ont la même voix, une blague réclame un silence. L'écoute révèle tout cela en quelques minutes.
Le dialogue est la couche que l'auditeur juge le plus sévèrement, commencez donc par là. Deux modèles du catalogue conviennent bien au drame, et ils se comportent assez différemment pour qu'il vaille la peine de tester les deux sur la même scène.
elevenlabs/v3 propose une longue liste de voix nommées, un contrôle de vitesse, un réglage de style qui fait passer la diction d'une narration neutre à quelque chose de plus théâtral, et un réglage de stabilité destiné à garder une voix identique sur un long scénario. Il accepte aussi le texte qui précède et celui qui suit la réplique en cours, ce qui aide l'intonation du début et de la fin d'une phrase à avoir du sens en contexte. inworld/tts-1.5-max fonctionne avec des balises placées dans le scénario lui-même : des étiquettes comme [happy] ou [sad] orientent l'émotion d'une réplique, [laugh] et [sigh] ajoutent des sons non verbaux et les balises de pause placent les silences exactement où vous le voulez. Il permet aussi de choisir des voix prédéfinies par leur nom.
Quel que soit votre choix, attribuez une voix à chaque personnage et notez-la. Une fiche de distribution avec le personnage, le modèle, le nom de la voix et les réglages est le document le plus utile de tout le projet, car vous régénérerez des répliques plus tard et devrez retrouver ce que vous aviez fait le premier jour. Donnez au narrateur une voix nettement différente de celle de tous les personnages.
Si vous voulez qu'un personnage utilise votre propre voix, la page sur le clonage de voix l'explique, et cela ne vaut que pour une voix qui est la vôtre ou que vous avez le droit d'utiliser. Les personnages fictifs reçoivent des voix fictives, jamais l'imitation d'une personne réelle identifiable.
La musique et les effets sont deux métiers distincts, et le catalogue les traite séparément. Pour la bande-son, des modèles musicaux comme elevenlabs/music, stability-ai/stable-audio-2.5 et google/lyria-3 transforment une description écrite en morceau. elevenlabs/music offre un interrupteur instrumental et une durée cible, exactement ce qu'il faut pour un fond qui reste sous le dialogue. Demandez une ambiance, quelques instruments et une durée, et laissez les voix chantées de côté pour que la musique ne rivalise jamais avec un personnage qui parle.
Les effets sonores sont moins directs. Le catalogue n'a aucun modèle conçu uniquement pour passer du texte à l'effet sonore, vous avez donc deux voies. stability-ai/stable-audio-2.5 compte des effets courts parmi ses résultats, il vaut donc la peine de décrire un seul événement, comme une lourde porte en bois qui se ferme. L'autre voie part de l'image : mirelo/video-to-sfx-v1.5 et zsxkib/mmaudio lisent un clip vidéo et génèrent un son qui correspond à ce qui s'affiche. Cela ne vous sert que si la scène existe déjà en vidéo, mais c'est pratique si vous préparez aussi une version visuelle. Pour en savoir plus sur cette voie, voyez comment ajouter des effets sonores à des vidéos IA muettes.
| Couche | Modèles à essayer | Ce que vous fournissez | Points de vigilance |
|---|---|---|---|
| Dialogue | elevenlabs/v3, inworld/tts-1.5-max | Une réplique, une voix, une note de jeu | La voix peut varier d'une génération à l'autre |
| Narration | elevenlabs/v3, inworld/tts-1.5-max | Un court passage avec une voix distincte | Les longs passages peuvent demander un découpage |
| Bande-son | elevenlabs/music, google/lyria-3 | Ambiance, instruments, durée, instrumental activé | La musique ignore où tombent vos répliques |
| Effets ponctuels | stability-ai/stable-audio-2.5 | Un seul événement sonore par prompt | Les résultats varient, générez-en plusieurs |
| Effets synchronisés | mirelo/video-to-sfx-v1.5, zsxkib/mmaudio | Un clip vidéo de la scène | Il faut une image, et cela marche sur des clips courts |
Prévoyez un premier épisode court. Deux ou trois personnages et un seul décor suffisent pour apprendre tout le processus avant de voir plus grand.
L'erreur la plus courante consiste à générer une scène entière d'un seul coup. Un unique long bloc de texte vous donne une seule interprétation et aucun contrôle sur qui sonne comment. Générez chaque réplique séparément, pour pouvoir refaire une mauvaise prise sans toucher au reste et pour que les pauses entre les personnages soient les vôtres, pas celles du modèle.
La deuxième est d'écrire pour l'œil. Les modèles lisent la ponctuation comme du jeu, si bien qu'un mur de virgules donne une diction essoufflée, alors que des phrases courtes laissent la voix atterrir. Lisez votre scénario à voix haute une fois avant de générer quoi que ce soit et supprimez toute réplique sur laquelle vous butez. Un personnage ne peut pas non plus accomplir une action qui n'existe qu'entre crochets : transformez-la en son ou en réplique.
La troisième est d'enterrer le dialogue. Une musique générée à pleine énergie noie une voix calme, et cela se joue au mixage, où la correction n'est facile que si les pistes sont séparées. Gardez chaque couche dans son propre fichier et demandez une musique instrumentale à l'arrangement posé.
Astuce : une seule chose par prompt d'effet et une seule voix par fichier. Un claquement de porte propre que vous placez où vous voulez vaut mieux qu'une longue génération mêlant porte, pas et vent que vous ne pourrez plus séparer.
Ce flux donne un montage brut convaincant, et parfois un épisode publiable, mais il a de vraies limites à connaître avant de consacrer des semaines à une série.
L'IA s'occupe de l'interprétation et de la matière première; vous vous occupez de la structure, du rythme et de la finition.
Elle peut générer les voix, la musique et les effets, mais elle ne les assemble pas pour vous. Vous écrivez le scénario, générez chaque réplique, ajoutez une bande-son et des effets, puis arrangez les fichiers sur des pistes dans un éditeur audio. Picasso IA est la distribution et la bibliothèque de sons ; l'éditeur est la table de mixage. Un court épisode avec deux ou trois personnages est un premier objectif réaliste.
Choisissez une voix par personnage et ne la changez pas en cours de route. Gardez aussi les réglages fixes : avec elevenlabs/v3, cela inclut les contrôles de stabilité et de similarité, et avec inworld/tts-1.5-max, la même voix prédéfinie et la même vitesse de parole. Générez les répliques dans la même session quand vous le pouvez. Si une réplique sonne encore faux, régénérez-la seule plutôt que de refaire la scène.
Aucun n'est le meilleur partout, testez donc les deux sur votre scène la plus difficile. elevenlabs/v3 offre beaucoup de voix nommées et un contrôle de style pour une diction plus théâtrale. inworld/tts-1.5-max permet d'écrire l'émotion et les sons non verbaux directement dans le scénario avec des balises. Choisissez à l'oreille pour vos personnages et gardez un modèle par personnage pour éviter les décalages. Le catalogue compte 24 modèles de synthèse vocale si aucun ne convient.
Aucun modèle du catalogue n'est conçu uniquement pour cela, mais stability-ai/stable-audio-2.5 compte des effets courts parmi ses résultats, il vaut donc la peine de décrire un événement sonore par prompt. Les résultats varient, générez plusieurs versions et gardez la meilleure. Si vous avez la scène en vidéo, mirelo/video-to-sfx-v1.5 et zsxkib/mmaudio génèrent des effets qui correspondent à l'image.
Oui. Des modèles musicaux comme elevenlabs/music, stability-ai/stable-audio-2.5 et google/lyria-3 créent des morceaux à partir d'une description. Pour un drame, demandez un instrumental à l'arrangement posé et d'une durée qui couvre la scène, puis baissez son volume sous les voix au mixage. Générez plusieurs options par scène.
Oui, pour tout épisode comportant plus d'une couche. Picasso IA génère les voix, la musique et les effets sous forme de fichiers séparés, mais ne les place pas sur une ligne de temps. Un éditeur gratuit suffit pour couper, placer les pistes, régler les volumes, faire entrer et sortir la musique en fondu et exporter le fichier final. Ce qu'il faut, c'est savoir écouter, plus que des connaissances techniques.
Oui, si la voix est la vôtre ou si son propriétaire vous en a donné clairement l'autorisation. Le clonage de voix est présenté sur la page du clonage de voix par IA. Ne clonez ni n'imitez jamais une personne réelle sans son consentement, et réservez les voix clonées à des personnages que vous maîtrisez. Les personnages fictifs peuvent simplement utiliser les voix prédéfinies proposées par les modèles.
Assez courte pour être terminée. Quelques minutes avec deux ou trois personnages et un seul décor permettent de tester les voix, la bande-son et le mixage sans que le projet vous échappe. Quand il sonne juste, vous avez un processus reproductible et une fiche de distribution.
Souvent oui, mais vérifiez les exigences actuelles de la plateforme où vous publiez, car les hébergeurs de podcasts, les sites vidéo et les services de streaming ont chacun leurs règles sur l'audio généré par IA et sur sa mention. Vérifiez aussi les conditions de chaque modèle utilisé. Gardez vos personnages fictifs et créditez honnêtement la production si la plateforme le demande.
Cela dépend des modèles et des réglages choisis et du nombre de prises générées, car chaque génération consomme des crédits. Le dialogue pèse le plus, puisqu'il est généré réplique par réplique. Les nouveaux comptes démarrent avec des crédits gratuits, et la page des tarifs est le seul endroit où consulter les offres actuelles.
Prêt à entendre votre scénario à voix haute ? Ouvrez le toolkit de Picasso IA, choisissez une voix et générez la première réplique de votre première scène.
Choisissez votre langue
