Une voix par personnage : Voice Design en trois propositions

Pourquoi c'est la première chose à soigner

Ferme les yeux et écoute une scène du bar « Pressé ! » : Kiwix murmure, lent et velouté ; Pêche hésite et tremble ; Mangue coupe ses phrases au couteau. Tu sais qui parle sans voir l'image. C'est ça, un bon casting de voix : chaque personnage est reconnaissable en deux mots, et les voix ne se ressemblent pas entre elles.

Pour SerialKiwix, on n'a pris aucune voix « sur étagère ». Les 15 voix de la série ont été créées avec Voice Design d'ElevenLabs (modèle de conception eleven_ttv_v3) : on décrit la voix par écrit, ElevenLabs en propose trois, on choisit. Toutes parlent un français natif.

Le casting contrasté

Voici une partie de notre casting. Regarde surtout les deux dernières colonnes : la hauteur et le débit ne se répètent presque jamais.

Personnage	Rôle	Hauteur	Débit	Texture et attitude
Kiwix	barman, tueur la nuit, ~45 ans	grave	très lent	velouté, presque chuchoté, poli mais glaçant
Pêche	voisine insomniaque, ~25 ans	moyenne-aiguë	hésitant	douce, tremblante, s'excuse tout le temps
Mangue	lieutenante d'élite, ~30 ans	moyenne-grave	sec	ferme, froide, phrases courtes et tranchantes
Ananas	commissaire à 12 jours de la retraite, ~60 ans	très grave	lent	rocailleux, épuisé, soupire entre les phrases
Myrtille	stagiaire, ~20 ans	aiguë	très rapide	pétillante, maladroite, un peu essoufflée
Citron	technicien hypocondriaque, ~40 ans	aiguë	rapide	nasale, pincée, toujours en train de se plaindre
Coco	médecin légiste, ~70 ans	grave	lent	monocorde, humour noir très sec

✅ À retenir : avant de créer une voix, place-la sur deux axes, grave ↔ aigu et lent ↔ rapide. Si deux personnages qui se parlent tombent dans la même case, change l'un des deux.

Étape 1 — La description (en anglais)

Voice Design comprend mieux une description en anglais. Notre structure, toujours la même :

<qui : genre, âge> speaking native French [with a <accent> accent].
<timbre>, <débit>, <attitude>, <le rôle en une image>. Studio quality.

Deux descriptions réelles, mot pour mot :

Middle-aged French man speaking native French with a Parisian accent. Deep, velvety,
low voice, very calm, slow and elegant diction, almost whispering, polite but
chilling, like a refined psychopath narrating his own thriller. Intimate close-mic
studio quality.

Young French woman in her twenties speaking native French. Soft, gentle, sweet voice,
shy and hesitant, slightly trembling, apologetic, a timid insomniac neighbor.
Studio quality.

Ce qui fait la différence :

• « speaking native French » : sans ça, tu risques un accent anglais sur du français.
• Des adjectifs concrets (deep, raspy, nasal, breathy) plutôt que « scary » ou « funny », qui ne disent rien du son.
• Le rôle en une image (« an exhausted police commissioner a few days from retirement ») : c'est souvent ce qui donne le jeu.
• « Studio quality » ou « close-mic » : une voix propre, sans écho de pièce.

⚠️ Piège : ne décris jamais une vraie personne (« la voix de tel acteur »). En plus d'être refusé ou approximatif, ça pose un problème de droit à l'image et à la voix. Décris un timbre, pas une célébrité.

Étape 2 — Le texte test (au moins 100 caractères)

Voice Design a besoin d'un texte à faire lire pour fabriquer ses propositions, et il en exige au moins 100 caractères. Ne mets pas un « Bonjour, je m'appelle… » : écris quelque chose que le personnage dirait, avec son tic. La voix générée « joue » ce texte, et tu juges sur pièce.

Les vrais textes tests de la série :

Personnage	Texte test	Longueur
Pêche	« Pardon… désolée de vous déranger. Je crois que j'ai vu quelque chose, cette nuit. Une ombre… toute poilue. D-d-désolée, j'ai un peu peur. »	137 caractères
Myrtille	« Chef ! Chef ! Chef ! J'ai trouvé un truc ! Oups… Pardon ! C'est exactement comme dans mon podcast de tueurs en série, c'est trop génial ! Enfin… trop triste. »	157 caractères
Mangue	« Il ne tue pas au hasard. Il choisit. Faux, commissaire. Relisez le dossier. Un jus de kiwi, s'il vous plaît. Bien pressé. »	121 caractères

Remarque : un texte test réussi mélange deux émotions (Myrtille : excitée puis gênée ; Mangue : sèche puis ironique). Tu entends tout de suite si la voix sait passer de l'une à l'autre.

💡 Astuce : glisse dans le texte test les sons qui reviendront dans la série : le bégaiement de Pêche (« D-d-désolée »), les « Chef ! » répétés de Myrtille, la commande rituelle de Mangue. Si la voix les rate au casting, elle les ratera dans l'épisode.

Étape 3 — Trois propositions, une écoute à l'aveugle

Voice Design renvoie trois propositions pour une même description. Notre façon de choisir :

1. Écoute les trois sans relire la description. Laquelle « est » le personnage ?
2. Réécoute-la juste après les voix déjà choisies des personnages qui partagent ses scènes. Si elle se confond avec l'une d'elles, prends-en une autre ou reformule.
3. Si aucune ne va, change un ou deux adjectifs et relance. Ne garde pas une voix « à peu près ».

Pour info, la première proposition n'est pas toujours la bonne : chez nous, Pêche, Mangue, Fraise et Ananas sont des propositions n° 1, mais Myrtille, Cerise, Mamie Raisin et Gaston sont des n° 3, Bruno et Josette des n° 2.

Si tu automatises (on le fait avec un petit script), c'est l'appel POST /v1/text-to-voice/design de l'API d'ElevenLabs avec la description, le texte test, model_id: "eleven_ttv_v3" et guidance_scale: 5 ; puis POST /v1/text-to-voice avec l'identifiant de la proposition choisie pour l'enregistrer dans ta bibliothèque. La clé d'API va dans un fichier .env, jamais dans un script partagé ni dans une conversation.

Étape 4 — Ranger son casting

Chaque voix retenue est enregistrée dans la bibliothèque ElevenLabs sous un nom à préfixe (« SK - Kiwix », « SK - Peche »…), et notée dans une fiche de casting :

Champ	Exemple
Nom dans la bibliothèque	SK - Peche
Description (anglais)	la description complète, pour pouvoir la refaire
Texte test	le texte de l'étape 2
Proposition retenue	1
Échantillon de référence	Peche_voix_reference.mp3

L'échantillon de référence sert à réécouter la voix avant d'écrire un nouvel épisode, à la faire valider, et plus tard à la cloner en local si besoin (leçon 3).

Combien d'emplacements, combien ça coûte

L'abonnement Creator d'ElevenLabs donne 30 emplacements de voix : on en utilise 15, il en reste 15 pour les prochains projets. Une voix peut servir deux fois : Bertrand la Banane, frère jumeau de Bruno (E04), parle avec la voix de Bruno, et c'est voulu.

Côté prix, relevé sur la page des tarifs d'ElevenLabs le 31/10/2026 (à vérifier, la page affichait aussi des prix promotionnels) : Creator à 22 $/mois (premier mois réduit), 121 000 crédits par mois annoncés comme ≈ 121 minutes de voix, 30 emplacements, licence commerciale incluse ; les formules payantes plus petites ont moins d'emplacements (10 pour Starter). La formule gratuite n'inclut pas de licence commerciale.

La checklist casting

• ☐ Chaque personnage placé sur les axes grave/aigu et lent/rapide
• ☐ Description en anglais avec « speaking native French » et le rôle en une image
• ☐ Texte test ≥ 100 caractères, écrit dans la bouche du personnage, avec son tic
• ☐ Trois propositions écoutées, la gagnante réécoutée à côté des autres voix
• ☐ Voix nommée avec un préfixe de projet et notée dans la fiche de casting
• ☐ Échantillon de référence rangé avec la fiche du personnage

Ce que la suite t'apporte

Tu as un casting. Il reste à le faire jouer : les balises d'émotion de v3 et le nettoyage des répliques (leçon 2), l'alternative gratuite en local avec OmniVoice et ses conditions (leçon 3), puis tout ce qui entoure les voix : bruitages calés à l'image près (leçon 4), musique (leçon 5), mixage à −14 LUFS (leçon 6) et sous-titres lisibles sur téléphone (leçon 7).