Langues et Synthèse Multilingue

Leçon corrigée le 3 novembre 2026 d’après la page Text to Speech de xAI : la documentation actuelle ne décrit pas de « code-switching » à l’intérieur d’une phrase, que l’ancienne version présentait comme acquis ; la correction de prononciation passe par la table replace, documentée, qui accepte aussi l’alphabet phonétique international. Source : Text to Speech.

Vingt langues pour une audience mondiale

Le TTS de Grok couvre vingt langues, chacune avec ses accents et ses prononciations naturelles. La conséquence pratique est simple : une application audio destinée à un public international n’a plus besoin de jongler entre plusieurs fournisseurs de synthèse vocale, avec les écarts de qualité et les contrats séparés que cela suppose. Une même intégration, un même format de requête, et vous passez du français au japonais en changeant un seul paramètre.

Cette couverture pèse aussi sur la conception de vos produits. Une plateforme de e-learning qui publiait ses modules audio uniquement en anglais peut les décliner en dix langues sans réenregistrer un seul comédien, et sans renégocier de droits de voix.

Les langues supportées

Déclarer la langue de chaque requête

Le paramètre language est obligatoire : aucune requête TTS ne part sans lui. Vous indiquez soit un code BCP-47 explicite, soit la valeur auto qui laisse le modèle déduire la langue à partir du texte fourni.

{
  "text": "Bonjour, comment allez-vous aujourd'hui ?",
  "voice_id": "ara",
  "language": "fr"
}

La détection automatique rend service quand la langue de l’utilisateur n’est pas connue à l’avance : un formulaire de contact ouvert à tous, un flux de commentaires, un chatbot international. Elle reste néanmoins une inférence, et une inférence se trompe. Sur une phrase de trois mots, ou sur un texte mêlant deux langues dès la première ligne, le modèle peut choisir le mauvais profil phonétique et vous livrer un français prononcé à l’anglaise. Chaque fois que vous connaissez la langue, écrivez-la : le résultat est plus fiable.

Les mots étrangers dans une phrase

Un texte français parsemé de termes anglais se déclare en "fr". La documentation actuelle de xAI ne décrit pas de bascule de prononciation à l’intérieur d’une phrase : écoutez donc comment sortent vos termes étrangers, et corrigez ceux qui posent problème avec la table replace.

{
  "text": "Notre équipe déploie sur Kubernetes avec kubectl.",
  "voice_id": "rex",
  "language": "fr",
  "replace": {"kubectl": "kube cuttle"}
}

Chaque clé de replace est remplacée par sa valeur avant la synthèse : seul l’audio change, le texte envoyé et facturé reste le vôtre. La valeur peut être une graphie phonétique ou de l’API (alphabet phonétique international) écrite entre barres obliques, que le modèle lit directement. xAI cite précisément ce cas : les termes dont la prononciation relève de l’usage plutôt que de l’orthographe, comme nginx ou kubectl. La table accepte jusqu’à 200 entrées, avec des clés de 100 caractères au plus, sans ponctuation ni symboles.

Les variantes régionales

L’espagnol, le portugais et l’arabe existent en plusieurs variantes, et le choix n’est pas cosmétique : il touche la prononciation, l’intonation et une partie du vocabulaire. Entre es-ES et es-MX, vous arbitrez entre l’intonation et le lexique castillans d’un côté, mexicains de l’autre. Entre pt-BR et pt-PT, l’écart de prononciation est immédiatement perceptible pour un locuteur natif. Pour l’arabe, ar-EG, ar-SA et ar-AE correspondent aux registres égyptien, saoudien et émirati.

Prenez systématiquement la variante de votre public cible. Un tutoriel destiné au marché mexicain narré en castillan produit le même effet qu’une publicité française doublée avec un accent québécois : cela s’écoute, mais l’auditeur remarque que le contenu n’a pas été pensé pour lui.

Les réflexes qui évitent les mauvaises surprises

Un seul code langue par requête, celui de la langue principale. Un texte français parsemé de termes anglais se déclare "fr", et vous corrigez les mots récalcitrants avec replace plutôt que de découper le texte en morceaux de langues différentes.

Testez ensuite chaque langue avant de l’ouvrir à vos utilisateurs, avec des phrases représentatives de votre contenu réel et non avec un « bonjour » isolé. La qualité varie d’une langue à l’autre, et vous préférez découvrir un défaut de rythme en recette plutôt qu’en production.

Surveillez enfin les noms propres. Un patronyme polonais dans un texte français, une marque japonaise dans un texte espagnol : le moteur applique les règles de la langue déclarée et peut produire une lecture approximative. Quand la prononciation compte — un nom de client dans un message d’accueil, par exemple — ajoutez-le à la table replace avec sa graphie phonétique et vérifiez le rendu à l’oreille.

Points clés à retenir

• Vingt langues sont supportées avec des variantes régionales pour l’espagnol, le portugais et l’arabe
• Le paramètre language est obligatoire, avec auto comme option de détection automatique
• La table replace (graphie phonétique ou API) corrige la prononciation des mots étrangers et des noms propres, sans changer le texte facturé
• Utilisez toujours la variante régionale correspondant à votre public cible