La synthèse vocale par IA a fondamentalement rendu les livres audio accessibles à tout auteur indépendant — la vraie question n'est plus « est-ce possible ? », mais « combien ça coûte vraiment, et qu'est-ce qu'on néglige facilement ? »
Le coût brut de génération
Pour un roman moyen (environ 80'000 mots, ~480'000 caractères, ce qui correspond à environ 8 heures de livre audio) avec un modèle vocal de qualité, les coûts API bruts se situent autour de $48. Si tu souscris plutôt un abonnement mensuel chez un fournisseur de voix IA courant pour obtenir assez de « crédit caractères » pour un livre entier, un forfait adapté tourne plutôt autour de $99 par mois — nettement plus, parce que tu paies pour une capacité inutilisée plutôt que juste pour ce que le livre génère réellement.
Ce que ce chiffre ne comprend pas
C'est exactement le point que beaucoup sous-estiment : la génération vocale pure n'est qu'une partie du travail.
Découpage. La plupart des services limitent la quantité de texte par requête à quelques milliers de caractères. Un chapitre doit donc être découpé en morceaux — et les réglages (stabilité de la voix, expressivité) doivent rester identiques sur tous les morceaux, sinon des ruptures sonores audibles apparaissent au sein d'un même chapitre.
Chiffres et dates. Sans préparation, presque tous les modèles vocaux bon marché lisent les années et grands nombres de façon peu naturelle — « 2025 » devient « deux-zéro-deux-cinq » au lieu de « deux-mille-vingt-cinq ». Ça se corrige, mais pas automatiquement — il faut une étape supplémentaire de préparation du texte.
Voix des personnages. Par défaut, une seule voix lit toutes les répliques de dialogue sur le même ton — héros, méchant, enfant, tous pareils. Des voix de personnages distinctes nécessitent ta propre attribution de qui parle quelle réplique.
Mastering. Volume constant sur plusieurs heures, pas de bruit de fond gênant — la génération vocale brute ne fournit pas ça automatiquement, c'est une étape de post-traitement séparée.
Distribution. Un livre audio terminé doit encore être vendu quelque part. La plupart des canaux de distribution (Spotify, Apple, Google Play) sont gratuits à utiliser (partage de revenus plutôt que frais) et acceptent désormais explicitement les voix IA — à une exception importante près : Audible/ACX interdit toujours la narration IA dans son processus standard.
En résumé
La génération vocale brute est devenue bon marché et accessible — le vrai travail se trouve dans les étapes autour, rarement comptabilisées quand on parle de « livres audio IA bon marché ». Quiconque traverse ça soi-même une fois remarque vite combien de petites décisions (choix du modèle, réglages vocaux, gestion des nombres, assemblage des chapitres) séparent « téléverser un texte » de « livre audio fini, qui sonne bien ».