Guide complet
Ce qu'un livre audio Google AI Studio peut et ne peut pas être
Un livre audio Google AI Studio est un travail à faire soi-même : vous collez du texte dans l'atelier de synthèse vocale de Google, une voix Gemini TTS le lit, et vous téléchargez le clip. Les voix comptent parmi les meilleures disponibles, l'offre gratuite ne coûte rien, et pour une nouvelle courte ou un chapitre d'exemple, cela peut suffire.
Pour un livre entier, le travail se cache dans les détails. Gemini TTS ne gère au maximum que deux locuteurs par requête, accepte environ 8 000 tokens d'entrée à la fois et ne connaît rien aux chapitres. Ce guide couvre les étapes, les limites issues de la documentation officielle de Google en date d'octobre 2026, la façon dont les gens contournent ces limites, et une erreur de publication que commet un tutoriel populaire.
Ce que fait la génération vocale de Google AI Studio
Google AI Studio est l'environnement de test dans le navigateur pour l'API Gemini, et son mode vocal est le moyen le plus rapide d'essayer la synthèse vocale de Google AI Studio ; la documentation de Google suggère d'y tester les modèles avant de développer quoi que ce soit. Elle liste quatre modèles TTS : Gemini 3.8 Flash TTS et 3.8 Flash-Lite TTS (mis à jour en septembre 2026), ainsi que 3.1 Flash TTS Preview et 2.5 Pro Preview TTS. 3.8 Flash couvre plus de 130 langues et détecte la langue de votre texte.
Vous dirigez l'interprétation en anglais simple. Une instruction de style comme « cheerful and friendly » s'applique à une réplique, et Google documente des événements vocaux en ligne écrits entre chevrons, comme <laugh>, <sigh> ou <whispering>. Il existe 30 voix prédéfinies plus une bibliothèque étendue, et AI Studio propose aussi la conception de voix et la réplication de voix, ce qu'un outil dédié aux livres peut ne pas offrir.
Étape par étape : un chapitre dans AI Studio
Découpez d'abord le chapitre. Chaque requête est limitée à 8 192 tokens d'entrée et 16 384 tokens de sortie, donc coupez le chapitre aux changements de scène en morceaux assez courts pour une seule requête ; si un clip s'arrête prématurément, raccourcissez le morceau. Ensuite, pour chaque morceau, choisissez « single-speaker » pour la narration, sélectionnez une voix, rédigez une instruction de style pour le narrateur, collez le texte, lancez la génération et téléchargez l'audio.
Tenez un journal des modèles, voix et instructions de style de chaque morceau. La sortie varie d'une exécution à l'autre, donc un narrateur qui semble chaleureux dans la scène un peut sembler plus sec dans la scène trois si tous les réglages ne correspondent pas. Écoutez chaque clip avant de passer au suivant : un livre assemblé est bien plus difficile à corriger qu'un clip isolé.
Les limites : deux locuteurs, longueur d'entrée, quotas quotidiens
La synthèse vocale multi-locuteurs de Gemini est là où la plupart des fictions se heurtent à un mur, et la documentation de Google est claire : « Single-request multi-speaker generation … supports up to 2 speakers using prebuilt voices. » Pour plus, il faut synthétiser la réplique de chaque locuteur individuellement. Une scène avec un narrateur et trois personnages compte déjà quatre voix, donc la plupart des fictions finissent par être générées réplique par réplique.
Les quotas quotidiens sont plus difficiles à cerner. Les modèles TTS sont gratuits sur le niveau gratuit, mais la page de Google sur les limites de débit indique désormais seulement que vos limites sont visibles dans AI Studio, et des rapports communautaires de 2026 font état d'une allocation gratuite pour certains modèles TTS aussi basse que 10 requêtes par jour. Les entrées et sorties du niveau gratuit sont utilisées pour améliorer les produits Google, et les tarifs payants des modèles TTS 3.8 doublent le 1er janvier 2027.
Assembler les chapitres et distribuer plus de deux personnages
Pour donner voix à une distribution complète à la main, parcourez le chapitre ligne par ligne : déterminez qui parle dans chaque ligne, générez les répliques de chaque locuteur avec sa voix, puis assemblez les clips dans l'ordre dans un éditeur audio. Google note que chaque réponse WAV comporte un en-tête de 44 octets à retirer avant de joindre les fichiers dans du code. Ajoutez ensuite des marqueurs de chapitre, égalisez le volume et exportez.
Cette gestion (qui parle, avec quelle voix, dans quel ordre, où commencent les chapitres) est exactement le travail que les outils de synthèse vocale multi-voix existent pour faire. Pour un roman avec des dizaines de rôles parlants, cela représente des centaines ou des milliers de clips. Si vous évaluez aussi les chatbots, ChatGPT peut-il créer un livre audio couvre ce qu'ils font avec un manuscrit.
Publication : pourquoi la voie ACX des tutoriels YouTube enfreint les règles
La vidéo la plus populaire pour cette recherche, « Google AI Studio: Create an AI Audiobook and Publish It on Audible! » (juillet 2025), est un guide utile pour l'environnement de test, mais sa dernière étape invite les spectateurs à publier via ACX. Cette étape ne tient pas. Les exigences de soumission audio d'ACX, datées du 15 avril 2026, stipulent qu'un livre audio « must be narrated by a human unless otherwise authorized » et que « unauthorized use of text-to-speech, AI, or automated recordings in ACX titles is prohibited. »
Audible indique sur la même page qu'il travaille à accepter du contenu TTS tiers et communiquera un calendrier ultérieurement, donc cela peut changer. D'ici là, un livre narré par Gemini et téléversé sur ACX risque le rejet ou le retrait. Consultez si Audible accepte la narration par IA pour les règles actuelles, et publier sur Spotify pour une voie qui accepte la narration vocale numérique avec une mention.
Les mêmes voix Gemini avec distribution automatique et export M4B
Si ce que vous voulez, c'est un livre audio Gemini TTS sans la gestion des clips, sachez que les voix standard de FullCastBook reposent sur le Gemini TTS de Google : vous retrouvez donc la même famille de sons que dans AI Studio. La différence, c'est tout le travail autour. Importez un fichier EPUB, DOCX, PDF avec couche de texte, TXT ou Markdown, et les chapitres et les interlocuteurs sont détectés pour vous. Chaque réplique est générée avec la voix de son propre locuteur, la limite de deux interlocuteurs ne se pose donc jamais, et une indication comme [dry, unimpressed] est transmise comme consigne de style pour la réplique.
Vous écoutez dans le navigateur, régénérez des répliques individuelles et exportez un M4B avec marqueurs de chapitre, un MP3 unique ou un ZIP avec un fichier par chapitre. Les voix premium ElevenLabs sont également disponibles si vous souhaitez un rendu différent. L'inscription est gratuite et la création consomme des crédits (un forfait ou une recharge ponctuelle) ; la tarification indique ce que nécessite un livre complet.
Sources et dates
Vérifié le 21 octobre 2026 : le guide de génération vocale de Google (mis à jour le 12 octobre 2026), la page du modèle Gemini 3.8 Flash TTS, la page de tarification de l'API Gemini (mise à jour le 19 octobre 2026), les limites de débit (mises à jour le 15 octobre 2026) et les conditions d'utilisation de l'API (mises à jour le 28 avril 2026), ainsi que les exigences de soumission audio d'ACX (15 avril 2026). Les liens se trouvent sous le tableau comparatif. Google met souvent à jour ces modèles : vérifiez à nouveau les limites avant de commencer un livre audio Google AI Studio, quelle qu'en soit la longueur.





