Le Speak Mode : la traduction vocale AI qui parle pour vous en réunion

Il existe un moment précis, et douloureux, que connaît toute personne non native dans une réunion multilingue. La discussion avance vite. Les sous-titres défilent sur votre écran. Vous comprenez tout parfaitement — Gaavala traduit l'autre partie depuis vingt minutes et vous suivez mot à mot. Quelqu'un se tourne vers vous et vous pose une question directe.

Et là, la barrière de la langue, qui n'allait que dans un sens, devient un mur.

Vous connaissez la réponse. Vous savez exactement ce que vous voulez dire. Vous ne pouvez simplement pas le dire à la même vitesse ni avec la même précision dans la langue de travail de la réunion. Vous hésitez, vous adoucissez, vous simplifiez, et vous finissez par paraître moins informé que vous ne l'êtes. Le temps d'assembler une phrase soignée, la conversation est passée à autre chose.

Nous avons construit le Speak Mode pour fermer cette boucle. Avec le Speak Mode actif, vous parlez dans votre langue maternelle et Gaavala renvoie votre voix traduite dans la réunion. Les autres participants entendent une voix fluide, en temps réel, qui délivre votre réponse dans leur langue. Vous cessez d'être la personne silencieuse de la salle.

Cet article détaille exactement ce que fait le Speak Mode, le bouton unique qui le pilote et les deux gestes qu'il lit, les deux voix entre lesquelles vous pouvez choisir — 69 préréglages studio ou un clone natif de votre propre voix — et les compromis à comprendre avant de l'activer pour un appel à fort enjeu.

Ce que fait réellement le Speak Mode

Le Speak Mode n'est pas une piste de doublage posée sur une transcription. C'est un pipeline vocal bidirectionnel et en direct, qui s'exécute aux côtés du flux de transcription Gaavala existant.

Quand vous l'activez pendant une réunion, voici ce qui se passe à l'intérieur de votre navigateur :

L'audio de votre microphone est capturé par l'extension — séparément de l'audio de l'onglet que Gaavala capture déjà pour le côté entrant.
Cet audio de microphone est diffusé directement vers Soniox via un WebSocket pour la reconnaissance vocale. C'est le même schéma de connexion directe vers Soniox que le reste de Gaavala utilise — aucun audio ne touche notre backend.
À mesure que Soniox émet des tokens engagés dans votre langue source, l'extension les regroupe en phrases courtes et envoie le texte à l'étape de traduction de Gaavala pour la langue cible que vous avez configurée.
Le texte traduit est transmis au moteur de synthèse vocale que vous avez sélectionné, qui produit un extrait vocal.
Cet extrait vocal est envoyé dans l'appel à la place de votre piste microphone sortante, si bien que tout le monde entend la voix traduite comme si c'était la vôtre. Il n'y a aucun périphérique de microphone virtuel à installer et rien à sélectionner dans les réglages audio de votre application de réunion — et pendant que la voix traduite est diffusée, votre microphone réel est coupé, de sorte que l'appel n'entend jamais les deux à la fois.

Toute la boucle se déroule pendant que vous parlez encore. Le temps que vous terminiez une phrase dans votre langue, la traduction synthétisée est déjà en train de jouer dans la leur. Vous n'attendez pas un bouton « traduire ». Vous ne faites pas de pause entre vos idées plus longue que d'habitude.

Un seul bouton qui lit le geste

Les vraies réunions ne se ressemblent pas toutes : le Speak Mode doit donc se comporter différemment quand vous renvoyez une réponse d'une ligne et quand vous déroulez une présentation. La plupart des outils règlent cela avec un sélecteur de mode qu'il faut positionner avant d'en avoir besoin — ce qui signifie qu'au moment où vous avez besoin de l'autre mode, vous êtes dans le mauvais.

Gaavala n'a pas de sélecteur de mode. Il y a un seul bouton Speak, et il lit la façon dont vous appuyez.

Maintenez-le

Maintenez le bouton et vous ne parlez que tant que vous maintenez. Relâchez et le pipeline se referme proprement. C'est le geste du talkie-walkie, et c'est le geste sûr : vous ne diffusez jamais par accident un commentaire à côté, une toux ou un moment de réflexion à voix haute. C'est le bon réflexe pour une interjection rapide, pour les appels à fort enjeu où la précision prime sur la fluidité, et pour toute pièce où votre microphone risque de capter des voix que vous ne vouliez pas traduire.

Le maintien fonctionne aussi au clavier — appuyez et gardez la barre d'espace enfoncée environ un tiers de seconde et cela se comporte exactement comme le maintien du bouton.

Faites un appui bref

Faites plutôt un appui bref sur le bouton et il ouvre une fenêtre mains libres de 60 secondes. Un anneau décompte la fenêtre en minutes et en secondes et passe à l'ambre pour les dix dernières, si bien que vous savez toujours ce qu'il vous reste de temps de parole sans surveiller d'horloge. Parlez naturellement ; Gaavala traduit et vocalise chaque phrase au fil de l'eau, et vous ne touchez plus à rien.

Deux appuis brefs rapprochés ouvrent plutôt une fenêtre de 30 secondes — la durée honnête pour un point préparé et court. Un appui de plus pendant qu'une fenêtre est en cours l'arrête plus tôt ; sinon, elle se termine d'elle-même à zéro.

Pourquoi c'est un seul contrôle et non deux

Le geste que vous faites déjà encode l'intention. Un appui court signifie « juste ça », un appui bref signifie « laissez-moi un moment ». Rien n'a besoin d'être configuré à l'avance, rien n'est dans le mauvais mode quand l'instant arrive, et il n'y a aucun raccourci à assigner ni à oublier. La propriété de sécurité que les gens appréciaient dans le push-to-talk — rien ne sort de la salle sans que vous l'ayez voulu — reste exactement vraie du maintien.

Les voix : 69 préréglages studio et la vôtre

Le Speak Mode vous donne deux façons de choisir la voix que la réunion entend. Les deux parlent les 60 langues que Gaavala traduit, et les deux restent sur le même chemin direct vers Soniox que le reste de Gaavala emprunte — aucun fournisseur de voix tiers dans la boucle.

69 voix studio Soniox (choix par défaut de Pro)

Les voix studio Soniox sont le choix par défaut sur Pro, et celui que la plupart des gens n'ont jamais besoin de changer : 69 préréglages multilingues qui parlent les 60 langues que Gaavala traduit, de façon translingue, avec une clé gérée — il n'y a rien à mettre en place. La synthèse part directement du navigateur vers Soniox avec le même schéma de clé à courte durée de vie que les sous-titres, si bien que le texte traduit ne passe jamais par le backend de Gaavala. La latence est celle du streaming — la voix commence à jouer dès que le premier fragment est prêt, généralement une seconde ou deux après l'engagement d'une phrase.

Votre propre voix (clone natif)

Enregistrez une seule fois environ 20 secondes de votre propre parole, dans le panneau latéral, et Gaavala construit un clone vocal personnel — propulsé par Soniox — qui parle les mêmes 60 langues qu'une voix studio, avec votre timbre au lieu d'un préréglage. L'échantillon de référence est stocké chiffré, et vous pouvez le supprimer à tout moment depuis le même écran de réglages ; l'audio de vos réunions, lui, n'est jamais stocké, ni pour cette fonctionnalité ni nulle part ailleurs dans Gaavala.

Les deux options n'échangent qu'une seule chose : la familiarité. Une voix studio sonne soignée et neutre dès la première session. Votre propre clone demande vingt secondes de mise en place, puis sonne incontestablement comme vous, à chaque fois — utile si vous menez des appels récurrents avec les mêmes clients ou coéquipiers et voulez qu'ils entendent la même voix d'un appel à l'autre.

Comment cela se compare à l'existant

La traduction vocale en temps réel dans les réunions est une fonctionnalité « bientôt disponible » depuis des années. Quelques choses existent, mais aucune ne couvre le même terrain que le Speak Mode.

L'agent Interpreter de Microsoft Teams. Microsoft a annoncé pour Teams un agent Interpreter capable de traduire et de parler avec la voix d'un utilisateur. Il est réservé à Teams. Il exige une licence Microsoft 365 Copilot — un add-on payant par siège qui s'ajoute à une formule de base éligible — et il est soumis aux administrateurs du tenant qui ont activé Copilot pour l'organisation. Si vous vivez dans un parc Teams entièrement licencié Copilot, c'est une option légitime. Si vous travaillez à cheval sur Teams, Zoom, Meet et Webex avec des clients extérieurs à votre tenant, cela ne vous aidera pas.
Le Voice Mode de ChatGPT. ChatGPT peut tenir une conversation vocale avec vous, et il peut traduire. Ce qu'il ne sait pas faire, c'est s'installer dans votre appel Zoom et parler en votre nom aux autres participants. C'est un chatbot vocal personnel, pas un agent vocal de réunion.
Les sous-titres traduits de Google Meet. Google Meet propose des sous-titres traduits en temps réel. Ils sont uniquement textuels. Il n'y a aucune sortie parlée de l'autre côté.
Interprefy, KUDO et les plateformes d'interprétation enterprise. Ce sont de vrais services d'interprétation — avec des interprètes humains, le plus souvent, parfois assistés par de l'AI — tarifés et structurés pour de grandes conférences et des secteurs réglementés. Ce n'est pas quelque chose qu'un consultant indépendant ajoute à un appel commercial en tête-à-tête.

Autant que nous puissions en juger, il n'existe aucun outil à prix grand public sur le marché qui fasse une véritable traduction vocale bidirectionnelle à l'intérieur des plateformes de réunion que les gens utilisent réellement. Le Speak Mode est notre réponse à ce vide.

À qui s'adresse le Speak Mode

Le Speak Mode est une fonctionnalité Pro et il est tarifé pour des professionnels individuels, pas pour des déploiements enterprise. Les personnes qui en tirent le plus sont :

Les consultants internationaux qui mènent des appels de projet avec des clients dont l'anglais est limité et qui préféreraient vous entendre dans leur propre langue plutôt que de peiner dans la vôtre.
Les responsables d'équipes multilingues qui rejoignent des points quotidiens avec des équipes d'ingénierie offshore, où la moitié de l'équipe pense dans une langue et l'autre moitié dans une autre.
Les commerciaux qui vendent sur des marchés étrangers, où une voix qui sonne fluide dans la langue du client change la façon dont l'appel se déroule et dont la proposition est reçue.
Les équipes d'opérations terrain qui font le pont entre un site offshore et le siège, où les enjeux d'un malentendu sont opérationnels et pas seulement sociaux.

Si vos réunions sont entièrement bilingues sur une seule paire de langues et que tout le monde suit, vous n'avez probablement pas besoin du Speak Mode. S'il existe un moment récurrent où vous, ou quelqu'un en face, tombez dans le silence parce que l'écart linguistique ne va que dans un sens, c'est la fonctionnalité qui règle ce moment-là.

Confidentialité : ce qui change et ce qui ne change pas

L'architecture de confidentialité fondamentale de Gaavala ne change pas quand vous activez le Speak Mode. L'audio entrant de la réunion continue de circuler directement de votre navigateur vers Soniox via un WebSocket qui ne touche jamais notre backend. L'audio de votre microphone pour le Speak Mode suit le même schéma de connexion directe vers Soniox — nous ne le voyons jamais.

L'étape de synthèse vocale suit le même schéma pour les deux options de voix. Les voix studio Soniox envoient le texte traduit directement du navigateur vers Soniox, authentifié avec les mêmes clés temporaires à courte durée de vie que les sous-titres — le backend de Gaavala ne voit ni le texte ni l'audio. Votre propre voix clonée se synthétise de la même façon, avec une seule exception délibérée et étroite en amont : l'échantillon de référence d'environ 20 secondes que vous enregistrez pour construire le clone est stocké chiffré (AES-256-GCM) sur les serveurs de Gaavala, utilisé uniquement pour construire et maintenir votre voix, et supprimable sur demande à tout moment. Rien d'autre dans l'audio du Speak Mode — ni votre entrée microphone, ni l'audio de la réunion, ni la sortie synthétisée — n'est jamais stocké.

Le backend de Gaavala reste en dehors du chemin de l'audio pour les deux options de voix. Si vous voulez le vérifier, la même astuce d'inspection réseau que dans notre article sur la confidentialité fonctionne toujours : ouvrez les DevTools de la page d'arrière-plan de l'extension, filtrez l'onglet Network, et vous verrez une connexion directe vers Soniox — et aucun trafic audio vers gaavala.com.

Comment l'activer

Le Speak Mode est une fonctionnalité réservée à Pro. L'essai gratuit de Gaavala (5 minutes une seule fois, sans carte bancaire, jamais réinitialisé) n'inclut pas le Speak Mode, si bien que le parcours de mise en place ressemble à peu près à ceci :

Installez Gaavala gratuitement depuis le Chrome Web Store et connectez-vous.
Passez à Pro depuis le panneau latéral — $19.99/mois, sans période d'essai — la mise à niveau est directe, au moment où vous avez besoin du Speak Mode.
Ouvrez les réglages du panneau latéral et trouvez la section Speak Mode.
Choisissez une voix. Les voix studio Soniox sont le choix par défaut sur Pro et ne demandent aucune mise en place. Si vous voulez parler avec votre propre voix, choisissez « Clone my voice » (Cloner ma voix) et enregistrez un échantillon d'environ 20 secondes — Gaavala construit votre clone et vous pouvez le sélectionner quelques instants plus tard.
Configurez la langue cible de la réunion. Il n'y a pas de mode de capture à choisir — le bouton Speak lit votre geste, donc rien n'a besoin d'être décidé à l'avance.

Rejoignez ensuite une réunion. Maintenez le bouton Speak quand vous voulez dire une seule chose, ou faites un appui bref pour une fenêtre mains libres quand vous avez un passage entier à délivrer.

Conseils d'usage tirés du terrain

Quelques remarques pratiques issues de la construction et de l'usage quotidien de la fonctionnalité :

Échauffez-vous en maintenant. La première fois que vous entendrez votre voix synthétisée entrer dans une réunion, cela fera un effet étrange. Maintenez le bouton pendant vos premiers appels avant de passer aux appuis brefs pour les fenêtres mains libres. Votre sens du moment où faire une pause, du volume à adopter et de la façon dont la voix traduite arrive en face se calibre vite — mais seulement si vous contrôlez chaque salve.
Ne clonez que votre propre voix. Le parcours d'enregistrement du panneau latéral ne construit un clone qu'à partir d'un échantillon que vous enregistrez de vous-même — il n'existe aucun chemin pour cloner la voix de quelqu'un d'autre via le Speak Mode, et l'étape de consentement dans l'application le reflète.
Signalez-le quand cela compte. Si votre réunion a des implications de conformité — juridique, médical, vente réglementée — dites à l'autre partie qu'une couche de traduction vocale en temps réel est présente dans l'appel. C'est la même étiquette que d'annoncer un outil de transcription.
Gardez l'audio natif actif. Gaavala continue d'acheminer l'audio d'origine de la réunion vers vos haut-parleurs. Vous devez continuer d'écouter et de lire le côté entrant. Le Speak Mode est la moitié sortante, pas un remplacement de la compréhension de ce qui vous est dit.

Questions fréquentes

La réunion sait-elle que je l'utilise ? Pas directement. La voix synthétisée arrive de l'autre côté par le même canal microphone que vous utiliseriez vous-même : il n'y a donc ni bandeau ni métadonnée. L'autre partie entend une voix très fluide et peut remarquer de petites pauses avant chaque réponse. Nous recommandons de le signaler quand cela compte — voir la note d'étiquette ci-dessus.

Puis-je utiliser ma propre voix clonée ? Oui — nativement, sur Pro. Enregistrez un échantillon d'environ 20 secondes dans les réglages Speak Mode du panneau latéral et Gaavala construit un clone propulsé par Soniox que vous pouvez sélectionner comme voix de votre Speak Mode. Aucun compte séparé ni clé d'API requis.

Quelle est la latence ? Les voix studio comme votre propre clone empruntent le même chemin de synthèse en streaming, direct du navigateur vers Soniox. Comptez que la voix commence à jouer une à deux secondes après l'engagement d'une phrase — vous n'attendez pas que toute la phrase soit rendue avant que la réunion entende quelque chose.

Et si ma langue cible n'est pas l'anglais ? Les deux options de voix parlent déjà les 60 langues que Gaavala traduit — les voix studio Soniox et votre propre clone fonctionnent de la même façon quelle que soit la langue cible, sans configuration.

Cela fonctionne-t-il dans les réunions Teams Premium ? Oui. Le Speak Mode fonctionne dans toute réunion qui s'exécute dans un onglet Chrome, y compris Microsoft Teams, Zoom, Google Meet et Webex. Peu importe que l'organisateur de la réunion dispose de Teams Premium ou de Copilot. Le Speak Mode s'exécute de votre côté de l'appel, pas sur l'infrastructure de l'hôte de la réunion.

Essayez

Le Speak Mode est disponible dès maintenant pour les abonnés Pro. Si vous découvrez Gaavala, commencez par l'essai gratuit unique — 5 minutes de transcription, sans carte bancaire — afin d'évaluer d'abord l'expérience de traduction entrante. Le Speak Mode n'est pas inclus dans l'essai gratuit ; passez à Pro ($19.99/mois, sans période d'essai) quand vous êtes prêt à le débloquer sur le versant sortant.

Ajouter Gaavala à Chrome →

Installez Gaavala gratuitement depuis le Chrome Web Store, puis passez à Pro pour débloquer le Speak Mode.