Formats de fichiers pris en charge par Read PDF Aloud

Malgré son nom, Read PDF Aloud ne se limite pas aux fichiers PDF. L’outil prend en charge une grande variété de formats de documents, ce qui en fait un outil de synthèse vocale polyvalent pour presque tout ce que vous avez à lire.

Voici tous les formats que vous pouvez téléverser :

PDF (.pdf) — documents PDF standards et PDF numérisés
EPUB (.epub) — format de livre audio ouvert
MOBI (.mobi) — ancien format d’ebook Amazon Kindle
AZW3 / KF8 (.azw3, .kf8) — Amazon Kindle Format 8
Word (.docx) — documents Microsoft Word
PowerPoint (.pptx) — présentations Microsoft PowerPoint
OpenDocument Text (.odt) — documents texte LibreOffice / OpenOffice
OpenDocument Presentation (.odp) — diaporamas LibreOffice / OpenOffice
Rich Text Format (.rtf) — documents de texte enrichi multiplateformes
Texte brut (.txt) — fichiers texte simples
Markdown (.md) — documents Markdown

Par ailleurs, Read PDF Aloud propose un mode saisie de texte où vous pouvez coller n’importe quel texte directement et le faire lire à voix haute, sans téléverser de fichier.

PDF

Les documents PDF sont analysés pour extraire le texte page par page, en conservant la mise en page d’origine autant que possible. Chaque page reste une unité distincte, si bien que la navigation par page pendant la lecture suit la structure du document d’origine.

OCR pour les PDF numérisés

Pour les PDF numérisés (documents basés sur des images, sans texte intégré), Read PDF Aloud propose une OCR (reconnaissance optique de caractères) propulsée par l’IA. Lorsqu’un PDF numérisé est détecté, il vous est proposé d’activer l’OCR. Il s’agit d’une fonctionnalité premium soumise aux limites suivantes :

Taille de fichier maximale : 50 Mo
Nombre de pages maximal : 1 000 pages

Les résultats de l’OCR sont renvoyés sous forme de texte structuré, organisé par page.

Détection des PDF numérisés

Read PDF Aloud calcule la densité de texte d’un PDF, c’est-à-dire le nombre moyen de caractères par page. Si la densité passe sous un certain seuil (50 caractères par page), le document est signalé comme un PDF numérisé. Cela évite de gaspiller des ressources sur des documents qui ne contiennent aucun texte exploitable.

Formats d’ebook

Les fichiers d’ebook (EPUB, MOBI, AZW3/KF8) sont traités chapitre par chapitre. Le contenu HTML d’origine de chaque chapitre est extrait et converti en texte brut, pour que vous puissiez écouter vos ebooks avec une structure et un rythme corrects.

À noter : AZW3 et KF8 désignent le même format (Amazon Kindle Format 8) et sont donc traités de manière identique.

Documents Office

Les documents Office (DOCX, PPTX, ODT, ODP, RTF) sont convertis en texte brut. Comme ces formats n’ont pas de notion de pagination intégrée comme le PDF, le texte extrait est regroupé en segments logiques de 20 lignes pour une lecture fluide.

L’analyseur Office est chargé à la demande. Il n’affecte pas votre navigation tant que vous n’avez pas réellement téléversé un fichier Office.

Texte brut et Markdown

Les fichiers texte brut et les documents Markdown sont les plus simples à traiter. Ils sont lus ligne par ligne, les lignes vides et les espaces superflus sont supprimés, puis le tout est regroupé en segments logiques pour la lecture.

Chaîne de traitement

Quel que soit le format d’entrée, tous les fichiers passent par la même chaîne de traitement :

Détection du format — d’après l’extension du fichier
Extraction du texte — avec une logique d’analyse propre à chaque format
Génération du hash — un hash SHA-256 est calculé pour la déduplication et le cache
Stockage local — le texte extrait et les métadonnées sont enregistrés localement dans votre navigateur

Tout le traitement du texte s’effectue localement sur votre appareil, ce qui garantit la confidentialité et la sécurité de vos documents.