Générateur de voix d'anime

Pourquoi un outil à voix unique s'effondre sur un scénario d'anime

L'écriture d'anime est anormalement dense en locuteurs. Une scène de quatre pages peut contenir une héroïne, un rival, deux personnages secondaires, une annonce hors champ et un narrateur, et la moitié du comique vient de la vitesse à laquelle la voix change. Donnez cela à une synthèse vocale à voix unique : chaque réplique arrive dans le même registre, et c'est l'auditeur qui doit refaire la distribution dans sa tête — exactement le travail que vous vouliez confier à l'outil.

La parade que tout le monde invente, c'est de lancer l'outil une fois par personnage, de télécharger un tas de fichiers et de les assembler à la main. Ça marche. Ça prend aussi un après-midi par scène, et il suffit de changer une réplique pour tout recommencer. CastDub existe parce que c'est cette boucle qui coince, pas la qualité de la voix.

Le public français d'anime connaît très bien ce mur : la France est le deuxième marché du manga au monde, les communautés de fandub y sont anciennes, et la VF y est un objet de discussion permanent. Ce qui manquait n'était jamais l'envie de distribuer une scène à plusieurs voix, c'était le temps.

Ce que fait réellement la distribution automatique

La distribution automatique répond à deux questions : qui parle, et à quoi cette personne doit ressembler. La détection des locuteurs gère les formats que les gens écrivent vraiment : les préfixes « Nom : », les blocs de scénario avec le nom du personnage centré, et le récit avec des incises du type « dit-elle, tout bas ». Ce n'est pas magique : si votre scène contient trois voix anonymes dans le noir, il faudra les étiqueter vous-même.

La seconde moitié, c'est la recommandation. Chaque voix de la bibliothèque porte un caractère, une tranche d'âge et des étiquettes de style, donc un personnage décrit comme « dix-sept ans, blasé » est comparé aux personnages adolescents marqués secs ou tranchants, pas au narrateur chaleureux. Chaque proposition peut être remplacée, et le remplacement tient pour la suite du projet : vous changez un personnage une fois, il reste changé dans tout le projet.

Diriger l'émotion comme la scène le demande

La différence entre une lecture et une interprétation tient surtout au rythme et à l'intensité. CastDub traite l'émotion comme une propriété de la réplique : celle-ci est neutre, celle-là est surexcitée, cet aparté chuchoté est vraiment chuchoté. Cette granularité compte plus dans l'anime que dans presque tout autre genre, parce que la convention comique du genre est la coupe franche entre deux registres : un personnage hurle, puis marmonne dans la seconde qui suit.

Le contrôle de l'émotion réplique par réplique est réservé à la formule Pro, et c'est délibéré. Avec les autres formules, chaque réplique suit l'émotion par défaut de son personnage, ce qui suffit largement pour vérifier qu'une scène tient debout. La direction manuelle, elle, transforme une scène qui fonctionne en une scène que vous accepteriez de publier : elle est donc sur Pro, avec l'export multipiste.

Une note pratique sur l'écriture : une étiquette d'émotion ne sauve pas une réplique qui fait deux choses à la fois. Si une phrase commence en colère et finit en tristesse, coupez-la en deux. Le moteur traite chaque réplique comme une interprétation unique, et un comédien humain fait exactement pareil.

Où cela sert, côté francophone

Trois usages dominent : les fandubs et fictions sonores amateurs postées sur YouTube et sur Discord, les scènes d'OC échangées dans les communautés de dessin et d'écriture, et les visual novels indépendants qui ont besoin d'un doublage provisoire bien avant d'avoir un budget de distribution. Les trois partagent la même contrainte : une seule personne, pas de studio, un script qui bouge encore.

Pour le travail de fan, le terrain sûr, ce sont les scripts originaux avec des personnages originaux, ou la création transformative dans des fandoms qui la tolèrent. Le terrain risqué, c'est de republier une VF sous licence ou de prétendre imiter un comédien identifiable. L'outil vous laisse faire le premier ; la bibliothèque de voix originales est précisément ce qui vous évite le second.

Un mot sur le vocabulaire, parce qu'il est devenu un vrai point de friction dans les communautés françaises : parler de « doublage » pour un enregistrement posé sur une œuvre existante, et de « fiction sonore » pour une création originale, évite quatre-vingts pour cent des malentendus quand vous publiez votre travail.