Générateur de voix de personnage de jeu vidéo

Le dialogue de jeu est un problème de chaîne de production, pas d'interprétation

Demandez à un petit studio ce qui rend le doublage cher : il ne citera pas le cachet en premier. Il citera les reprises. Une réplique change en semaine neuf, le comédien n'est pas disponible, la nouvelle prise ne colle plus à l'acoustique de l'ancienne, et voilà trois répliques à refaire au lieu d'une. Les voix de synthèse séduisent les équipes indépendantes surtout parce qu'elles réduisent cette boucle à quelques secondes.

Cela ne tient que si l'outil respecte la chaîne. De l'audio qui arrive sous la forme de quarante fichiers nommés export-1.mp3 a déplacé le travail, pas supprimé. CastDub n'exporte pas de fichier par réplique — il exporte un mixage, des pistes par personnage avec Pro et un SRT à partir de Plus — donc l'étape qui s'adapte à votre structure de projet, c'est de découper le mixage aux timecodes du SRT, avec un court script écrit une fois pour toutes.

C'est d'autant plus vrai en France et au Québec, où beaucoup de studios indépendants livrent en version française et en version anglaise. Deux langues, c'est deux fois le tableau de dialogues, et c'est le moment où la nomenclature des fichiers cesse d'être un détail.

La cohérence sur une production longue

Le mode de défaillance des voix de synthèse dans un jeu n'est pas la qualité, c'est la dérive. Un joueur pardonnera une lecture un peu plate. Il remarquera immédiatement que le forgeron sonne comme quelqu'un d'autre au deuxième acte, parce que l'oreille humaine est réglée exactement sur cela.

Au sein d'un projet, la dérive est structurellement improbable : chaque rôle garde son personnage de la bibliothèque et son émotion par défaut, et deux rôles ne partagent pas de voix tant que la langue en a en réserve. Les personnages ne passent pas d'un projet à l'autre, en revanche : pour une production longue, tenez une feuille de distribution — personnage de la bibliothèque, caractère, et la graphie retenue pour le vocabulaire du rôle. Quand un nouvel auteur arrive au sixième mois, il part de cette feuille au lieu de choisir une voix, et écoute la première réplique avant d'exporter : rien de sonore n'est laissé à la mémoire de quelqu'un.

Où dépenser du vrai argent à la place

Soyez honnête sur ce que les voix de synthèse font mal, parce que c'est là que votre budget doit aller. Elles sont faibles sur l'effort physique — la douleur, le souffle, le rire, les pleurs — et sur les très longs monologues émotionnels où les choix d'un interprète portent la scène. Elles sont fortes sur l'énorme milieu d'un script de jeu : marchands, tutoriels, textes de quête, conversations d'ambiance, répliques système.

Un partage pragmatique, adopté par plusieurs petites équipes : générez tout, livrez le généré pour les personnages secondaires, et engagez des comédiens pour les deux ou trois rôles dont l'histoire dépend vraiment. Les versions générées servent alors de piste témoin, et les comédiens connaissent le rythme avant d'entrer en cabine.

Les règles juridiques de base

Deux règles évitent les ennuis. Ne prétendez jamais reproduire la voix d'une personne réelle, y compris un comédien d'un autre jeu — et sachez que CastDub ne propose pas de clonage de voix aujourd'hui, donc la question ne se pose même pas techniquement. Et ne décrivez jamais dans votre communication une voix générée comme étant celle d'un comédien nommé : c'est un problème de droit à l'image et à la voix, indépendant de la manière dont l'audio a été fabriqué.

Si vous travaillez avec des comédiens humains, écrivez dans le contrat ce qui est autorisé sur les prises, la portée exacte de l'usage, et ce qu'il advient des enregistrements à la fin du projet. En France, le droit des artistes-interprètes traite ces questions sérieusement, et l'anticiper coûte beaucoup moins cher que de les régler après coup.