Fish Audio apprend à une voix de synthèse à changer d'émotion en pleine phrase
— AUDIOVISUEL
Drama 3 laisse écrire des indications de jeu directement dans le script, entre crochets, pour faire basculer une réplique du murmure au rire. La gratuité s'arrête à 500 000 dollars de chiffre d'affaires annuel, ce qui replace vite la question dans une ligne de devis.
Une réplique qui part dans un souffle et finit en sanglot retenu, sans repasser par la régie. C'est ce que promet Drama 3, le nouveau modèle vocal de Fish Audio : des instructions de jeu glissées entre crochets dans le texte, capables de changer l'intention au mot près, sans toucher à la voix du personnage.
Pour qui conçoit des fictions sonores, des livres audio ou des dialogues de jeu vidéo, cela déplace une étape entière du travail. Diriger une émotion devenait jusqu'ici une question de prise : on enregistrait, on réécoutait, on recommençait si le rire sonnait faux. Avec des balises textuelles, cette direction d'acteur se joue avant l'enregistrement, et peut se réajuster réplique par réplique sans remobiliser un comédien.
Fish Audio a aussi revu sa manière d'entraîner le modèle. Plutôt que de sanctionner tout ce qui perturbe une lecture propre, l'entraînement s'appuie désormais sur des préférences humaines sur l'interprétation elle-même. Résultat affiché sur un test de prononciation indépendant : plus de neuf mots correctement rendus sur dix, contre un score nettement plus faible pour la version précédente du modèle. De quoi espérer moins de prises à refaire parce qu'un rire ou une hésitation voulue passait pour une erreur.
Le modèle tourne dans 83 langues, et les indications de jeu peuvent être écrites dans une langue différente du dialogue, ce qui simplifie la direction d'une voix étrangère pour une équipe francophone. Les poids du modèle sont publiés, donc exploitables sur une infrastructure propre, mais l'usage commercial gratuit s'arrête à 500 000 dollars de chiffre d'affaires annuel, affiliés compris. Au-delà, une licence s'ajoute, et c'est bien ce seuil qui transforme un outil séduisant en ligne budgétaire à anticiper dès qu'un studio grandit.
Ce que proposait jusqu'ici la synthèse vocale, c'était une voix crédible, fixe, qu'on acceptait telle quelle ou qu'on écartait. Drama 3 déplace l'exigence vers la direction de cette voix, ce qui rapproche l'outil d'un vrai travail de studio plutôt que d'une simple lecture automatisée. Reste à voir, pour une petite structure de doublage ou d'animation, à quel moment ce seuil de revenu rattrape le confort gagné sur le plateau.