Woof fait parler les jeux vidéo sans passer par un serveur vocal
— AUDIOVISUEL
Le modèle de synthèse vocale d'Underdog tourne directement dans le navigateur grâce à WebGPU, lisible hors connexion une fois la page chargée. Sa licence impose une autorisation écrite pour tout usage commercial, et ses scores de fidélité ne couvrent que l'anglais.
Un texte tapé dans une machine à écrire virtuelle prend la parole sans quitter l'onglet du navigateur. Le modèle Woof d'Underdog calcule la voix sur l'appareil lui-même, grâce à WebGPU, la technologie qui exploite la carte graphique du poste. Plus besoin d'envoyer chaque réplique à un serveur distant pour recevoir l'audio en retour. Une fois la page et le modèle chargés, la lecture continue même sans connexion.
Pour un concepteur sonore de jeu vidéo ou un motion designer qui prototype des voix off, ce déplacement du calcul change une étape précise du travail. Tester dix variantes d'une réplique de personnage, sans attendre un service distant ni payer un appel serveur par essai, devient une manipulation locale et immédiate. Le décor rétro de la démonstration, écran cathodique et lampe de bureau, illustre justement ce cas d'usage ludique.
La version la plus légère du modèle pèse 31,7 Mo, soit à peu près le poids d'une poignée de photos haute définition. Elle embarque une seule voix anglaise. Une seconde version, un peu plus lourde, propose deux voix et affiche un taux d'erreur de lecture plus bas sur un jeu de phrases difficiles, dates et codes compris.
Ce chiffre de fidélité ne dit rien du naturel de la voix ni de son expressivité. Il mesure uniquement si les mots prononcés correspondent au texte d'origine, sur de l'anglais exclusivement. La comparaison avec un modèle concurrent bien plus volumineux porte sur deux fichiers précis, pas sur l'ensemble du marché des voix de synthèse.
Le dépôt public laisse télécharger les paramètres, mais la licence réelle, nommée Underdog Non-Commercial License malgré une mention CC BY-NC affichée ailleurs, réserve l'usage commercial à une autorisation écrite distincte. Une vidéo monétisée ou une publicité utilisant ces voix tombe directement sous cette clause. Pour un studio qui chiffre un projet, cette ligne de licence pèse autant que la performance technique du modèle.
Un outil de voix gratuit et léger qui tourne hors ligne mérite l'attention, à condition de lire la licence avant le brief client, pas après la livraison.