So wird eine Stimmenimitation bewertet

Ein Stimmenimitationsspiel verlangt genau eine Sache: einen Laut hören und ihn dann machen. Eine Ziege, eine Autoalarmanlage, jemand, der quer über einen Parkplatz brüllt — alle versuchen es, und zurück kommt eine Zahl, die sagt, wie nah jede und jeder herangekommen ist. Über genau diese Zahl wird gestritten. Lies die Rezensionen zu fast jedem Spiel des Genres, und es tauchen dieselben Beschwerden auf: Die Wertung wirkt willkürlich, das Spiel scheint dich nicht zu hören, und wer eine sehr tiefe oder sehr hohe Stimme hat, vermutet, dass die Stimme bewertet wird und nicht der Versuch.

Das sind Designprobleme, und sie haben Designantworten. So macht Mimic, der Imitationsmodus von PartyDub, aus einem zweisekündigen Versuch eine Wertung — aufgeschrieben, damit du prüfen kannst, ob bewertet wird, was deiner Meinung nach bewertet werden sollte.

Es wird gemessen, nicht geraten

Zu keinem Zeitpunkt sind ein Sprachmodell oder eine Spracherkennung beteiligt. Deine Aufnahme wird per Messung mit dem Original verglichen, und das Ergebnis ist eine Zahl von bis zu 100, die feststeht, sobald das Aufnahmefenster schließt. Nichts versucht, Wörter zu erkennen, also gibt es nichts, was ein Akzent durcheinanderbringen könnte. Der Clip wird überall dort in Stücke geschnitten, wo ein neuer Laut beginnt — drei Beller werden also als drei Beller bewertet —, und jedes Stück wird in vier Punkten verglichen:

• —Timing — ob jeder deiner Einsätze dort landet, wo der des Originals liegt.
• —Tonhöhenverlauf — ob deine Stimme dort steigt und fällt, wo das Original steigt und fällt.
• —Lautstärkeform — ob du an denselben Stellen anschwillst, abbrichst und reinhaust.
• —Rhythmus — ob jedes Stück so lange dauert, wie es soll. Hetzen und Schleppen sind gleich falsch, ein doppelt so lang gehaltener Laut kostet also genauso viel wie einer, der nur halb so lang ist.

Bewertet wird nicht deine Stimme

Bevor zwei Tonhöhenverläufe verglichen werden, wird von jeder Stimme ihre eigene typische Tonhöhe abgezogen — übrig bleibt die Form der Bewegung, nicht die Töne. Ein Bass und ein Kind, die dasselbe Auf und Ab machen, bekommen dieselbe Wertung. Mit der Lautstärke passiert dasselbe: Sie wird als Form verglichen, nicht als Pegel, also ist ein leises Mikrofon keine schlechtere Wertung und Schreien keine bessere.

Noch eine Regel, und sie ist die, die das Spiel lustig hält: Größer werden kostet nie etwas. Eine Aufnahme, die der Bewegung des Originals folgt, sie aber übertreibt, bekommt die volle Wertung. Eine, die ihr zaghaft in halber Größe folgt, nicht. Flach zu sein ist der Fehler. Übertreiben ist es nie.

Nicht in jedem Laut steckt eine Stimme

Eine Sirene, ein gesungener Refrain, eine zuknallende Tür und ein Schaf verlangen Verschiedenes, also verschiebt die Wertung ihr Gewicht je nachdem, was der Clip tatsächlich enthält. Bei einer Melodie zählt der Tonhöhenverlauf mehr als alles andere. Ein Geräusch ganz ohne Tonhöhe — Rauschen, ein Krachen — lässt die Tonhöhe komplett außen vor und wird stattdessen nach Lautstärkeform, Timing und Klangfarbe bewertet. Alles dazwischen wird gleichmäßig gewichtet. Egal welcher Clip: Die Summe geht immer bis 100, also entscheidet der Clip, den du bekommst, nicht darüber, wie hoch du punkten kannst.

Zu spät ist nicht dasselbe wie falsch

Bevor irgendetwas gemessen wird, wird deine ganze Aufnahme am Clip ausgerichtet. Durchgehend ein bisschen zu spät zu kommen kostet sehr wenig, weil man es kaum hört — und der Ergebnisbildschirm sagt es dir in klaren Worten: Du warst durchgehend etwa so viele Millisekunden hinter dem Clip, komm früher rein. Gestreut zu sein ist etwas anderes. Bei einem Einsatz zu früh und beim nächsten zu spät ist das, was wirklich falsch klingt, und genau dort gehen die Punkte verloren. Haben zwei Spieler gleich viele Punkte, liegt vorne, wessen Einsätze gleichmäßiger waren.

Was eine Null bedeutet

Null ist nicht das rechnerische Minimum. Es bedeutet, dass die Aufnahme nicht besser war, als ein beliebiges anderes Geräusch gewesen wäre. Jedes Geräusch von ungefähr der richtigen Form deckt sich zufällig ein wenig mit dem Original, also beginnt die Skala dort, wo der Zufall aufhört: Alles über null ist der Teil des Clips, den du wirklich getroffen hast.

Bevor eine Aufnahme überhaupt bewertet wird, wird geprüft, ob darauf eine Darbietung ist. Ein ruhiges Zimmer ist nicht still — ein Ventilator oder ein Kühlschrank ist ein gleichmäßiger Ton, und genau so etwas soll ein Tonhöhen-Tracker finden —, also muss eine Aufnahme deutlich über dem Eigengeräusch des Raums liegen, sich bewegen und mindestens einen klaren Einsatz haben. Eine, die das nicht schafft, bekommt keine schlechte Wertung. Sie wird gar nicht bewertet, und du erfährst, warum — zum Beispiel, dass der Raum dich übertönt hat.

Den Clip einfach ins Mikrofon abzuspielen fällt auf. Eine Aufnahme, die dem Original zu ähnlich klingt, wird auf dem Ergebnisbildschirm für den ganzen Raum sichtbar markiert. Die Wertung bleibt stehen, weil ein wirklich guter Imitator genauso aussehen kann — und den besten Spieler am Tisch zu beschuldigen ist schlimmer, als dass ein Partyspiel ab und zu ausgetrickst wird.

So holst du mehr Punkte

• —Hör beim ersten Mal richtig hin. Du hörst den Clip einmal, dann nehmen alle auf.
• —Triff den ersten Einsatz. Ein sauberer Start hält alles danach in der Spur.
• —Kopier die Bewegung, nicht die Stimme. Steig, wo es steigt, und brich ab, wo es abbricht — in deiner eigenen Tonlage.
• —Lieber größer, nie kleiner. Übertreiben kostet nichts; eine zaghafte Aufnahme verliert Punkte.
• —Nimm kabelgebundene Kopfhörer. Bluetooth fügt eine Verzögerung hinzu, die du nicht spürst, und Lautsprecher schwappen in deine Aufnahme.

Nichts davon macht das Spiel weniger albern. Es bedeutet nur: Wenn der Raum über deine Ziege lacht, ist die Zahl darunter eine, über die du streiten kannst.