Comment une imitation vocale est notée

Un jeu d'imitation vocale ne demande qu'une chose : entendre un son, puis le faire. Une chèvre, une alarme de voiture, quelqu'un qui hurle d'un bout à l'autre d'un parking — tout le monde essaie, et un nombre revient pour dire à quel point chacun s'en est approché. C'est ce nombre qui fait débat. Lis les avis sur presque n'importe quel jeu du genre et les mêmes reproches reviennent : la note paraît arbitraire, le jeu ne semble pas t'entendre, et ceux qui ont une voix très grave ou très aiguë soupçonnent qu'on note leur voix plutôt que leur tentative.

Ce sont des problèmes de conception, et ils ont des réponses de conception. Voici comment Mimic, le mode d'imitation de PartyDub, transforme une tentative de deux secondes en note — mis par écrit pour que tu puisses vérifier qu'il juge bien ce que tu penses qu'il devrait juger.

Il mesure, il ne devine pas

À aucun moment un modèle de langage ou une reconnaissance vocale n'interviennent. Ton enregistrement est comparé à l'original par la mesure, et le résultat est un nombre sur 100, prêt dès que la fenêtre d'enregistrement se ferme. Rien n'essaie de reconnaître des mots, donc il n'y a rien qu'un accent puisse embrouiller. Le clip est découpé en morceaux partout où un nouveau son commence — trois aboiements sont jugés comme trois aboiements — et chaque morceau est comparé sur quatre points :

• —Le timing — si chacune de tes attaques tombe là où tombe celle de l'original.
• —Le mouvement de hauteur — si ta voix monte et descend là où l'original monte et descend.
• —La forme du volume — si tu gonfles, coupes et frappes aux mêmes endroits.
• —Le rythme — si chaque morceau dure le temps qu'il faut. Presser et traîner sont aussi faux l'un que l'autre, donc tenir un son deux fois trop longtemps coûte autant que le couper de moitié.

Ce n'est pas ta voix qui est notée

Avant de comparer deux courbes de hauteur, on retire à chaque voix sa propre hauteur habituelle : il reste la forme du mouvement, pas les notes. Une basse et un enfant qui font la même montée et la même descente obtiennent la même note. Le volume est traité de la même façon — comparé comme une forme, pas comme un niveau —, donc un micro faible ne donne pas une moins bonne note et crier n'en donne pas une meilleure.

Encore une règle, et c'est celle qui garde le jeu drôle : en faire plus ne coûte jamais rien. Une prise qui suit le mouvement de l'original en l'exagérant obtient la note complète. Une prise qui le suit timidement, à moitié, non. Être plat, c'est l'erreur. En faire trop, jamais.

Tous les sons ne contiennent pas une voix

Une sirène, un refrain chanté, une porte qui claque et un mouton demandent des choses différentes, alors la note déplace son poids selon ce que contient vraiment le clip. Pour une mélodie, le mouvement de hauteur compte plus que tout le reste. Un bruit sans aucune hauteur — du souffle, un fracas — ignore complètement la hauteur et se juge plutôt sur la forme du volume, le timing et la texture. Tout ce qui est entre les deux est pondéré à parts égales. Quel que soit le clip, le total est sur les mêmes 100, donc le clip qu'on te donne ne décide pas du score que tu peux atteindre.

En retard, ce n'est pas faux

Avant toute mesure, ta prise entière est alignée sur le clip. Arriver un peu en retard du début à la fin coûte très peu, parce que ça s'entend à peine — et l'écran des résultats te le dit en toutes lettres : tu étais systématiquement environ tant de millisecondes derrière le clip, entre plus tôt. Être dispersé, c'est autre chose. En avance sur une attaque et en retard sur la suivante, c'est ce qui sonne vraiment faux, et c'est là que partent les points. Quand deux joueurs sont à égalité, celui dont les attaques étaient les plus régulières passe devant.

Ce que veut dire un zéro

Zéro n'est pas le plancher arithmétique. Il veut dire que la prise n'a pas fait mieux qu'un son sans rapport ne l'aurait fait. N'importe quel bruit d'à peu près la bonne forme coïncide un peu avec l'original par hasard, alors l'échelle commence là où le hasard s'arrête : tout ce qui dépasse zéro, c'est la partie du clip que tu as vraiment réussie.

Avant même d'être notée, une prise est vérifiée : y a-t-il une performance dessus ? Une pièce calme n'est pas silencieuse — un ventilateur ou un frigo produisent un son continu, exactement ce qu'un détecteur de hauteur est fait pour trouver —, donc une prise doit se détacher nettement du bruit propre de la pièce, bouger et avoir au moins une attaque nette. Une prise qui n'y arrive pas ne reçoit pas une mauvaise note. Elle n'est pas notée du tout, et on te dit pourquoi — par exemple que la pièce couvrait ta voix.

Faire jouer le clip dans ton micro ne passe pas inaperçu. Une prise qui ressemble trop à l'original est signalée sur l'écran des résultats, à la vue de tout le salon. La note reste, parce qu'un très bon imitateur peut avoir exactement le même profil — et accuser le meilleur joueur de la table est pire qu'un jeu de soirée dupé de temps en temps.

Comment avoir une meilleure note

• —Écoute bien la première fois. Tu entends le clip une fois, puis tout le monde enregistre.
• —Réussis la première attaque. Un départ propre garde tout le reste en place.
• —Copie le mouvement, pas la voix. Monte là où ça monte et coupe là où ça coupe, dans ta propre tessiture.
• —Plus grand, jamais plus petit. Exagérer ne coûte rien ; une prise timide perd des points.
• —Prends un casque filaire. Le Bluetooth ajoute un délai que tu ne sens pas, et les haut-parleurs débordent dans ta prise.

Rien de tout ça ne rend le jeu moins absurde. Ça veut juste dire que, quand le salon rit de ta chèvre, le nombre en dessous est un nombre qu'on peut discuter.