Comment fonctionnent les filtres vocaux dans un jeu de doublage

Tous les modificateurs de voix que tu as utilisés fonctionnent pareil en dessous : ils rééchantillonnent. Joue l'enregistrement plus vite et tu montes, plus lentement et tu descends. C'est une ligne de code, c'est ce que fait un magnétophone, et c'est la raison pour laquelle la voix d'écureuil existe.

C'est aussi la seule chose qu'un jeu de doublage ne peut pas faire, et comprendre pourquoi représente l'essentiel de ce qui rend les filtres vocaux intéressants dans ce genre.

La vitesse change la hauteur et la durée en même temps

Dans un doublage, ta prise n'est pas jouée toute seule. Elle est calée sur une image : un personnage ouvre la bouche à 4,2 secondes et s'arrête à 6,1, et ta réplique va dans cet intervalle. Rien ne l'étire pour qu'elle rentre et rien ne la raccourcit.

Donc au moment où tu changes la vitesse de lecture, tu as changé la durée de la réplique. Un écureuil à 1,9× a fini à mi-chemin, la bouche du personnage bougeant encore. Un géant à 0,55× parle encore plusieurs secondes après que la scène a coupé. Les deux sont exactement la désynchronisation que tout le reste d'un jeu de doublage existe pour empêcher — et plus le filtre est drôle, plus la vitesse est extrême, et plus la dérive est grave.

C'est pour ça qu'un modificateur de voix conçu pour le chat ou le stream sonne souvent faux la première fois qu'on le pointe sur un doublage. Rien n'est cassé. Le chat n'a pas d'image avec laquelle rester synchrone, donc personne n'a eu à résoudre ça.

Les formants, et pourquoi ils portent plus que la hauteur

La solution est d'arrêter complètement de bouger la hauteur et de bouger les résonances à la place. Ton conduit vocal est un tube, et un tube a des fréquences auxquelles il résonne — les formants. Un conduit court résonne haut, un conduit long résonne bas, et la longueur du conduit de quelqu'un est l'essentiel de ce qui fait qu'une voix se lit comme petite ou grande. Sans doute davantage que la hauteur.

Déplacer l'endroit où une voix résonne, c'est de l'égalisation pure. Dans PartyDub, chaque filtre est une chaîne de filtres en cloche autour de 240 Hz pour la résonance de poitrine, 1400 Hz là où vivent les voyelles, et 3000 Hz pour la brillance qui se lit comme une voix plus légère. Monte les deux du haut et coupe celui du bas et la personne qui parle rétrécit ; fais l'inverse et elle grandit. L'enregistrement n'est jamais rééchantillonné, donc il dure exactement le temps qu'il a été joué, à l'échantillon près.

L'échange est honnête et mérite d'être dit : un écureuil obtenu par les formants, c'est une petite personne, pas un écureuil littéral. C'est moins extrême que le rééchantillonnage. En revanche ça reste collé à l'image, et dans un jeu dont la blague est une voix face à un visage, ça compte plus que les vingt derniers pour cent de l'effet.

Ceux qui ne parlent pas de taille

Tous les filtres ne sont pas un décalage de formants. Plusieurs sont des astuces plus anciennes qui se trouvent être gratuites dans un navigateur :

• —Robot, c'est de la modulation en anneau — le signal multiplié par une sinusoïde à 55 Hz. Web Audio n'a pas de nœud de multiplication, mais le paramètre de gain d'un nœud de gain est un multiplicateur, donc le piloter avec un oscillateur, c'est exactement de la modulation en anneau.
• —Guêpe en colère, c'est la même astuce à 260 Hz, comprimée dans une bande étroite. Une modulation rapide envoyée dans un passe-bande, c'est du bourdonnement pur.
• —Appel téléphonique, c'est la bande vocale de 300 à 3400 Hz et rien d'autre. C'est cette bande qui fait qu'un téléphone sonne comme un téléphone ; c'est un fait sur le réseau téléphonique, pas sur la voix.
• —Dans une grotte, c'est un délai rebouclé à 220 ms avec les aigus rabattus, ce qui correspond à peu près à ce qu'une vraie grotte te fait.
• —Démon, c'est un gros décalage de formants vers le bas avec de la distorsion de waveshaper par-dessus.

Tout ça tourne dans le navigateur, au moment où le salon rejoue un doublage. Rien n'est envoyé, rien n'est calculé sur un serveur, et l'effet coûte la même chose qu'une personne l'entende ou dix.

Le problème de design sous le problème d'audio

Faire sonner correctement dix-huit filtres s'est révélé être la moitié facile. La difficile, c'est que pendant longtemps ils ont été un menu déroulant : tu ouvrais un menu avant d'enregistrer, tu choisissais Démon, et tu avais Démon.

C'est une préférence, et une préférence est une chose solitaire dans un jeu de soirée. Personne d'autre dans le salon n'y a d'intérêt, personne n'en est surpris, et une fois que tu as trouvé celui que tu aimes tu arrêtes d'ouvrir le menu. Une voix drôle que tu t'es choisie toi-même est un costume que tu portes tout seul.

Les filtres dans PartyDub ne se choisissent donc plus. Ils se lancent. Pendant une manche, il y a une étagère de dix-huit potions : tu prends un flacon, tu choisis un joueur, et tout le monde le regarde traverser l'écran en arc et éclater sur sa carte. Pour le reste de la manche, sa voix sort par ce filtre — dans la cabine pendant qu'il enregistre encore, et à la révélation quand le salon l'entend.

La personne touchée n'a pas son mot à dire, ce qui est tout l'intérêt et la seule chose qu'un menu déroulant ne pourra jamais faire.

Deux règles qui l'empêchent d'être pénible

1. Une potion dure une manche. À la manche suivante tu es de nouveau propre, sauf si quelqu'un en dépense une autre sur toi. Se faire toucher à la manche un et rester guêpe pendant une heure, c'est une punition ; se faire toucher pour une manche, c'est un gag.
2. Tu es prévenu tout de suite. En réécoutant ta prise dans la cabine, tu entends à quoi tu ressembles vraiment. Le cacher pour préserver la surprise était tentant et aurait été pire — quelqu'un qui ne sait pas qu'il a une voix de démon ne peut pas jouer avec, et une réplique lue au premier degré parce que tu n'en savais rien est une blague qui ne touche personne.

Un lancer chacun par manche, donc dans un salon où plusieurs personnes tiennent des potions, une manche peut voir quatre flacons se croiser en même temps. Se faire toucher ne demande ni compte ni plan : la blague ne marche pas si la moitié du salon ne peut pas être une cible.

Ce que ça coûte

Un compte gratuit connecté reçoit une potion par mois. Les soutiens en reçoivent cinquante. Une plutôt qu'aucune, parce qu'un chiffre sur une page de tarifs ne veut rien dire tant que tu n'en as pas lancé une ; une plutôt que cinq, parce que la rareté est toute la raison pour laquelle une potion vaut quelque chose. Les invités peuvent être touchés mais ne peuvent pas lancer, pour la raison peu glorieuse qu'une dotation mensuelle a besoin d'un compte auquel s'accrocher.

Dans les deux cas l'audio est identique. Chaque filtre, ce sont quelques nœuds Web Audio qui tournent sur la machine qui joue le doublage, ce qui ne nous coûte rien et ne te coûte rien — la dotation sert à garder une potion lancée du côté de l'événement plutôt que de la météo.