Jak ocenia się naśladowanie głosu

Gra w naśladowanie głosów prosi o jedną rzecz: usłysz dźwięk, a potem go zrób. Koza, alarm samochodowy, ktoś wrzeszczący przez cały parking — każdy próbuje, a wraca liczba mówiąca, jak blisko każdy był. O tę liczbę toczą się spory. Przeczytaj recenzje niemal każdej gry z gatunku, a pojawią się te same skargi: wynik wydaje się arbitralny, gra zdaje się nie słyszeć gracza, a osoby o bardzo niskim albo bardzo wysokim głosie podejrzewają, że oceniany jest ich głos, a nie próba.

To problemy projektowe i mają projektowe odpowiedzi. Oto jak Mimic, tryb naśladowania w PartyDub, zamienia dwusekundową próbę w wynik — spisane tak, żeby dało się sprawdzić, czy ocenia to, co według ciebie powinien.

Mierzy, zamiast zgadywać

Na żadnym etapie nie biorą udziału model językowy ani rozpoznawanie mowy. Twoje nagranie jest porównywane z oryginałem pomiarem, a wynikiem jest liczba w skali do 100, gotowa w chwili, gdy zamyka się okno nagrywania. Nic nie próbuje rozpoznawać słów, więc akcent nie ma czego zmylić. Klip jest cięty na kawałki wszędzie tam, gdzie zaczyna się nowy dźwięk — trzy szczeknięcia ocenia się jako trzy szczeknięcia — a każdy kawałek porównuje się pod czterema względami:

• —Timing — czy każde twoje wejście wypada tam, gdzie wejście w oryginale.
• —Ruch wysokości — czy twój głos wznosi się i opada tam, gdzie oryginał.
• —Kształt głośności — czy narastasz, urywasz i uderzasz w tych samych miejscach.
• —Rytm — czy każdy kawałek trwa tyle, ile powinien. Pośpiech i przeciąganie są tak samo złe, więc trzymanie dźwięku dwa razy za długo kosztuje tyle samo, co skrócenie go o połowę.

Oceniany nie jest twój głos

Zanim porówna się dwa przebiegi wysokości, od każdego głosu odejmuje się jego własną typową wysokość, więc zostaje kształt ruchu, a nie dźwięki. Bas i dziecko, które robią to samo wznoszenie i opadanie, dostają ten sam wynik. Z głośnością jest tak samo — porównuje się ją jako kształt, a nie poziom — więc cichy mikrofon nie daje gorszego wyniku, a krzyk nie daje lepszego.

Jeszcze jedna zasada, i to ona sprawia, że gra jest zabawna: przesada nigdy nic nie kosztuje. Nagranie, które idzie za ruchem oryginału, ale go wyolbrzymia, dostaje pełny wynik. Takie, które idzie za nim nieśmiało, w połowie skali, nie dostaje. Płaskość jest błędem. Przesada — nigdy.

Nie w każdym dźwięku jest głos

Syrena, śpiewany refren, trzaśnięcie drzwiami i owca wymagają różnych rzeczy, więc ocena przesuwa swój ciężar zależnie od tego, co naprawdę jest w klipie. W melodii ruch wysokości waży więcej niż cokolwiek innego. Odgłos zupełnie bez wysokości — szum, huk — całkowicie pomija wysokość i jest oceniany za kształt głośności, timing i barwę. Wszystko pomiędzy waży się po równo. Niezależnie od klipu suma sięga tych samych 100, więc klip, który przypadnie, nie decyduje o tym, jak wysoko da się zajść.

Spóźnienie to nie to samo co błąd

Zanim cokolwiek zostanie zmierzone, całe twoje nagranie wyrównuje się do klipu. Wchodzenie odrobinę za późno od początku do końca kosztuje bardzo mało, bo prawie tego nie słychać — a ekran wyników mówi to wprost: że konsekwentnie jesteś mniej więcej tyle a tyle milisekund za klipem i trzeba wchodzić wcześniej. Rozrzut to co innego. Za wcześnie przy jednym wejściu i za późno przy następnym — to naprawdę brzmi źle, więc tam uciekają punkty. Gdy dwie osoby mają remis, wyżej jest ta, której wejścia były równiejsze.

Co oznacza zero

Zero nie jest arytmetycznym dnem. Oznacza, że nagranie nie wypadło lepiej, niż wypadłby dowolny niezwiązany dźwięk. Każdy odgłos o mniej więcej właściwym kształcie trochę pokrywa się z oryginałem przez przypadek, więc skala zaczyna się tam, gdzie kończy się przypadek: wszystko powyżej zera to ta część klipu, którą naprawdę udało się trafić.

Zanim nagranie w ogóle zostanie ocenione, sprawdza się, czy jest na nim występ. Cichy pokój nie jest bezgłośny — wentylator czy lodówka to stały ton, dokładnie to, do czego wyszukiwania zbudowano detektor wysokości — więc nagranie musi wyraźnie wybijać się ponad własny szum pokoju, zmieniać się i mieć co najmniej jedno wyraźne wejście. Takie, któremu się to nie uda, nie dostaje złej oceny. W ogóle nie jest oceniane, a na ekranie pojawia się powód — na przykład że pokój zagłuszył twój głos.

Puszczenie klipu do mikrofonu nie przejdzie niezauważone. Nagranie, które brzmi zbyt podobnie do oryginału, zostaje oznaczone na ekranie wyników, na oczach całego pokoju. Wynik zostaje, bo naprawdę dobry imitator może wyglądać tak samo — a oskarżenie najlepszej osoby przy stole jest gorsze niż to, że ktoś czasem przechytrzy grę imprezową.

Jak zdobyć więcej punktów

• —Słuchaj uważnie za pierwszym razem. Klip słychać raz, potem wszyscy nagrywają.
• —Traf pierwsze wejście. Czysty start trzyma w ryzach wszystko, co po nim.
• —Kopiuj ruch, nie głos. Wznoś się tam, gdzie oryginał się wznosi, i urywaj tam, gdzie urywa — we własnej skali głosu.
• —Większe, nigdy mniejsze. Przesada nic nie kosztuje; nieśmiałe nagranie traci punkty.
• —Używaj słuchawek na kablu. Bluetooth dodaje opóźnienie, którego nie czuć, a głośniki przeciekają do twojego nagrania.

Nic z tego nie sprawia, że gra jest mniej głupia. Oznacza tylko, że kiedy pokój śmieje się z twojej kozy, liczba pod nią jest taka, z którą można się kłócić.