Pourquoi ma voix clonée sonne faux pour doubler plusieurs personnages ?

J'ai passé trois soirées à essayer de doubler les dialogues d'un petit RPG indépendant. Le personnage principal, un vieux forgeron bourru, devait parler comme un roc qui a avalé du gravier. La marchande, elle, avait une voix de miel avec un léger zozotement. Résultat après deux heures de bidouillage : les deux sonnaient exactement pareil. Et pas comme un humain. Comme un robot qui aurait avalé un dictionnaire.

J'ai d'abord cru que c'était mon micro. Puis que c'était ma façon de lire les répliques. Non. Le problème, c'était mon outil et ma méthode. Je vous raconte, parce que j'ai enfin trouvé comment faire, et ça change tout.

Le piège : cloner une voix, c'est pas doubler un jeu

Quand on dit « cloner une voix ia », on imagine qu'on enregistre deux minutes de sa voix, et hop, l'IA peut tout dire avec les bonnes intonations. C'est faux. J'ai testé avec un logiciel de clonage de voix gratuit trouvé sur un forum. J'ai cloné ma voix, puis j'ai généré les répliques du forgeron et de la marchande. Le résultat ? Une seule voix, sans âge, sans grain, sans émotion. Les deux personnages se ressemblaient comme deux gouttes de synthèse.

Le pire, c'est que même en changeant le texte, les pauses tombaient toujours au même endroit. Les questions montaient à la fin, les exclamations restaient plates. J'ai essayé de mettre des points d'exclamation partout. Rien. L'IA lisait comme si elle avait peur de déranger.

J'ai compris que le problème n'était pas le clonage en soi, mais que je traitais chaque personnage comme une simple variation de la même voix. Or, pour doubler plusieurs personnages, il faut des voix différentes – pas juste un pitch plus haut ou plus grave.

Test A : le logiciel de clonage classique, version basique

J'ai utilisé un logiciel de clonage de voix en ligne bien connu (je ne citerai pas le nom, mais il commence par un « M » et finit par un « e »). J'ai enregistré 10 phrases de base, j'ai validé, puis j'ai généré la réplique du forgeron : « Encore un voyageur ? Allez, entre, le feu est chaud. »

Résultat : la voix était propre, nette, mais totalement inexpressive. Le « encore » était aussi neutre que le « chaud ». J'ai baissé la vitesse, augmenté le volume, changé la ponctuation. Toujours cette même diction de présentateur météo.

Ensuite, j'ai généré la réplique de la marchande : « Des potions ? J'ai ce qu'il te faut, jeune homme. » Même voix. Même ton. J'ai failli pleurer. Le logiciel de clone gratuit promettait des « voix naturelles », mais c'était du texte lu par un synthétiseur poli.

Le seul avantage, c'était la vitesse. J'ai généré 20 lignes en cinq minutes. Mais toutes sonnaient comme le même personnage, et ce personnage, personne ne voudrait l'écouter plus de deux minutes.

Test B : VoxClone, le clonage voix en ligne qui m'a surpris

J'ai décidé de tester le clonage de voix en ligne de VoxClone parce que c'était gratuit et sans inscription. Je m'attendais à un truc basique, mais j'ai été surpris dès l'interface : on peut enregistrer jusqu'à 30 secondes de voix, et surtout, on peut ajuster des paramètres comme l'émotion, le débit, et même l'âge perçu de la voix.

J'ai cloné ma voix de forgeron en parlant plus lentement, avec une voix grave et des hésitations. Pour la marchande, j'ai parlé plus vite, plus aigu, avec un sourire dans la voix. J'ai ensuite utilisé le texte pour clonage de voix que j'avais préparé – des répliques courtes, avec des didascalies émotionnelles entre parenthèses.

Résultat : le forgeron avait un vrai poids. La marchande, une légèreté. Les deux étaient clairement distincts. Et le plus important, les émotions passaient. Quand le forgeron grogne, on l'entend grogner. Quand la marchande rit, on l'entend rire.

Bien sûr, ce n'est pas parfait. Il y a parfois un léger effet métallique sur les consonnes, et les longues phrases de plus de 20 mots deviennent monotones. Mais pour un projet amateur ou un prototype de jeu, c'est largement suffisant.

Les vrais réglages qui changent tout

J'ai fait trois essais avec VoxClone avant de trouver les bons réglages. D'abord, j'ai compris qu'il fallait enregistrer séparément chaque voix de personnage. Pas un seul clone pour tout le monde. C'est évident, mais on n'y pense pas toujours.

Ensuite, j'ai appris à varier la longueur des phrases. Les personnages qui parlent par à-coups (le forgeron) ont besoin de phrases courtes, avec des points. Les personnages bavards (la marchande) supportent mieux les phrases longues, mais il faut les couper avec des virgules et des incises.

Enfin, j'ai utilisé l'option « émotion » du site. J'ai testé « colère », « joie », « tristesse » sur la même phrase, et c'est bluffant de différence. Le voice cloner online free que j'utilisais avant n'avait rien de tout ça.

J'ai aussi remarqué que le débit change tout. Un personnage nerveux parle vite, avec des pauses irrégulières. Un vieux sage parle lentement, avec des silences. Ces réglages sont dans l'interface, il suffit de les chercher.

Les limites à connaître avant de te lancer

Je ne vais pas te vendre du rêve. Le voice cloner ai free a des limites. Pour les cris, les chuchotements, ou les voix très déformées (un démon, un robot), c'est pas encore ça. J'ai essayé de faire une voix de gobelin en montant le pitch au maximum : ça sonnait comme un écureuil asthmatique, pas comme un gobelin.

Aussi, la cohérence sur la durée. Si tu doubles 100 répliques avec le même clone, il y aura de légères variations de ton. C'est acceptable pour un jeu indépendant, mais pour un doublage professionnel, il faudra retoucher chaque ligne.

Enfin, le temps d'enregistrement initial est crucial. J'ai passé 15 minutes à enregistrer le forgeron, avec des variations de colère, de fatigue, d'ironie. Plus ton échantillon est riche, plus le clone sera expressif. Ne te contente pas de lire un texte plat.

Ce que j'aurais aimé savoir avant de commencer

Si je devais recommencer, je ferais trois choses. D'abord, je listerais chaque personnage avec ses traits vocaux (timbre, débit, émotions récurrentes). Ensuite, j'enregistrerais un échantillon distinct pour chacun, même si c'est long. Enfin, je générerais une première réplique de test, je l'écouterais, je la ferais écouter à un ami – et je ne lancerais la production que si ça sonne juste.

J'ai perdu trois soirées à cause de mon entêtement à vouloir un seul clone pour tous. Maintenant, je prends 30 minutes par personnage, et le résultat est dix fois meilleur. Et toi, tu as déjà essayé de doubler un jeu avec une voix clonée ? Qu'est-ce qui t'a le plus bloqué ?