Comment une appli sait qui parle : dans les coulisses de la mise en voix à plusieurs personnages

Pour donner à chaque personnage d’un livre sa propre voix, il faut d’abord répondre à une question qui semble banale et ne l’est pas : qui prononce cette réplique ? Un lecteur humain y répond sans s’en apercevoir. Un logiciel, lui, doit apprendre à le faire, et c’est cet apprentissage qui est intéressant. C’est aussi ce qui permet la mise en voix automatique à plusieurs personnages, et cela mérite qu’on s’y arrête.

Les cas faciles, et pourquoi ils trompent

Certains dialogues indiquent clairement qui parle.

« Vous êtes allé en Afghanistan, je perçois », dit Holmes.

L’indication est là : un verbe de parole et un nom, juste à côté de la citation. Un programme simple peut repérer les guillemets, chercher un « dit » suivi d’un nom propre, et s’en tirer la plupart du temps. Si toutes les répliques se présentaient ainsi, le problème serait réglé en un après-midi.

Ce n’est pas le cas.

Là où ça se complique

La vraie prose regorge de dialogues qui cachent leur locuteur, et chaque façon de le cacher est un problème distinct.

Les répliques sans attribution. Une fois la conversation lancée, les auteurs suppriment les incises, car le lecteur est censé tenir le fil de lui-même.

« Vous êtes allé en Afghanistan. » « Comment diable le saviez-vous ? » « Peu importe. La question est de la plus haute importance. »

Trois répliques, aucun nom. Pour les attribuer, il faut reconnaître que deux personnes parlent et qu’elles alternent, puis maintenir ce fil jusqu’à ce que quelque chose le rompe. Une erreur de comptage, et toutes les répliques suivantes basculent vers la mauvaise personne.

Les incises pronominales. « Il dit » et « elle demanda » attribuent la réplique à une personne que la phrase ne nomme pas. Il faut savoir qui est « il » à cet instant précis, ce qui suppose de suivre qui vient d’être mentionné et qui se trouve dans la scène.

Les gestes à la place des incises. Souvent, il n’y a aucun verbe de parole, juste une action à côté de la citation.

Holmes s’adossa et joignit le bout des doigts. « Voilà un problème à trois pipes. »

Rien n’a « dit » quoi que ce soit. Un lecteur comprend que c’est Holmes qui parle parce que c’est lui qui agit. Le logiciel doit faire le même raccourci.

Identifier les personnages, tout court. Avant d’attribuer une réplique à Holmes, il faut savoir que Holmes existe, et que « Sherlock », « M. Holmes », « Holmes » et, dans la narration de son ami, « il » peuvent tous désigner le même homme. Dresser cette liste de personnages et leurs alias à partir du texte seul, sans feuille de distribution, est une étape en soi.

Et puis il y a l’ambigu. La narration à la première personne, les lettres citées dans le récit, une scène où cinq personnes parlent à la fois, une réplique qu’un auteur a délibérément laissée floue. Parfois, la réponse honnête est que même un lecteur attentif marquerait une pause.

L’évolution des méthodes

Les premières tentatives reposaient sur des règles : trouver les guillemets, chercher « dit X » à proximité, se rabattre sur l’alternance à défaut. Rapide, et fragile exactement là où la prose devient intéressante. Puis sont venus des modèles statistiques entraînés sur des livres annotés. Ils géraient mieux le contexte, mais restaient dépendants de motifs de surface.

Ce qui a changé récemment, c’est que les grands modèles de langage lisent un passage davantage comme une personne. Devant un extrait de livre, un modèle capable garde la scène à l’esprit : qui est présent, qui a parlé en dernier, quelle action précède la citation. Il utilise tout cela pour attribuer une réplique, y compris celles sans incise. Ce n’est pas de la magie et ce n’est pas parfait, mais c’est un grand pas au-delà de la simple correspondance entre « dit » et le nom le plus proche.

Ce que fait BookNPC

BookNPC fait tourner cette analyse sur un livre, page par page. L’appli reconstitue la distribution, résout les alias et attribue chaque réplique, y compris les séries sans marqueur. Elle assigne ensuite une voix distincte au narrateur et à chaque personnage. C’est l’étape à n’effectuer qu’une seule fois avant la mise en voix d’un livre, et c’est pourquoi elle a un petit coût : le travail est dans l’analyse, pas dans la diffusion.

Aucun système d’attribution n’est infaillible sur une prose difficile, c’est pourquoi l’appli vous laisse le contrôle. Pendant la lecture, la réplique en cours prend la couleur du locuteur et son nom apparaît sous la page, pour que vous voyiez à qui l’appli attribue la parole. La liste complète des personnages est accessible, et vous pouvez changer n’importe quelle voix. Si une attribution est erronée sur un échange difficile, l’erreur est visible et corrigeable, pas intégrée en silence.

Pourquoi c’est la partie difficile, et la plus précieuse

Enregistrer des voix, c’est la moitié facile d’un livre audio à plusieurs voix. La moitié coûteuse et exigeante a toujours été la direction : décider qui prononce chaque réplique, et comment. L’attribution automatique des locuteurs, c’est un logiciel qui fait ce travail de direction. Il est maintenant assez bon pour mettre en voix n’importe quel livre que vous importez, pas seulement les quelques titres qu’un studio a choisi de produire.

C’est la mécanique derrière une fonctionnalité qui, de l’extérieur, semble simplement signifier « chaque personnage a une voix ». Pour la voir à l’œuvre, mettez en voix un livre riche en dialogues dans BookNPC et regardez les noms des locuteurs s’afficher pendant la lecture. Le guide sur la distribution complète et le narrateur unique explique ce que cela change à l’écoute.