Avatar parlant et synchronisation labiale

Un avatar parlant est constitué de deux moteurs exploités : l'un crée le visage et les expressions faciales, le second synchronise les lèvres avec le son (lip sync). Le réseau neuronal divise la parole en phonèmes (petits sons) et sélectionne la forme de la bouche en fonction de celles-ci. D’où la règle principale : écrivez le script comme ILS LE DIT, pas comme ils l’écrivent. Des phrases courtes, des mots simples, sans longues phrases participatives - sinon les lèvres « mâcheront » et la désynchronisation sera évidente. Mécanique des expressions faciales : le modèle lit l'émotion à partir de la description et des signes de ponctuation, donc indique clairement l'ambiance (« amical, avec un léger sourire ») et ponctue les pauses. Insider : gardez une émotion par ligne. Un changement brusque de « joie – colère – tristesse » en trois secondes brise le visage en un masque contre nature. La deuxième technique concerne environ 2 mots par seconde : si vous mettez beaucoup de texte dans un court clip, la synchronisation labiale sera gâchée. Calculez à l’avance la durée de la voix off. Une erreur typique consiste à écrire un texte robotique avec des abréviations et des chiffres (« ROI augmenté de 27,4 % ») : le modèle le prononcera de travers. Déchiffrez-le en mots et testez-le à l’oreille.