Chaque scène dure enfin le temps de ses mots

Un film sonne juste quand ce qu’on entend correspond à ce qu’on voit. Si une scène sur les tarifs passe à l’écran suivant pendant que le narrateur parle encore de prix, le spectateur le sent tout de suite, sans savoir pourquoi.

Une revue de rendus récents a trouvé exactement cela : des scènes dont la narration prenait huit secondes tenaient 2,9 secondes, d’autres de 13 mots tenaient 2,6. Les secondes n’étaient pas perdues. Elles étaient jouées sur les scènes suivantes, et c’est ce point qu’il faut comprendre.

Pour garder une narration naturelle, un film PageToVid utilise une seule prise de voix continue pour tout le script. Les scènes se partagent cet enregistrement : le temps d’écran de chaque scène est sa part de l’unique piste.

Les parts font toujours le total. Une frontière mal placée ne perd donc jamais de temps ; elle le donne à une voisine. Voilà pourquoi la correction devait commencer en amont, par l’endroit où débute chaque part, et pourquoi elle devait ajouter du temps plutôt que le déplacer.

Le début de chaque scène part d’une estimation, puis se cale sur une vraie pause de la voix. Deux choses ont amélioré cette estimation :

• Elle pèse ce qui se dit, pas ce qui s’écrit. Un prix avec son symbole monétaire tient en quelques caractères et deux secondes de parole ; un sigle s’épelle lettre par lettre. L’estimation utilise maintenant le même modèle de coût de parole que les sous-titres, ce qui compte, car le calage ne peut déplacer une frontière que de quelques secondes.
• Elle garde le temps entendu par la reconnaissance vocale. Dans un montage rapide, une scène commence souvent pendant que la phrase précédente court encore. Quand la reconnaissance a entendu les deux scènes dans le même passage parlé, son temps mesuré fait foi.

Nous avons aussi cessé de compter la ponctuation, comme un deux-points isolé, comme un mot manqué : un film garde ainsi la voie la plus précise dès que ses mots ont vraiment été entendus.

Pour une scène encore trop courte, la correction doit être additive : couper une part supprimerait des mots, déplacer une frontière ne ferait que déplacer le problème. Nous insérons donc un instant de silence dans le fichier de voix, à la jointure de cette scène, à l’échantillon près, et tout ce qui suit recule d’autant. Pas un échantillon de parole n’est touché.

Trois règles rendent cela sûr :

1. 1Seul un manque mesuré reçoit du temps. La vraie durée de parole d’une scène va de son premier mot entendu à la fin du dernier ; une scène dont les mots n’ont pas été entendus reste exactement telle quelle.
2. 2Le silence ne va que dans le silence. Une insertion n’est gardée que là où une vraie pause se trouve dessous : un mot n’est jamais coupé.
3. 3Un carton muet reçoit la durée demandée par son auteur, ni plus ni moins.

Voici l’idée qui compte le plus pour nous. Beaucoup de chiffres d’une chaîne comme la nôtre sont des parts d’un même total, et un rapport qui en compare deux sera toujours d’accord avec lui-même. Une première version de notre propre rapport de synchronisation faisait exactement cela : elle comparait des durées de scène à des chiffres calculés à partir de ces mêmes durées, elle ne pouvait donc que dire oui. Une revue indépendante l’a relevé avant la mise en service.

La preuve que nous livrons lit donc le MP4 terminé, écoute les mots dans son propre audio et vérifie que les mots de chaque scène tombent dans la fenêtre de cette scène à l’écran. Elle ne partage aucun terme avec le code qu’elle vérifie. Sur deux vrais rendus, elle n’a trouvé aucune scène désynchronisée.

Pour qui fait un film, l’image et la voix avancent désormais ensemble : une scène reste jusqu’à ce que ses mots soient dits, les sous-titres restent à l’heure jusqu’à la dernière scène, et un carton muet dure le temps que vous avez choisi. Les assistants peuvent lire un rapport de synchronisation pour chaque film et voir quelles scènes ont été mesurées.

Vous pouvez le voir dans les sous-titres de n’importe quel film de la galerie, et la place du minutage dans un film sur la page des fonctionnalités.