Les règles de son, format par format

Écrit après deux heures passées sur une seule maquette. Aucun réglage ici ne se devine : chacun a été trouvé en mesurant, souvent après plusieurs erreurs. Le relire avant de produire coûte deux minutes ; ne pas le relire a coûté une matinée.

Trois choses valent pour tous les formats et ne se rediscutent pas.

Un tour de parole part en une seule génération. Jamais une requête de synthèse par phrase. Le découpage par plan se fait après, sur la prise continue. C'est la règle qui supprime les décrochages ; le détail est dans faire-sonner-une-voix-vraie.md.

Chaque prise est ramenée à la même sonie — −18 LUFS — par un gain linéaire, avant tout assemblage. Sans ça l'écart entre deux phrases atteint douze LUFS.

Un souffle de salle continu à −54 dB passe sous toute la bande, pour qu'elle ne tombe jamais au silence numérique absolu.

Une seule personne qui parle — UGC, voix off, B-Rolls, ASMR

C'est le cas le plus simple : toute la publicité est une seule prise. Il n'y a aucune jointure, donc rien à raccorder.


Blanc entre répliques	0,12 s
Recouvrement	sans objet — il n'y a pas de jointure
Musique de fond	oui sur l'UGC et la voix off, à −22 dB. Sur l'ASMR, non : le silence est le sujet
Ambiance de lieu	seulement si la personne est quelque part. Une voix off n'est nulle part

Le blanc de 0,12 s peut surprendre par sa brièveté. Il est juste : les respirations que le modèle pose lui-même à l'intérieur de la prise portent déjà le rythme, et tout blanc ajouté par-dessus s'entend comme un trou.

Deux personnes qui se parlent — interview, podcast, micro-trottoir

Ici les jointures existent et elles sont légitimes : c'est un dialogue. Elles se traitent par le recouvrement.


Blanc entre répliques d'un même personnage	0,12 s
Blanc entre personnages	0,50 s
Recouvrement entre deux prises du même personnage	0,08 s
Recouvrement à un changement de personnage	aucun
Musique de fond	oui, à −14 dB
Ambiance de lieu	selon le décor ; coupée sous une voix off, qui n'a pas de lieu

Une demi-seconde franche, et aucun recouvrement. C'est la formulation d'Adrien : « une vraie pause d'une demi-seconde, comme des gens normaux qui parlent, mais sur la même bande ». L'invité finit sa phrase, un temps, l'intervieweuse relance.

Les deux extrêmes ont été essayés et refusés. Recouvrir — jusqu'à 0,70 s — faisait entrer l'intervieweuse pendant que l'invité parlait encore : « ses phrases sont incrustées par-dessus, c'est dégueulasse ». Ne rien mettre laissait un trou : le niveau tombait à −40 dB dans la pause, contre −29 dB pour les creux naturels de la parole, et cela s'entendait comme un décrochage.

Ce qui remplit la pause, c'est la musique. À −14 dB, le niveau dans la demi-seconde de silence est de −32 dB, à peine plus creux que les respirations à l'intérieur de la parole. La pause existe, elle s'entend comme une pause, et la bande ne décroche jamais. C'est pour cette raison que la musique de fond est plus haute sur un dialogue que sur une voix seule.

Et la queue de respiration se conserve — 0,15 s en fin de prise. Couper la fin à zéro supprime le souffle qui suit la dernière syllabe, et le personnage s'arrête net.

Un personnage garde exactement la même voix du début à la fin

Deux appels de synthèse successifs sur la même voix clonée ne rendent pas le même timbre, et le personnage semble remplacé au milieu de son propre discours. Le regroupement des répliques en prises ne tient donc compte que de la voix, jamais des réglages.

Le piège concret, qui a coûté deux raccords audibles sur l'Ads 118 : une stabilité forcée sur une seule réplique, pour corriger un mot mal articulé, avait suffi à couper le tour de parole en trois générations, donc en trois timbres. Un réglage par réplique ne doit jamais découper un tour de parole — et il devient le plus souvent inutile, puisqu'une réplique courte noyée dans une longue prise est bien articulée par le contexte qui l'entoure.

Le contrôle : un personnage ne doit avoir qu'autant de prises que de tours réellement séparés par quelqu'un d'autre. Deux prises du même personnage qui se suivent sans que personne ne parle entre les deux sont une erreur.

Le débit se règle par rôle, et au besoin par réplique

L'intervieweur va plus vite que l'invité : il relance, il n'expose pas. Le casting porte donc une vitesse_role. Une vitesse_replique permet en plus d'accélérer une fin de publicité sans toucher au reste. Ces réglages s'appliquent après la génération, sur des tranches de la même prise : ils ne découpent rien.

Une réplique de moins d'une seconde et demie ne s'accélère jamais — la dernière syllabe s'y perd.

Ce qui ne se corrige jamais dans le texte

Un raccord qui s'entend se règle au son. Ajouter un mot pour arranger une transition est interdit : le script est validé, et un personnage qui dit ce qu'il n'a pas à dire sonne faux. La seule liberté est la mise en bouche — élisions, appuis, hésitations — qui change la manière de dire, jamais ce qui est dit.

Les contrôles avant de livrer une bande son

verifier_voix.py au vert, et le texte intégral du mixage comparé au script.
Aucune prise tronquée : une prise qui finit normalement décroît, une prise coupée s'arrête à plein niveau.
Écart de sonie entre prises sous 1 LUFS.
Creux au changement de personnage pas plus profond que les creux naturels de la parole.
Aucun silence sous −70 dB.