Quand c'est Adrien qui tourne

Sa demande : « rendre la voix un peu plus grave, qu'on essaye de camoufler un peu » — il ne veut pas être reconnu. Le réglage validé, sur sa voix mesurée à 136 Hz :

highpass=f=60,
asetrate=44100*0.93, aresample=44100, atempo=1.075269,   → -1,26 demi-ton, formants compris
rubberband=pitch=0.903:formant=preserved,                → -1,74 demi-ton de plus, formants gardés
equalizer=f=110:t=q:w=1.0:g=2, equalizer=f=2800:t=q:w=1.4:g=-1.5,
loudnorm=I=-16:TP=-1.5:LRA=11

Total : −3 demi-tons, de 136 à 113 Hz. Sa réaction : « la voix est top là ».

Ce qui compte n'est pas la hauteur, c'est le corps. Une voix qu'on se contente de descendre en hauteur reste reconnaissable : ce sont les formants — la signature du conduit vocal — qui font qu'on identifie quelqu'un. rubberband seul les préserve par construction, ce qui est parfait pour rester naturel mais inutile pour camoufler. D'où la combinaison : un asetrate modéré descend les formants d'un peu plus d'un demi-ton, rubberband finit le travail sur la hauteur seule. On obtient un homme plus massif, pas un Adrien ralenti.

Recoller sans dérive. Le filtrage retarde le son d'environ 12 ms. On les reprend à la remise en place (-itsoffset -0.012) et on vérifie par corrélation d'enveloppe, tranche de dix secondes par tranche de dix secondes : le décalage doit rester dans les ±5 ms d'un bout à l'autre. L'image se recopie sans être réencodée (-c:v copy).

Adrien ne lit pas le script, il le raconte. La transcription porte donc ses « euh », ses reprises (« lui, lui, là »), ses amorces avalées (« l'école nous a-, nous apprend »). Un sous-titre qui écrit « euh » donne l'air d'un rush oublié au montage.

Le nettoyage se fait sur la liste de mots minutée, sans toucher aux horodatages des mots gardés :

• on retire les tics (euh, heu, hein, ben, bah, enfin) et les fragments que Scribe note avec un tiret final ;
• on fusionne les mots répétés à l'identique ;
• on enlève la ponctuation qui appartenait au tic — sinon on lit « et, pareil avec les applications » — mais seulement quand elle était portée par un mot outil. Après un mot plein (« prof d'anglais, euh, c'est un ingénieur »), la virgule sépare deux propositions et reste ;
• on rend sa majuscule à la phrase qui commençait par un tic, sinon on lit « mobiles. sauf que ».

Une bribe ne se termine jamais sur un mot qui appelle le suivant. « nous apprend l'anglais avec de » puis « la grammaire » : l'œil bute. sous_titres_mots(..., eviter_mots_outils=True) reporte ces mots sur la bribe suivante, avec deux mots de dépassement autorisés.

La marge verticale est une fraction de la hauteur. Une marge en pixels multipliée par l'échelle du texte tombait à 17 % du bas en 9:16, mais à 31 % en 1:1 et à 41 % en 16:9, où le sous-titre finissait au milieu de l'image. Une marge donnée entre 0 et 1 est désormais lue comme une fraction : marge=0.16 pose le sous-titre au même endroit dans les trois formats.

La source fait 720 × 1280. Le 1:1 garde toute la largeur et coupe haut et bas : sans reproche. Le 16:9 ne garde que 32 % de la hauteur — une bande horizontale. Elle reste lisible ici parce que le sujet (la page à l'écran et la vignette de la webcam) vit au centre du cadre, mais c'est une limite à connaître : un tournage vertical dont le sujet occupe toute la hauteur ne se décline pas en 16:9. Aucun flou sur les côtés dans aucun cas.

python3 04-PRODUCTION/scripts/monter_ads_134.py "9:16" "1:1" "16:9"
python3 04-PRODUCTION/scripts/verifier_formats.py 134