Produire vingt-neuf paramètres régionaux doublés hors ligne
Un jeu de voix multilingue complet pour une application destinée aux enfants peut-il être produit localement sur un seul GPU, sans API de parole payante et sans facturation au caractère ?
·
Une application pour enfants de moins de six ans est un produit où la voix passe d’abord : le public ne sait pas lire, donc chaque consigne, chaque nombre et chaque récompense doit être dit à voix haute. La localiser de la manière habituelle implique un fournisseur de synthèse vocale, une facture au caractère qui grandit avec chaque changement de contenu, et une dépendance qui doit rester financée pendant toute la vie de l’application.
Nous avons produit l’ensemble du paquet hors ligne à la place — deux voix sur vingt-neuf paramètres régionaux, plus un jeu de prises distinct et plus doux pour les enfants de deux et trois ans sur les lignes de comptage et de couleurs, quinze morceaux de musique et huit effets sonores. Chaque ligne possède une entrée de manifeste consignant son texte, son fichier, le modèle qui l’a générée et son résultat de contrôle qualité, et chaque fichier de musique et de son porte une fiche de licence par fichier.
Ce que l’automatisation ne pouvait pas faire, c’était juger si une ligne sonne juste pour un enfant dans une langue que personne dans l’équipe ne parle. Cette partie est restée humaine, et le paquet est livré avec une liste d’écoute qui le dit explicitement plutôt que de laisser entendre que le contrôle qualité était complet.
Ce que nous avons appris
Les conclusions à ce jour.
- 01
Le format est une décision de plateforme, pas une préférence. Le brief demandait Opus ; iOS fait passer l’audio de Flutter par AVPlayer, qui n’a pas de décodeur Opus ni OGG, donc une version uniquement Opus est muette sur iPhone. Le paquet livre de l’AAC-LC en .m4a par défaut et garde Opus comme solution de rechange réservée à Android, avec des noms de fichiers identiques.
- 02
Une chaîne de repli entre paramètres régionaux doit être conçue, non improvisée. Paramètre exact, puis langue de base, puis anglais — écrit une fois et respecté par le lecteur.
- 03
La provenance coûte peu au moment de la production et cher à reconstituer plus tard. Consigner le modèle, la licence et le résultat de contrôle qualité par fichier pendant la génération n’a rien coûté ; les retrouver après aurait voulu dire tout regénérer.
À propos de Pivumo
Cette expérience est née du développement de Pivumo.