Tutoriel : démarrer avec la plateforme MakeFun de synthèse vidéo d’humains numériques

Recommandations d’éclairage :

• Utilisez un éclairage de portrait en studio, avec au moins une source frontale et un contre-jour (pour détourer la silhouette).
• Avec un fond vert, gardez la personne à au moins 2 mètres du fond pour un détourage optimal.
• Évitez les vêtements et accessoires qui reflètent la lumière verte.

Recommandations sur le bruit ambiant :

• Veillez à ce que le bruit de fond reste sous 45 dB, sans écho ni réverbération.
• Évitez le bruit de la climatisation et des ventilateurs d’ordinateur. Nous recommandons de couper la climatisation pendant la prise de vue.
• Vérifiez toujours votre microphone avant d’enregistrer.

Recommandations pour la caméra :

• Un reflex capable de filmer à au moins 30 FPS est recommandé. La plupart de nos avatars publics ont été filmés avec un Sony A7S3 ou A7M4.
• Résolution : 2K à 30 ips (ou plus si la haute définition est nécessaire). MakeFun prend en charge 4K au maximum.
• Format : sans HDR. MakeFun sait décoder la vidéo HDR de base, mais ce n’est pas recommandé.
• Objectif : Pour le portrait, utilisez un 40 ou 50 mm (par exemple une focale fixe 50 mm F1.8). Ouverture F1.8–F2.5, vitesse d’obturation d’au plus 1/100 et ISO sous 800. Ajustez selon la lumière réelle.
• Selon votre matériel, utilisez d’autres appareils — ordinateur, carte d’acquisition, prompteur — pour couvrir vos besoins d’enregistrement.

Recommandations pour le microphone :

• Privilégiez les micros-cravates (à pince). Évitez de placer le micro trop loin de la personne.
• Le micro doit être relié à la caméra pour une synchronisation optimale.
• La vidéo enregistrée doit contenir l’audio enregistré, parfaitement synchronisé avec l’image.

Jeu du modèle :

• La caméra doit capter clairement le visage du sujet.
• Le modèle doit parler en continu et peut regarder un prompteur. Le prompteur doit être aligné avec la caméra.
• La personne peut préparer son propre texte ou utiliser un support simple : poèmes connus, chiffres, lettres. Parlez distinctement et assez fort. Les erreurs occasionnelles n’ont pas d’importance : ne vous y attardez pas, concentrez-vous sur l’émotion et l’expression du visage.
• Restez dans le cadre et ne masquez pas le visage. Les gestes généraux (légers mouvements de mains, hochements de tête) sont bienvenus ; évitez les gestes porteurs de sens, comme approuver ou désapprouver.
• Les mouvements ne doivent être ni trop amples ni trop fréquents, et ne doivent pas masquer le visage.
• Les mouvements des lèvres peuvent être légèrement plus marqués que dans une élocution naturelle.
• Toutes les actions filmées apparaîtront dans le résultat généré, dans le même ordre.
• Les lunettes à monture sont acceptées

Pour activer le changement d’arrière-plan :

• Si un remplacement d’arrière-plan est nécessaire, filmez 1 à 2 secondes de « plan vide » sans personne dans le cadre. Importez ensuite une capture de ce plan vide comme Original Background lors de l’étape « Add Avatars ».
• L’image de fond n’a pas besoin d’être un fond vert. Notre algorithme accepte n’importe quel arrière-plan, à condition qu’il corresponde parfaitement à celui de la vidéo d’avatar.
• Si vous filmez le modèle sur fond vert, évitez les vêtements verts ou bleus, sous peine de problèmes de détourage.

Exigences relatives au matériau :

• La vidéo source doit durer entre 30 secondes et 5 minutes.
• La vidéo doit contenir de la parole, parfaitement synchronisée avec le mouvement des lèvres.
• Un seul visage doit apparaître dans la vidéo.
• Aucun bruit ambiant ni autre son (hormis la parole du sujet) n’est admis.
• Gardez un débit de parole modéré.
• Un débit trop lent peut réduire la précision de la synchro labiale.
• Un débit trop rapide peut déformer la synchro labiale.

Durée de l’audio : 15 à 60 secondes.

Exigences relatives à l’environnement :

• Le bruit de fond doit rester sous 45 dB, sans écho ni réverbération.
• Faites des essais de son avant d’enregistrer.

Exigences relatives au matériel :

• Utilisez un micro à condensateur directionnel (par exemple cardioïde).

Exigences relatives à l’enregistrement :

• Enregistrez un audio dont le timbre et l’intention correspondent à l’usage visé (ce ton se retrouvera dans l’audio synthétisé).
• Ne placez pas le micro trop près de la bouche, pour éviter les plosives.
• En cas d’erreur, passez à la phrase suivante plutôt que de tout recommencer.
• Veillez à désactiver la réverbération et n’appliquez aucun post-traitement au fichier audio d’origine.

Paramètres d’enregistrement :

• Fréquence d’échantillonnage : 48 kHz
• Profondeur : 16 bits
• Canal : mono
• Après normalisation, le gain doit dépasser 0,4.

Logiciel recommandé : Adobe Audition.