La recherche de doubleurs professionnels pour des productions culturelles est effectuée par un opérateur humain et souffre de plusieurs difficultés. Les chercheurs s'intéressent donc depuis plusieurs années à l'imitation du processus de casting vocal pour aider les opérateurs humains à trouver de nouvelles voix. Cependant, le casting vocal semble être une tâche mal définie qui présente de nombreuses difficultés. Le principal problème est qu'aucun label n'est disponible pour évaluer avec précision les performances des systèmes de casting vocal. Pour résoudre ces problèmes, des travaux récents ont porté sur la construction d'une représentation vocale des voix actées capable de mettre en évidence la dimension du personnage. L'approche proposée repose sur un extracteur de séquence initial issu d'un système de reconnaissance du locuteur, capable de représenter une séquence vocale variable dans le temps par un vecteur unique de taille fixe, suivi d'un réseau neuronal dédié où est extrait la représentation basée sur les personnages, appelée p-vecteur. Il est légitime de se demander si l'extracteur de séquence ne guide pas trop les p-vecteurs vers l'information du locuteur. Nous proposons alors d'étudier l'impact du pré-entraînement du locuteur sur l'apprentissage de la représentation des personnages. En comparaison avec une représentation de personnages directement entraînée, les résultats montrent que l'utilisation d'un pré-entraînement du locuteur fournit plus d'informations sur les personnages tout en conservant la partie indépendante du locuteur.