Traducteur vidéo IA

Un traducteur vidéo IA prend une vidéo dans une langue et la restitue dans une autre : les paroles traduites, une nouvelle piste vocale dans la langue cible et, idéalement, une personne dont la bouche correspond aux nouveaux mots. Les services de doublage complets font tout cela à partir d’un seul import. Mage gère la voix et les lèvres avec des outils séparés que tu contrôles, ce qui convient mieux aux clips courts comme les pubs, les intros et les vidéos de personnages qu’aux enregistrements d’une heure.

Voici comment les rôles se répartissent. Mage ne transcrit pas ta vidéo, ne la traduit pas tout seul et n’ajoute pas de sous-titres. C’est toi, un traducteur ou ton assistant IA qui écrivez le script dans la nouvelle langue. Eleven Speech le lit ensuite dans plus de 90 langues, et Lipsync anime une image fixe de la personne, une image nette tirée de ta vidéo ou un personnage enregistré, pour que ses lèvres suivent le nouvel audio, jusqu’à 15 secondes par clip.

Le résultat est un nouveau clip parlant créé à partir de cette image, et non tes images d’origine avec une bouche remplacée : les gestes de la personne et les mouvements de caméra de l’original ne sont donc pas conservés. Pour une narration sans personne visible, tu n’as pas besoin de synchronisation labiale : place simplement la nouvelle voix sur l’image d’origine dans ton logiciel de montage. Pour le texte dans les images publicitaires, la skill Ad Localizer le remplace directement sur place.

Automatique sur Mage : Eleven Speech transforme un script écrit en voix dans la langue de ton texte, avec un rythme et des émotions que tu diriges avec des balises comme [whispers] ou [laughs]. Lipsync transforme une image et jusqu’à 15 secondes d’audio en une vidéo où le sujet prononce ce texte, avec des expressions naturelles et de subtils mouvements de tête. La skill Ad Localizer, dans ton assistant, transcrit le texte d’une pub statique, demande à ton assistant de le traduire, puis remplace chaque ligne avec sa police, sa taille et sa position, une fois que tu as validé le texte.

Pas automatique : la transcription de la parole d’origine, la traduction des dialogues, l’adaptation de la durée de la nouvelle réplique à l’original, la conservation de la voix de la personne d’origine, la séparation de la musique et de la voix, et les sous-titres. Mage n’a ni reconnaissance vocale, ni doublage automatique, ni outil de sous-titrage. Lipsync crée aussi un nouveau clip à partir d’une image fixe : il ne conserve donc ni les mouvements, ni les coupes, ni les autres personnes présentes dans la séquence d’origine.

• Automatique : la voix à partir de ton script, dans plus de 90 langues.
• Automatique : des lèvres synchronisées sur le nouvel audio, à partir d’une seule image.
• Automatique : le texte des images publicitaires remplacé après ta validation.
• À toi : la transcription, la traduction et la relecture finale.
• Indisponible : les sous-titres, ou de nouvelles lèvres sur les images d’origine.

Un script de doublage n’est pas un fichier de sous-titres. Il doit se dire à peu près dans le même temps que l’original : traduis donc en tenant compte du sens et de la longueur. L’allemand et le français sont souvent plus longs que l’anglais, le japonais et le chinois souvent plus courts ; raccourcis une phrase plutôt que d’accélérer la voix. Garde les noms de marques et de produits tels quels, et dis les nombres, les dates et les prix comme le ferait un locuteur local.

Si tu travailles dans Claude, ChatGPT ou un autre assistant avec Mage connecté, l’assistant peut rédiger la traduction et te la montrer ligne par ligne avant toute génération de voix. Cette traduction est le travail de l’assistant, pas une fonctionnalité de Mage : fais-la relire par un locuteur natif si elle est destinée à tes clients. Découpe ensuite le script aux pauses naturelles en morceaux de 15 secondes maximum, la durée d’un clip Lipsync.

Utilise Eleven Speech pour la plupart des traductions. Choisis l’une de ses 16 voix selon l’âge et l’énergie de la personne qui parle, écris le script dans la langue cible et dirige l’interprétation avec des balises audio entre crochets. Le MP3 dure exactement le temps du script, jusqu’à 5 000 caractères par requête : aucun silence à couper. Le guide synthèse vocale par IA détaille les voix et les balises.

Eleven Speech ne parle qu’avec ses voix prédéfinies. Quand la nouvelle piste doit ressembler à la personne d’origine, Seed Audio peut guider une voix à partir de trois références audio maximum, à condition d’utiliser uniquement des enregistrements d’une voix que tu as le droit d’utiliser. Il génère des durées fixes de 5, 10, 30, 60 ou 120 secondes : vérifie donc le timing et la langue sur une courte phrase avant de lancer un script complet. Le guide clonage de voix par IA explique plus en détail comment reproduire une voix.

Cloner sa propre voix pour un doublage est une pratique courante : YouTube, par exemple, la cite parmi les usages de l’IA qui ne nécessitent pas de mention de contenu modifié. Cloner la voix de quelqu’un d’autre, c’est une tout autre histoire, et Mage n’autorise pas l’imitation d’une personne réelle sans son consentement.

Quand une personne s’adresse à la caméra, prends dans la vidéo l’image de face la plus nette, avec la bouche visible, fermée ou détendue, et utilise-la comme sujet dans Lipsync. Ajoute l’audio traduit, de 15 secondes maximum, et choisis un modèle : Plum est le modèle par défaut, et Blueberry 2 anime exactement l’image que tu lui donnes, ce qui conserve le rendu de l’image d’origine. Chaque clip est une nouvelle interprétation à partir de cette image fixe, avec une caméra qui reste stable sur la personne.

Pour une personne qui apparaît dans toute une série, enregistre-la comme personnage pour que son visage reste identique dans chaque langue. Aligne ensuite les clips dans Storyboard, qui en assemble jusqu’à six dans un seul MP4 avec leur son. Le guide photo parlante IA t’aide à choisir une image qui s’anime bien.

Quand personne ne parle à l’image, comme dans une vidéo explicative avec voix off, une démo produit ou une capture d’écran, oublie la synchronisation labiale. Génère la nouvelle narration et remplace la piste audio dans ton logiciel de montage. Mage ne mixe pas de nouvelle voix dans une vidéo existante à ta place.

• Choisis une image de face où la bouche est visible.
• Limite chaque morceau audio à 15 secondes maximum.
• Enregistre une personne récurrente comme personnage.
• Remplace l’audio dans un logiciel de montage quand personne n’est à l’image.

Les publicités statiques portent leur message dans le texte : le titre, le bouton, l’offre. La skill Ad Localizer s’en charge dans ton assistant. Elle transcrit chaque ligne, traduit en respectant le sens et le ton, ajuste les retours à la ligne, les formats de nombres et les mises en page de droite à gauche, puis te montre le texte pour validation. Elle remplace ensuite chaque ligne dans l’image avec GPT Image 2.5 Flare, en gardant le style de police, la mise en page, le produit et le logo, et laisse intacts le nom de la marque et le texte des emballages. Elle ne traduit pas les voix off des vidéos. Tu la trouveras sur la page Mage skills, et consulte le générateur de publicités IA pour le reste du workflow publicitaire.