Générateur de vidéos sans visage

Une vidéo sans visage raconte une histoire ou explique un sujet sans présentateur à l’écran. Un narrateur parle par-dessus des illustrations, des animations ou des images filmées : la chaîne repose donc sur le script et le style plutôt que sur un visage. C’est le format de nombreuses chaînes d’explications, d’histoire, de science et de récits sur YouTube, TikTok et Reels.

Mage crée des vidéos sans visage grâce au skill gratuit Faceless Video, qui fonctionne dans Claude, Cursor et d’autres assistants connectés à Mage. Tu lui donnes un sujet, un style et une durée. Pour les sujets réels, il fait des recherches avec les outils de recherche de ton assistant et liste ses sources, écrit la narration, crée avec Mango 3 une image de style que toutes les scènes suivent, puis génère les scènes avec la voix off et le son sur Cherry 2 Pro. Tu valides le script et le style avant de payer la moindre vidéo.

Tu peux aussi en créer une à la main dans l’app Mage : une image de style dans Mango 3, un narrateur avec Eleven Speech ou Seed Audio, des clips de scène sur Cherry 2 Pro ou Lemon, et Storyboard pour les assembler. Dans les deux cas, aucun sous-titre ni texte incrusté n’est ajouté. Le skill garde volontairement l’écran sans texte : tu ajoutes les sous-titres dans ton éditeur.

La narration détermine la durée. On parle à peu près deux mots et demi par seconde : 10 secondes contiennent donc environ 25 mots, et 15 secondes environ 35. Le skill planifie selon ce budget : une vidéo jusqu’à 15 secondes tient en un seul clip, de 15 à 30 secondes en un long clip ou deux de 15, et au-delà, elle est créée par blocs de 10 à 15 secondes, une scène par bloc, assemblés à la fin.

Chaque bloc suit la même structure : le descripteur de style, mot pour mot ; la scène qui illustre cette phrase ; le mouvement, comme un lent travelling avant ou des couches de papier qui glissent ; la phrase de narration exacte ; et le son, une ambiance ou un fond musical doux sans autre voix. Garder un descripteur identique dans chaque bloc, c’est ce qui assure la cohérence visuelle d’une vidéo de deux minutes.

Le script suit la même rigueur : une accroche dès la première phrase, une idée par bloc, une chute à la fin, et des nombres écrits comme on les prononce. Pour un sujet réel, chaque fait provient d’une source que le skill liste en livrant la vidéo. Pour une histoire personnelle, il n’utilise que ce que tu lui racontes.

• Prévois environ 25 mots pour 10 secondes.
• Une idée et une scène par bloc.
• Écris les nombres comme le narrateur les prononce.
• Garde le même descripteur de style dans chaque bloc.

Le skill propose dix styles illustrés. Le dessin animé stickman convient à l’histoire, aux récits et à l’humour. Le diorama en papier, avec des couches de papier découpé sous une lumière chaude, convient à l’histoire, à la nature et au voyage. Le 2D plat pastel convient aux vidéos explicatives, au développement personnel et à la tech. L’encre dessinée à la main convient à la philosophie, aux biographies et aux essais. La pâte à modeler (claymation) convient aux sujets pour enfants, aux récits et à la science.

Le tableau blanc, avec des dessins au feutre et des flèches, convient au business, aux tutoriels et à l’éducation. L’aquarelle convient aux récits, à la poésie et à la nature. Le pixel art convient au jeu vidéo, à l’histoire d’internet et à la tech. Le 3D low-poly convient à la science, à l’espace et à la géographie. Les actualités d’époque, dessinées en noir et blanc avec du grain de pellicule, conviennent aux guerres, aux inventions et à d’autres sujets d’histoire. Tu peux aussi décrire ton propre style, ou partager des images de style que le skill reproduira.

Chaque style est volontairement non photoréaliste. Le skill exclut les visages humains réalistes et les prises de vues réelles, ce qui garde la vidéo clairement illustrée et évite de reproduire l’image de personnes réelles.

Commence par le look. Génère une image de style dans Mango 3 : le moment le plus emblématique du sujet, dans le style choisi, avec « no text, no captions » à la fin du prompt. Cette image sert de référence pour chaque scène. Crée ensuite le narrateur. Eleven Speech lit un script dans plus de 90 langues avec 16 voix prédéfinies, en MP3 exactement de la durée du texte, et Seed Audio décrit une voix à partir du prompt. Importe un court échantillon de voix sur la page Audio pour l’utiliser comme référence dans tes générations de vidéos.

Génère chaque scène avec Cherry 2 Pro, en utilisant l’image de style comme référence, la phrase de narration entre guillemets pour un narrateur hors champ, et ta voix enregistrée mentionnée par son @handle. Cherry Mini et Lemon permettent de faire des brouillons moins chers. Si tu préfères garder la narration séparée, génère les scènes avec l’audio de Lemon désactivé et place la piste Eleven Speech par-dessus dans ton logiciel de montage.

Assemble jusqu’à six clips dans Storyboard, qui les exporte en un seul MP4 avec leur son. Pour une histoire portée par des personnages récurrents plutôt que par un narrateur, découvre le générateur de films par IA.

Les sous-titres. Mage n’ajoute ni sous-titres ni texte incrusté, et le skill demande à chaque scène de rester sans texte pour laisser de la place aux sous-titres. Ajoute-les dans ton logiciel de montage, synchronisés avec la narration, et vérifie l’orthographe des noms et des nombres.

Une miniature. Sur YouTube, c’est la miniature et le titre qui décident les gens à cliquer. Le générateur de miniatures par IA s’en charge, et le skill YouTube Thumbnail crée des variantes dans le même assistant que la vidéo.

L’originalité. Les règles de monétisation de YouTube excluent les contenus non authentiques, ce qui, selon YouTube, inclut les vidéos produites en masse ou répétitives et les contenus générés par IA à partir de modèles génériques. Un script documenté, un point de vue et un style bien à toi sont ce qui donne envie de suivre une chaîne : considère donc le skill comme un outil de production, pas comme un moyen de publier du remplissage.