Fais parler n'importe quelle photo

La synchronisation labiale IA transforme une image fixe et un clip audio en une vidéo où le sujet parle ou chante cet audio. Le modèle écoute le son, détermine la forme de bouche qu’exige chaque syllabe et anime le visage en conséquence, avec les petits mouvements de tête et les expressions qui rendent la parole crédible, au lieu d’une bouche qui s’agite sur une photo.

L’app Lipsync de Mage fait tout ça à partir d’une seule image. Importe une photo ou choisis un personnage enregistré, ajoute une réplique, une chanson ou une narration de 15 secondes maximum, puis choisis un modèle vidéo. Le sujet garde l’allure, le cadrage, l’éclairage et le décor de ton image, tandis que la caméra reste stable sur lui. Tu peux ajouter une courte indication de scène, comme un nouvel arrière-plan ou une ambiance, et Mage l’applique après sa propre consigne de synchronisation labiale.

Elle est conçue pour les créateurs qui ont déjà l’audio : une voix off pour un clip produit, une réplique doublée dans une autre langue, une citation de podcast, un couplet de chanson. Si tu as encore besoin de la voix elle-même, crée-la d’abord avec Seed Audio, puis importe-la ici. Si la personne doit seulement parler, Lipsync est l’outil qu’il te faut. Si elle doit se produire sur scène, avec des mouvements de caméra et de la danse, l’app Music Video est plus adaptée.

L'audio détermine l'essentiel du résultat. Un enregistrement sec, avec une seule voix, sans fond musical ni écho de pièce, donne au modèle des syllabes claires à suivre. La musique de fond et les voix qui se chevauchent brouillent les consonnes, à partir desquelles se construisent les formes de la bouche. Coupe donc le clip à la réplique voulue et supprime le silence du début, car le visage attend tant que rien n'est dit.

L'image fait le reste. Un visage qui occupe une bonne part du cadre, qui regarde à peu près vers la caméra et dont la bouche est dégagée laisse de la marge au modèle. Une main devant la bouche, un profil strict ou un visage minuscule dans un plan large sont les raisons habituelles d'un clip raté. Si tu pars d'un portrait généré, crée-le avec la bouche fermée ou détendue, pour que les premières images ne commencent pas au milieu d'un mot.

• Coupe l'audio à la réplique exacte, 15 secondes maximum
• Utilise une seule voix claire, sans fond musical
• Choisis une photo de face, bouche visible
• Garde des directions de scène courtes : un lieu, une tenue ou une ambiance
• Essaie un deuxième modèle avant de tout réécrire

Chaque génération Lipsync accepte jusqu'à 15 secondes d'audio. Pour une voix off complète ou une chanson plus longue, découpe l'audio aux pauses naturelles en morceaux de 15 secondes ou moins, et synchronise chacun avec la même photo ou le même personnage enregistré. Un personnage enregistré garde un visage identique d'un segment à l'autre, ce qui rend les coupes invisibles.

Quand les segments sont prêts, aligne-les dans Storyboard, qui range jusqu'à six clips enregistrés dans l'ordre et les exporte, avec leur son, en un seul MP4. Tu pars plutôt d'un portrait vierge ? Le guide de la photo parlante par IA explique aussi bien comment écrire la réplique que comment animer le visage.

La synchronisation labiale est un moyen pratique de doubler un court clip. Enregistre ou génère la réplique dans la nouvelle langue, garde un rythme proche de l'original, puis applique-la à une image fixe d'une personne dont tu as l'autorisation d'utiliser l'image. Comme la bouche est animée à partir du nouvel audio, les lèvres suivent les mots traduits et non les mots d'origine.

Pour un narrateur récurrent ou un personnage qui parle tout au long d'une série, crée le visage une seule fois avec le générateur de personnages IA, puis ajoute des plans animés entre les plans parlés avec l'image en vidéo par IA. Pour une performance chantée avec mouvements de caméra, le générateur de clips musicaux par IA est conçu exactement pour ça.