Cet exemple Text to Video Lip Sync commence par une vidéo parlée naturelle. Au lieu d’importer la phrase finale en audio, nous clonons une voix depuis un court échantillon et remplaçons la phrase avec du texte.
Vidéo source
Voici la vidéo source du tutoriel.
Exigences pour la vidéo source
- Une vidéo parlée naturelle fonctionne le mieux et ne doit pas contenir la phrase finale.
- Une durée d’environ 5 secondes à quelques minutes convient.
- Le visage doit rester visible dans la majorité du plan.
- De petits mouvements crédibles sont utiles.
- Évitez les gestes exagérés, les rotations soudaines et les grandes actions.
Si vous filmez pour ce workflow, restez simple et naturel. Dire « un, deux, trois » suffit : inutile de mémoriser le script final devant la caméra.
Référence vocale
Ce court échantillon sert à cloner le style de voix :
Entrée de référence vocale
Script de remplacement
Voici le script anglais réellement utilisé dans la démo ; il reste inchangé pour correspondre au résultat :
That's it for today! Isn't this incredible? It's free, it's fast, it's u* — and you can even generate lip sync videos up to 60 minutes long.
Ce parcours est utile si :
- Vous voulez modifier une phrase sans réenregistrer l’audio.
- Vous devez localiser ou corriger rapidement une phrase.
- Vous voulez conserver une identité vocale choisie.
Résultat généré
Ce résultat combine la vidéo source, la référence vocale et le nouveau script :
Ouvrir la page dédiée au résultat
Ce que montre ce tutoriel
- Une vidéo naturelle peut être réutilisée pour une toute nouvelle phrase.
- Une courte référence suffit à définir l’identité vocale.
- La réécriture est meilleure lorsque le mouvement source reste calme et crédible.
Reproduire le workflow
- Ouvrez Text to Video Lip Sync.
- Importez une vidéo parlée naturelle avec un visage clair.
- Importez une courte référence vocale à cloner.
- Collez le nouveau script.
- Générez et vérifiez si la nouvelle phrase paraît naturelle dans le plan d’origine.
