Voix off pour vidéos courtes : générer une narration au rythme juste à partir du script

Pour une voix off sur vidéo courte, le problème le plus fréquent n'est pas l'absence de son, mais le décalage entre son et image : la voix lit encore la phrase précédente quand le montage est déjà passé au plan suivant, ou l'image s'attarde sur le gros plan produit alors que la voix a terminé depuis longtemps. L'ordre correct est inversé : regardez d'abord le montage, puis décidez ce que dit chaque segment de voix off et pendant combien de temps. La synthèse vocale de PixMind transforme chaque segment de script en MP3 ; mais l'articulation entre voix et image se joue en amont, dans le travail de découpage avant d'écrire.

Ouvrez Text to Speech, gardez la vidéo montée sous la main, générez et téléchargez chaque segment de voix off séparément, puis importez-les dans votre logiciel de montage.

Points clés

• Découpez la voix off selon les plans avant d'écrire ; chaque segment porte une seule mission d'information, et sa durée est fixée par l'image.
• Limite de caractères par génération : 100 sans connexion ou en offre gratuite, 10000 pour les abonnés payants ; la page ne conserve qu'un résultat à la fois, générez et téléchargez segment par segment.
• La durée fait foi sur le résultat généré : la barre de lecture affiche la durée totale de chaque audio ; mesurez un segment, puis déroulez tout le film, sans formule de conversion mots-secondes.
• L'intégration de la voix dans la vidéo se fait dans un logiciel externe ; les sous-titres sont générés depuis le film final avec l'outil vidéo vers texte, une fois la piste voix figée.

Découper la voix off au rythme de l'image

Le premier geste n'est pas de taper du texte, mais de regarder l'image. Visionnez deux fois la vidéo montée : la première pour noter l'ordre des plans, la seconde en murmurant sur l'image, pour sentir combien de phrases chaque séquence peut absorber ; découpez ensuite le film selon la fonction des plans.

Exemple d'un film produit d'environ 15 secondes, découpé en accroche, démonstration et conclusion :

La durée de chaque segment vient de l'image : la voix doit remplir cette fenêtre, ce n'est pas à l'image d'attendre la voix. Écrire un long texte puis le faire entrer dans l'image ne laisse en général qu'une issue, l'accélération forcée du débit, qui dégrade aussitôt l'écoute ; le temps de lire une présentation produit de 300 mots dépasse souvent la vidéo entière.

Le découpage a aussi un intérêt pratique : chaque génération est limitée en caractères — 100 caractères maximum sans connexion ou en offre gratuite, 10000 pour les abonnés payants. Un segment de voix off découpé au storyboard reste très en dessous de la limite : un segment, un fichier, générés l'un après l'autre.

Réécrire le script pour l'oreille

Sur une vidéo courte, le spectateur écoute la voix off, il ne la lit. Deux choix d'écriture pèsent le plus sur le résultat.

Premièrement, supprimez ce que l'image montre déjà. Si l'on voit visser le couvercle, inutile de dire « ensuite, vissez le couvercle » ; si le gros plan du résultat est à l'écran, inutile de commenter « on voit que la texture est très fine ». La voix ne dit que ce que l'image ne peut pas dire : le nom, l'usage, la raison derrière chaque geste.

Deuxièmement, une idée par phrase, avec la ponctuation pour respirer. La virgule marque une micro-pause, le point une respiration ; les phrases courtes se calent plus facilement sur les changements de plan et laissent au spectateur le temps d'assimiler.

Prenons le segment démonstration. Premier jet : « Ce produit est très simple d'utilisation et se prépare en trois étapes : placez d'abord les fruits dans le bol, vissez ensuite le couvercle, appuyez enfin sur le bouton, et dégustez un jus frais après quelques dizaines de secondes. » Version réécrite : « Trois étapes. Les fruits dedans, le couvercle vissé, le bouton pressé. Quelques secondes, et un jus frais est prêt. » La réécriture retire les fioritures, ajoute des pauses, et chaque phrase couvre exactement un plan d'action.

Écrivez au passage les nombres et références tels que vous voulez les entendre. Pour « 3 étapes » prononcé en toutes lettres, écrivez « trois étapes » ; pour l'enchaînement des lettres et des chiffres dans une référence, fiez-vous au résultat généré.

Choisir une voix après écoute

Il n'y a pas de voix universelle : sur un même script, changer de voix change le caractère du film. La méthode de choix est simple : avec le même segment — idéalement la phrase d'accroche — générez deux versions avec deux voix, écoutez, puis décidez.

Deux points de comparaison. Le style de contenu : une démo produit appelle plutôt une voix vive et nette, un contenu pédagogique préfère un ton posé et tranquille. La netteté : écoutez surtout le nom du produit, les chiffres et les enchaînements ; une voix qui n'avale pas les syllabes compte plus qu'une voix simplement jolie.

Le sélecteur de voix se filtre par moteur et par langue ; survolez une voix pour écouter un extrait. L'extrait renseigne sur le caractère de la voix, mais le verdict final se rend sur votre propre script. Ne partez pas du principe qu'un moteur bat tous les autres sur tout : essayez-en un ou deux de plus, le choix se fait en quelques minutes.

Ajuster le texte et le débit selon la durée mesurée

Deviner ne suffit pas pour savoir si la durée convient ; la démarche qui fonctionne : mesurer un segment, puis dérouler tout le film.

Une fois le segment d'accroche généré, la barre de lecture affiche sa durée totale ; le téléchargement donne un fichier MP3 préfixé pixmind-tts- et horodaté, à revérifier dans un lecteur local ou sur la timeline. Notez la durée des trois segments et comparez-la à la durée image du storyboard :

1. La voix dépasse l'image : commencez par couper le texte. Retirer fioritures et redites, qu'on peut écouter ou non, est plus efficace que toucher au débit ; ce qui part est du poids, pas de la clarté.
2. Il manque encore un peu : ajustez ensuite légèrement le débit. La plage varie selon le moteur : curseur de -100 % à +100 % (0 par défaut) pour le moteur Microsoft, 0.8x à 2.0x (1.0x par défaut) pour le moteur Volcano, 0.5x à 2.0x (1.0x par défaut) pour MiniMax. Ajustez par petites touches, régénérez et réécoutez à chaque changement.
3. La voix est plus courte que l'image : pas obligatoire de ralentir pour tout remplir. Laisser une ou deux secondes d'image sans voix donne souvent un meilleur effet qu'un commentaire collé à chaque plan.

Pas de formule « tant de mots égalent tant de secondes » ici : ces formules ne sont pas fiables. Chaque voix a son débit de base, les pauses de ponctuation et la lecture des nombres modifient la durée réelle, et une même phrase peut varier nettement d'une voix à l'autre. Plutôt qu'une formule, mesurez le segment d'accroche et prenez sa durée réelle comme référence.

Sur la génération segmentée, gardez la cohérence : même voix et mêmes réglages pour tous les segments du film, sinon le rythme se déchire. En changeant de moteur, débit et volume reviennent aux valeurs par défaut : notez vos réglages avant de toucher. La page ne conserve qu'un résultat à la fois : générez un segment, téléchargez-le, puis passez au suivant.

Placer la voix off dans le montage et ajouter les sous-titres

Le MP3 ne devient un film fini que dans un logiciel de montage ; cette étape se fait hors de PixMind, avec l'outil de votre choix, selon ce flux générique :

1. Créez un projet et importez l'image ainsi que les trois MP3 de voix off.
2. Calez chaque segment de voix sur l'image correspondante selon le storyboard, en ménageant un léger espace aux changements de plan pour éviter que la voix soit tronquée.
3. Écoutez le tout depuis le début pour vérifier la continuité du volume et du rythme entre segments.
4. Validez puis exportez le film final.

Les sous-titres viennent après, et toujours à partir de la bande-son finale. Utiliser le script brut comme sous-titres décale la chronologie par rapport au son : après coupes et ajustements de débit, le début et la fin de chaque phrase ont bougé. La bonne méthode : confier le film monté avec sa voix off à l'outil Vidéo vers SRT, générer depuis le film fini un fichier de sous-titres horodaté, puis le réimporter dans le montage pour vérifier noms propres et découpage des phrases.

Questions fréquentes

Voix off trop longue : toucher d'abord au débit ou au texte ?

Au texte. Supprimer fioritures et informations déjà portées par l'image suffit dans la plupart des cas ; le débit ne s'ajuste qu'un peu, quand il n'y a plus rien à couper — trop accéléré, l'articulation se précipite et les points clés se brouillent. Régénérez après modification et vérifiez avec la durée affichée sur la barre de lecture.

Génération en bloc ou par segments : que choisir ?

Par segments, selon les plans. Un long texte en bloc se heurte à la limite de caractères par génération — 100 caractères sans connexion ou en offre gratuite, l'excédent n'est pas généré ; et la page ne garde qu'un résultat à la fois, un long script doit de toute façon être téléchargé morceau par morceau. Le découpage au storyboard respecte la limite, met chaque durée en face de son image, et ne demande en retouche que le segment fautif.

À quelle étape produire les sous-titres une fois la voix off générée ?

Après validation de la voix off et intégration de la piste dans le film final. Les codes temporels des sous-titres suivent le son final : générez-les avec l'outil Vidéo vers SRT depuis le film composé, pas depuis le script d'avant génération. Réimportez ensuite le fichier dans le montage pour vérifier noms propres et découpage des phrases.

Commencez par une phrase d'accroche

Pas besoin d'attendre un script complet. Ouvrez votre vidéo montée et n'écrivez que le segment d'accroche : une phrase, disant ce que c'est et pour qui. Collez-la dans Text to Speech, générez, écoutez, regardez la durée. Si ce premier segment tient, les autres ne font que répéter le même cycle.

Ouvrez Text to Speech.