Personnages qui parlent
Vidéo IA avec personnages qui parlent
Mis à jour le 15 novembre 2026

| SceneMixer en un coup d'œil | Ce que vous obtenez |
|---|---|
| Prix de la vidéo | À partir de 0,06 $ la seconde (10 crédits) avec le niveau par défaut, jusqu'à 0,47 $ la seconde avec le niveau supérieur ; chaque prix s'affiche avant que vous n'appuyiez sur le bouton |
| Durée du clip | Jusqu'à 30 secondes par segment généré ; un épisode est assemblé à partir de ses segments à 1 crédit la seconde |
| Un épisode, chiffré | Un épisode de 60 secondes avec le niveau par défaut coûte environ 660 crédits (vidéo et assemblage), soit environ 4,11 $ au prix de crédit le plus bas ; une série de 10 épisodes de 90 secondes tirée d'un roman de 30 000 caractères coûte environ 10 026 crédits, soit environ 62 $ |
| Dialogues | Prononcés dans la vidéo elle-même, avec une voix par personnage, dans l'une des 15 langues |
| Formats | 9:16 vertical ou 16:9 paysage ; de 480P à 1080P, plus un niveau 2K |
| Gratuit pour démarrer | 50 crédits à l'inscription, 15 images de configuration gratuites, un storyboard gratuit pour le premier épisode et un aperçu vidéo gratuit de 5 secondes |
| Qui l'utilise | 2 900+ créateurs ont généré des vidéos avec SceneMixer (comptes avec au moins une génération, décompte de novembre 2026) |
| Entrée | Un scénario, un roman ou une idée en une ligne ; import de fichiers .txt, .docx et .md |
La voix sort de la même génération que l’image
Il y a deux façons de faire parler un personnage à l’écran. La première consiste à rendre une vidéo muette puis à animer la bouche avec une piste audio : c’est la voie du lip-sync, qui nécessite un recadrage du visage et un fichier audio de pilotage, et qui produit un visage qui bouge correctement mais un corps qui ne joue pas. La seconde consiste à générer l’image et le son ensemble, pour que le jeu et la bouche relèvent d’une seule et même décision.
SceneMixer fait la seconde. Le palier vidéo par défaut est audiovisuel : le modèle reçoit la réplique, qui la dit, la façon de la dire et une référence de voix, et renvoie un plan où la réplique est prononcée. Rien n'est ajouté après coup.
En bref
| La réplique | Mot pour mot, une seule fois. Prononcée exactement comme écrite — ni paraphrasée, ni recalée temporellement. |
|---|---|
| Qui parle | Nommé, et lié à la référence vocale de ce personnage pour que la même personne ait la même voix d’un épisode à l’autre. |
| Comment c’est dit | Une courte indication entre crochets — à voix basse, toujours en souriant, d’un ton plat et forcé. Une indication de jeu, pas un sous-titre. |
| Qui d’autre est dans le champ | Marqué lèvres fermées, pour que les auditeurs ne remuent pas la bouche en même temps. |
| Paroles hors champ | Indiquées d’abord entre crochets — voix off, au téléphone, par l’interphone — puis toutes les personnes visibles sont décrites la bouche fermée. |
| Rythme | Un plan contenant un dialogue n’est jamais plus court que ce que la réplique nécessite : trois mots par seconde en anglais, cinq caractères par seconde en chinois. |
Les voix sont associées, pas synthétisées par personnage
Sur SceneMixer, chaque personnage reçoit une voix d'une bibliothèque de voix système préconstruites : vous entendez un échantillon de trois à huit secondes avant de choisir, vous pouvez relancer l'association, en choisir une autre dans le sélecteur, ou téléverser votre propre enregistrement. La raison de l'association plutôt que d'une conception de voix par personnage tient au coût et à la stabilité : les voix conçues dérivent d'une génération à l'autre et se facturent par caractère, alors qu'une voix de bibliothèque est la même dans l'épisode un et dans l'épisode douze.
Si un personnage n’a pas de voix attribuée, le plan utilise par défaut une description écrite de la voix — âge, texture, registre — que le modèle interprète. C’est le comportement par défaut pour les nouveaux projets ; l’attribution des voix est une étape délibérée, pas quelque chose qui se fait silencieusement pour chaque personnage.
La règle de durée, et pourquoi elle existe
Un plan de quatre secondes ne peut pas contenir seize mots d'anglais. Soit la diction est précipitée jusqu'à devenir inintelligible, soit la réplique est coupée. Les plans de dialogue de SceneMixer ont donc un plancher dérivé de la réplique : nombre de mots divisé par trois pour l'anglais, nombre de caractères divisé par cinq pour le chinois, et les répliques courtes reçoivent une pause en plus au lieu d'être écrasées à leur minimum théorique. Les plans qui reviennent trop courts pour leur réplique sont signalés et corrigés avant tout rendu, ce qui coûte moins cher que de le découvrir dans le résultat.
Langue
La langue des dialogues est un paramètre de projet, choisi une fois, et elle est appliquée là où les répliques sont écrites initialement plutôt que traduite après coup — le jeu est donc conçu dans cette langue au lieu d’être un doublage. Quinze langues d’interface sont disponibles et les dialogues sont pris en charge dans toutes ces langues ; quelques langues présentent occasionnellement des erreurs de prononciation sur certains mots avec le niveau de modèle par défaut, et le sélecteur l’indique quand c’est le cas. La page des voix de personnages couvre ce point en détail.
Ce que ça ne fait pas
- Cloner une voix sans en avoir le droit. Vous pouvez importer votre propre enregistrement comme référence pour vos propres personnages, et la Voix originale du Redoublage clone la voix d'un personnage à partir du clip lui-même.
- Synchroniser les lèvres d'une photo que vous importez. La parole de SceneMixer vient de la génération, pas du pilotage d'une image existante ; une vidéo importée ne reçoit de nouvelles répliques que via le Remplacer d'un remake, qui régénère la partie modifiée.
- Atteindre une durée exacte pour une réplique. La durée minimale est appliquée ; la longueur précise du débit revient au modèle.
- Intégrer des sous-titres directement dans l’image. Aucun texte n’est rendu dans le champ. Les légendes sont ajoutées après export.
- Garantir une prononciation parfaite de tous les noms propres. Les noms inventés en particulier méritent d’être préécoutés avant de valider un épisode.
Ce que ça coûte
La parole est incluse dans le prix de la vidéo — il n’y a pas de frais audio séparés. La vidéo commence à 10 crédits par seconde de sortie (≈ 0,06 $/s avec le prix du crédit le plus bas) et va jusqu’à 0,47 $/s sur le niveau le plus net ; l’assemblage coûte 1 crédit par seconde. L’association vocale depuis la bibliothèque est gratuite. Les nouveaux comptes reçoivent 50 crédits et un aperçu gratuit d’au plus 5 secondes — de quoi entendre un personnage parler avant de se décider. Les tarifs sont sur la page des tarifs.
Langues
Dialogues natifs dans 15 langues
Chaque série ci-dessous a été produite par le même pipeline SceneMixer, avec des personnages parlant la langue de manière native : l'interface, les documents de travail et les répliques sont tous dans la même langue, et rien n'est doublé. Ouvrez-en une pour écouter.
A Carta de LisboaPortuguêsDialogues natifs
윈터 프라미스한국어Dialogues natifs
El Secreto de CostaEspañolDialogues natifs
浪人の誓い日本語Dialogues natifs
Ikrar JakartaBahasa IndonesiaDialogues natifs
Зимняя коронаРусскийDialogues natifs
L’Héritier du DéfiléFrançaisDans votre langue
Il Tavolo dell'OlivaItalianoDialogues natifs
De Vuurtoren van de FjordNederlandsDialogues natifs
العهد الصحراويالعربيةDialogues natifs
Çantasındaki SözleşmeTürkçeDialogues natifs
Die Istanbul-TäuschungDeutschDialogues natifs
Останній сигналУкраїнськаDialogues natifs
問劍青雲繁體中文Dialogues natifs
The Last EnvelopeEnglishDialogues natifs
Dans SceneMixer ou en assemblant plusieurs outils
La plupart des flux de travail pour drames IA enchaînent cinq ou six outils. Voici où se fait chaque étape ici, et ce qu'elle remplace.
| Étape | Dans SceneMixer | À la main, avec des outils séparés |
|---|---|---|
| Scénario et plan des épisodes | Collez un scénario ou un roman, ou tapez une seule ligne : le texte est analysé pour en tirer une distribution, des lieux, des accessoires et un plan d'épisodes que vous pouvez modifier | Un modèle de chat écrit le scénario ; vous le découpez en épisodes et vous faites passer le texte d'un outil à l'autre |
| Visages des personnages et lieux | Chaque personnage, lieu et accessoire est dessiné une seule fois sous forme de fiche de référence, puis associé à chaque plan où il apparaît | Un modèle d'image, une fiche à la fois ; vous importez vous-même la bonne référence pour chaque clip |
| Plans | Un storyboard par épisode avec des plans numérotés et leur durée en secondes ; la vidéo est générée segment par segment, en 9:16 ou 16:9, d'après les mêmes fiches | Un modèle vidéo, un clip par prompt, en décrivant à chaque fois les mêmes personnes |
| Voix et dialogues | Les répliques sont prononcées dans la vidéo elle-même, avec une voix par personnage, dans l'une des 15 langues | Un outil de synthèse vocale pour chaque réplique, puis une passe de synchronisation labiale sur chaque clip |
| Corriger un plan | Modifiez le texte de ce plan et régénérez le segment seul ; le reste de l'épisode reste intact | Régénérer le clip, puis remonter la timeline |
| Finitions | Les segments sont assemblés en un seul fichier d'épisode avec sa musique ; les membres téléchargent sans le badge AI | Un logiciel de montage pour assembler les clips, ajouter musique et sous-titres, puis exporter |
| Publication | Vous mettez en ligne l'épisode terminé sur TikTok, YouTube, Instagram ou ailleurs ; rien n'est publié à votre place | Mise en ligne à la main, comme ici |
Questions fréquentes
Est-ce du lip-sync ?
Non. SceneMixer génère l'image et la parole ensemble en une seule passe : la bouche et le jeu sont donc la même décision. Il n'y a pas de piste audio séparée qu'on ajuste sur un rendu muet, ni de moyen de piloter une photo ou une vidéo téléversée.
Puis-je utiliser ma propre voix ?
Vous pouvez importer un enregistrement dans SceneMixer comme référence de voix pour un personnage. La voix de quelqu'un d'autre seulement avec sa permission.
Est-ce que les auditeurs dans le plan bougent la bouche ?
Non, elles ne doivent pas : SceneMixer marque explicitement chaque personnage présent à l'image qui ne parle pas, bouche fermée. C'est l'instruction qui empêche un auditeur de bouger les lèvres avec la réplique.
Que se passe-t-il pour les voix off et les appels téléphoniques ?
SceneMixer écrit d'abord la marque hors champ dans la note de jeu, puis décrit chaque personne visible dans le plan, bouche fermée : la réplique s'entend sans que personne ne paraisse la dire.
Pourquoi mon plan de dialogue est-il plus long que ce que j’ai écrit ?
Parce que la réplique a besoin de temps. SceneMixer donne aux plans portant un dialogue un plancher d'environ trois mots par seconde en anglais, cinq caractères par seconde en chinois, avec une pause ajoutée pour les répliques très courtes. Un plan trop court pour sa réplique est corrigé avant le rendu, et non après.
Écoutez un personnage avant de valider un épisode
L’aperçu gratuit est assez long pour une réplique de dialogue.
Essayez SceneMixer gratuitementForfaits de crédits à partir de 1,49 $ · Pro 7,99 $/mois · Aucune carte bancaire requise pour commencer