Table des matières
Transformez n'importe quel texte, image ou vidéo en vidéos animées, réalistes ou artistiques. Plus de 30 styles uniques disponibles.
Le fichier WAV fournit le rythme, les pauses, la vitesse et l'interprétation ; le portrait fournit le visage. Générez d'abord cinq ou dix secondes. Avant de créer la vidéo complète, vérifiez le premier mot, une pause et la fermeture finale de la bouche.
Le WAV contrôle le timing de l'interprétation, mais il ne crée pas l'identité visuelle et ne garantit pas un mouvement naturel. Séparez ces responsabilités pendant le diagnostic.
L'audio peut influencer :
L'audio ne définit pas :
Un visage parlant créé depuis un portrait nécessite de nouveaux mouvements faciaux. La synchronisation labiale appliquée à une vidéo conserve l'interprétation existante et adapte surtout la bouche au nouvel audio.
Cette distinction sépare aussi l'animation de portrait de la synchronisation labiale à partir d'une vidéo. Dans le premier cas, l'image fournit le sujet et l'audio la diction. Dans le second, la prestation est déjà présente dans la vidéo source.
Un fichier peut être techniquement valide tout en constituant une mauvaise source vocale. Écoutez l'enregistrement complet et corrigez les défauts évidents avant de générer la vidéo.
Contrôle préalable du WAV :
Dans DomoAI, Talking Avatar accepte les fichiers MP3, WAV et M4A jusqu'à 80 Mo. Une voix claire sans musique de fond constitue le meilleur point de départ.
N'imposez pas une fréquence d'échantillonnage ou une profondeur de bits universelle sans consulter l'outil choisi. WAV désigne un conteneur et les encodages compatibles varient. Une parole intelligible dans un fichier accepté compte davantage qu'un réglage technique générique.
Placez une courte pause naturelle vers le milieu de l'enregistrement. Exemple : « Votre première scène est prête. [pause] Vérifions le timing ensemble. »
La pause crée un point de contrôle observable : la bouche doit se fermer ou se stabiliser lorsque la voix s'arrête. Si elle continue de bouger, recherchez du bruit résiduel, de la musique, une respiration, le bruit de la pièce ou un mouvement généré par le modèle.
Gardez le test court. Cinq ou dix secondes suffisent pour examiner le premier mot, une pause et la fermeture finale.
Le portrait doit fournir assez d'informations faciales pour produire un mouvement stable. Un WAV propre ne peut pas réparer une bouche cachée, un profil prononcé ou un visage flou.
Privilégiez une image avec :
Évitez les mains, microphones, cheveux, ombres ou accessoires devant la bouche. Un cadrage trop serré peut aussi créer des défauts aux bords lors des mouvements de tête.
Les illustrations, personnages d'anime, animaux, peintures et portraits historiques peuvent demander davantage d'essais, car leurs proportions ou textures diffèrent d'une photo classique. Choisissez des yeux et une bouche bien définis, puis générez un échantillon court avant d'utiliser un long WAV.
Si le timing est juste mais que l'identité dérive, vérifiez le portrait ou la direction du mouvement. Corrigez la source avec la Retouche d'image ou réduisez le mouvement. Si le visage reste stable mais que la bouche démarre tard, vérifiez le WAV ou la synchronisation.
La première génération sert à tester les entrées, pas à produire la version finale. Gardez une configuration simple afin de relier chaque résultat à une cause claire.
Exemple de consigne :
Parle naturellement, avec de petits mouvements de tête, quelques clignements et une expression neutre pendant la pause.
N'empilez pas des consignes contradictoires. Les grands gestes, les rotations rapides ou les expressions extrêmes compliquent l'évaluation de la synchronisation du WAV.
Nommez clairement chaque version, par exemple portraitA_wav-clean_motion-low_v01. Si vous révisez l'audio, créez un nouveau nom. Un journal de réglages évite de comparer deux séquences où plusieurs entrées ont changé à la fois.
Lorsqu'une version réussit les contrôles de timing, d'identité et de cadrage, appliquez l'Améliorateur vidéo uniquement à ce résultat retenu.
La synchronisation devient plus facile à juger lorsque la vidéo est comparée à des moments nommés dans l'audio. Les relectures aléatoires produisent souvent des impressions vagues plutôt que des corrections précises.
Marquez ces points :
Regardez une fois avec le son normal, une fois sans son et une fois au ralenti. La lecture normale montre l'expérience du public. Le mode silencieux révèle les mouvements répétitifs, le scintillement ou la dérive d'identité. Le ralenti aide à localiser l'image où commence le décalage.
Utilisez une feuille de contrôle horodatée :
| Temps | Événement audio | Contrôle visuel | Résultat | Test suivant |
|---|---|---|---|---|
| 00:01 | Premier mot | La bouche démarre avec la voix | Réussi | Aucun |
| 00:08 | Pause volontaire | La bouche continue de bouger | Échec | Examiner le bruit pendant la pause |
| 00:17 | Dernier mot | La bouche se ferme tard | À revoir | Couper la fin et refaire le test |
Après l'inspection image par image, regardez toujours la séquence entière à vitesse normale. Un minuscule écart visible uniquement au ralenti peut être sans effet, tandis que des erreurs répétées pendant les pauses sont souvent gênantes.
Modifiez l'entrée liée au symptôme visible. Régénérer sans hypothèse claire peut consommer temps et crédits sans corriger la cause.
| Symptôme | Source probable | Test suivant |
|---|---|---|
| La bouche bouge pendant le silence | Bruit, musique, respiration ou comportement du modèle | Créer une pause plus propre et relancer le test court |
| La bouche démarre tard | Silence initial ou décalage | Couper le début et comparer le démarrage |
| Les mots rapides semblent faibles | Débit trop rapide ou bouche peu détaillée | Ralentir la phrase ou choisir un portrait plus net |
| Le bas du visage s'étire | Profil, bouche cachée ou mouvement trop fort | Utiliser une source frontale et réduire le mouvement |
| L'identité du visage change | Peu de détails, cadrage serré ou variation de génération | Utiliser une source nette et garder le cadrage |
| La tête reste rigide | Mouvement limité ou consigne trop restrictive | Tester un petit mouvement explicite |
| Le timing dérive en fin de clip | Séquence longue ou problème audio | Diviser le WAV en segments courts validés |
Ne modifiez qu'une variable par version. Si vous nettoyez l'audio, changez le portrait et réécrivez la consigne en même temps, vous ne saurez pas ce qui a produit l'amélioration.
Divisez un long texte aux limites naturelles des phrases ou des scènes. Gardez le portrait, le cadrage et la direction du mouvement identiques entre les segments. Vérifiez les raccords, car les séquences séparées peuvent varier légèrement en position ou en expression.
L'automatisation doit commencer après la réussite d'un test manuel avec le portrait et le WAV. Un import valide ne prouve pas que l'image répond à vos critères.
Pour un flux API, confirmez l'authentification et la méthode d'importation actuelles, puis consultez l'API Talking Avatar pour les références média, champs de requête, règles de durée, callbacks et erreurs. Envoyez la même image et le même audio validés, puis stockez l'identifiant de tâche, la version d'entrée, les paramètres, la sortie et l'état d'échec.
Conservez l'implémentation complète dans la documentation développeur. Le parcours créatif doit rester centré sur la préparation et la validation des médias.
Non. Une image de visage compatible reste nécessaire. L'audio fournit le timing et l'interprétation ; l'image fournit l'identité visuelle.
En général, non. Une piste de parole seule est plus facile à analyser et à synchroniser. Ajoutez la musique au montage après validation de la voix et du mouvement de bouche.
La pause peut contenir du bruit, de la musique, une respiration ou l'ambiance de la pièce. Le modèle peut aussi maintenir un léger mouvement. Examinez la forme d'onde, créez une pause plus propre et comparez une nouvelle génération courte.
Pas automatiquement. Utilisez un format accepté par l'outil et privilégiez une voix claire. Si les deux formats sont pris en charge, comparez le même enregistrement plutôt que d'attribuer la qualité au conteneur.
Utilisez un portrait net et un enregistrement propre dont vous détenez les droits. Ajoutez une pause volontaire, marquez les temps et ne changez qu'une variable en cas d'échec. Ne créez la version complète qu'après validation de la séquence courte.
Articles récents
.avif)
