Traduire une vidéo en gardant sa voix : étapes et budget
Traduisez une vidéo en conservant votre voix : six étapes, choix Vozo ou HeyGen, budget pour deux langues et grille de contrôle avant de publier.
Publié le . 8 min de lecture. Rédigé à partir des sources officielles, vérifiées à la date de mise à jour ; chaque prix renvoie à sa source. Notre méthode.
Sommaire
Pour traduire une vidéo en gardant sa voix, il faut un doublage avec clonage vocal. La synchronisation des lèvres est une opération supplémentaire, utile quand une personne parle à l’image. Ce guide organise le travail en six étapes, puis chiffre un lot de trois vidéos de dix minutes vers deux langues.
Prévoyez le fichier original, l’autorisation des intervenants et une personne capable de relire la langue cible. Le parcours détaillé s’appuie sur Vozo Studio, dont la relecture avant génération est documentée ; HeyGen et ElevenLabs servent de points de comparaison. Vozo Studio affiche 85 €/mois, taxes incluses depuis la France, sur les tarifs vérifiés le 30/09/2026. La capture provient de la documentation de l’éditeur ; les budgets sont des calculs, pas des mesures de qualité vocale.
Doublage, lèvres ou sous-titres : que faut-il traduire ?
| Vidéo de départ | Travail nécessaire | Dépense à éviter |
|---|---|---|
| Tutoriel avec capture d’écran et voix off | Traduction de la narration, voix et sous-titres éventuels | Synchroniser des lèvres qui ne sont pas visibles |
| Présentateur face caméra | Doublage ; examiner ensuite la synchronisation labiale | Refaire les lèvres avant validation du texte et de l’audio |
| Formation avec diapositives | Voix, textes et chiffres affichés | Croire que doubler la voix traduit aussi les diapositives |
| Vidéo dont la voix originale doit rester audible | Sous-titres traduits | Cloner la voix sans besoin éditorial |
Ce guide traite d’un enregistrement existant. Pour produire une formation depuis un script avec un avatar, le comparatif Synthesia et Colossyan répond à une autre question.
Vozo, HeyGen ou ElevenLabs : quel parcours choisir ?
| Point de départ | Fonction à examiner | Limite décisive |
|---|---|---|
| Vozo | Relecture des textes et des intervenants avant doublage | Cette étape demande Studio ; les lèvres consomment des points séparément |
| HeyGen | Traduction avec ou sans synchronisation labiale | La relecture du script traduit demande Pro ou supérieur |
| ElevenLabs | Doublage audio et conservation de la voix | v2 Alpha n’a pas d’éditeur dans l’application ; Studio utilise l’ancien modèle v1 |
Ces différences sont documentées par Vozo, HeyGen et ElevenLabs, vérifiés le 30/09/2026. Le nom « Studio » ne désigne pas la même fonction chez les deux éditeurs. Le choix ci-dessus dépend du travail de correction, pas des programmes d’affiliation.
Vozo ou HeyGen pour une vidéo face caméra ? Commencez par comparer un court extrait dans les langues visées, le contrôle du script et les exportations. Les prix et les crédits permettent de dimensionner le lot ; ils ne prouvent pas lequel reproduira le mieux votre voix. Pour une voix off sans visage, ne donnez pas de poids au rendu des lèvres dans ce choix.
Six étapes pour traduire une vidéo en gardant sa voix
1. Préparer un extrait représentatif
Choisissez 45 à 60 secondes avec un nom propre, un chiffre, une phrase technique et, si nécessaire, un changement d’intervenant. Gardez le fichier source et préparez un petit glossaire : marque, acronyme, nom de produit, traduction retenue. Une introduction sans difficulté ne représente pas une formation entière.
2. Importer et choisir les langues
Dans Translate & Dub, importez le fichier ou le lien autorisé, puis indiquez les langues source et cible selon le parcours Vozo, vérifié le 30/09/2026. Commencez par une langue pour valider le processus avant de multiplier les versions. Identifiez les intervenants : une phrase attribuée au mauvais locuteur produit aussi une mauvaise voix.
3. Choisir le modèle vocal et relire
Vozo distingue VoiceREAL, orienté vers l’expression de la voix source, et VoiceNATIVE, orienté vers l’accent de la langue cible. Selon la documentation des modèles, changer ce choix après génération impose un nouveau projet (vérifié le 30/09/2026). Ce sont des orientations annoncées par l’éditeur, pas des notes comparatives.
Avec Studio, activez Proofread before dubbing lors de la création du projet, puis lancez la traduction. L’éditeur de relecture s’ouvre avant la génération vocale. Vérifiez les intervenants, le texte reconnu et la traduction avant Start Dubbing. Contrôlez surtout les nombres, négations et termes métier : une phrase bien rédigée peut changer une instruction.
Illustration originale de la documentation Vozo, récupérée le 29/09/2026 ; fonction revérifiée le 30/09. Les colonnes servent à corriger le sens et l’attribution des phrases avant de générer la voix.
4. Générer la voix et contrôler les passages difficiles
Écoutez l’extrait avec une personne qui maîtrise la langue cible. Distinguez trois problèmes : texte faux, prononciation incorrecte, voix ou accent inadapté. Corrigez la cause avant de régénérer. Le guide des corrections Vozo distingue les modifications gratuites de celles qui recréent de l’audio et consomment des points (vérifié le 30/09/2026).
5. Ajouter les lèvres seulement après validation
Si le présentateur est visible, passez à Lip Sync une fois l’audio finalisé. La documentation Vozo demande des bouches visibles, sans sous-titres qui les masquent (vérifié le 30/09/2026). Examinez les profils, coupures et changements de visage ; ne validez pas seulement le premier plan.
6. Vérifier l’export et archiver
Regardez la vidéo exportée, avec ses sous-titres et son volume final. Conservez le fichier d’origine, la transcription validée, le glossaire, les sous-titres et chaque version livrée. Nommez les fichiers avec langue et version pour éviter de publier une ancienne correction.
Quel budget pour trois vidéos et deux langues ?
Hypothèse : 3 vidéos × 10 minutes × 2 langues = 60 minutes traduites. Les durées générées sont supposées identiques aux sources. Aucun autre usage du compte, aucune reprise, aucune suppression de sous-titres incrustés et aucune traduction du texte à l’écran ne sont inclus.
| Opération | Vozo : points calculés | HeyGen : crédits calculés |
|---|---|---|
| Doublage sans lèvres | 60 × 3 = 180 | 60 × 4 = 240 |
| Doublage avec lèvres | 180 + 6 × (5 + 10 × 5) = 510 | Speed : 60 × 6 = 360 |
| Autre mode de lèvres | — | Precision : 60 × 10 = 600 |
Sources : règles Vozo et crédits HeyGen, vérifiés le 30/09/2026. Le calcul Vozo suppose six nouveaux projets Lip Sync ; une variante dans un même projet n’a pas les mêmes frais fixes. Chez HeyGen, les modes sont des alternatives : n’additionnez pas 240, 360 et 600. Les unités des deux outils ne sont pas comparables entre elles.
Avec relecture préalable du script exigée, Vozo Studio couvre le lot avec 600 points à 85 €/mois ; HeyGen Pro commence à 1 000 crédits pour 49 $/mois. Tarifs mensuels, Vozo et HeyGen, vérifiés le 30/09/2026 : Vozo en euros taxes incluses depuis la France ; HeyGen en dollars, fiscalité finale à contrôler. Aucune conversion de devise n’est appliquée.
Creator HeyGen à 29 $ contient assez de crédits pour les calculs ci-dessus, mais pas la relecture du script traduit dans ce parcours. Creator Vozo, avec 150 points mensuels, ne couvre même pas les 180 points du doublage seul sans complément. Ce sont deux exemples où le prix d’entrée ne suffit pas à choisir. Les fonctions et le solde restant doivent être vérifiés avant lancement.
Pour ElevenLabs v2, le coût est présenté avant confirmation ; les anciens montants en crédits de la FAQ tarifaire ne doivent pas être appliqués automatiquement à ce nouveau modèle. Consultez le guide de coût du doublage, vérifié le 30/09/2026.
Ajouter le temps de relecture au coût
Exemple de gestion, sans tarif de prestation observé : affecter le mois Vozo Studio à ce seul lot, puis prévoir 1 h 30 de relecture valorisée à 30 €/h donne 85 + 45 = 130 €. Si les 60 minutes sont toutes validées, cela représente 2,17 € par minute livrée, hors montage et reprises payantes. Remplacez ces hypothèses par votre temps et vos dépenses réels : une génération rejetée ne compte pas comme une minute livrée.
Une grille pour accepter ou corriger la vidéo
Pour chaque problème, notez langue, timecode, intervenant, correction et nouvelle validation. Cette grille sert à organiser votre contrôle ; elle ne décrit pas des essais réalisés par Génie Artificiel.
| Point à contrôler | Preuve attendue avant publication |
|---|---|
| Sens | Chiffres, négations, noms et consignes conformes au texte validé |
| Voix | Bon intervenant, prononciation compréhensible, aucune phrase manquante |
| Rythme | Fin de phrase audible, pauses compatibles avec la démonstration |
| Lèvres, si nécessaires | Pas de défaut gênant sur les plans de face, profils et coupures |
| Image et sous-titres | Labels utiles traduits, sous-titres lisibles, aucune ancienne langue oubliée |
| Livraison | Export complet, bon nom de version, source et sous-titres archivés |
Le piège des tutoriels logiciels mérite un contrôle séparé : Vozo exclut les boutons et menus d’interface de Visual Translate, vérifié le 30/09/2026. Prévoyez une nouvelle capture dans la langue cible ou une annotation ; le doublage ne change pas les boutons que le spectateur voit.
Questions fréquentes
Peut-on garder exactement la même voix dans une autre langue ?
Le clonage vise à conserver l’identité vocale, mais l’accent, l’expression et le rythme peuvent varier. Faites accepter un extrait par l’intervenant et un relecteur de la langue cible avant de traiter tout le catalogue.
Faut-il synchroniser les lèvres pour une formation ?
Seulement si une personne visible parle et que le décalage gêne la compréhension ou la présentation. Une capture d’écran avec voix off peut se contenter d’un doublage et de sous-titres.
Un essai gratuit suffit-il pour ce lot de soixante minutes ?
Les 20 points d’essai Vozo annoncés dans les tarifs ne couvrent pas les 180 points du doublage calculé ici. Utilisez l’essai pour un extrait représentatif, puis dimensionnez le lot complet.
Peut-on utiliser le même calcul pour trois langues ?
Pour les mêmes trois vidéos de dix minutes, trois langues représentent 90 minutes à traduire. Recalculez aussi le nombre de projets Lip Sync, les retouches et la relecture ; ne multipliez pas automatiquement le prix d’un abonnement par trois.
