Vous avez enregistré une bonne vidéo et vous voulez maintenant qu’elle parle espagnol, hindi, allemand et japonais, sans faire appel à quatre comédiens de doublage. C’est la promesse de HeyGen Video Translate, un outil qui remplace la voix d’origine par une voix doublée et déplace les lèvres du locuteur pour les faire correspondre. Cela semble simple. En pratique, on se heurte à trois obstacles : la facturation est confuse, l’API a ses propres règles, et les tâches restent parfois bloquées à « processing » indéfiniment. Cet article examine chacun de ces obstacles et se termine par une solution en ligne que vous pouvez utiliser immédiatement.
💡 Réponse rapide : La traduction avec synchronisation labiale est facturée à la minute de vidéo source. Des sources tierces situent le tarif API à environ 2 $ par minute pour la synchronisation labiale et à environ 1 $ par minute pour le doublage audio seul, tandis que les abonnements comptent en crédits. Consultez la page tarifaire de HeyGen avant de budgétiser, car ces chiffres évoluent.
Ce que fait Labs HeyGen Video Translate
HeyGen Video Translate prend une vidéo finie, transcrit la parole, traduit le script, génère une nouvelle voix (souvent un clone de la voix du locuteur d’origine) et refait le rendu de la zone de la bouche pour que les lèvres suivent la nouvelle langue. L’outil est né dans la partie expérimentale du produit, ce qui explique que l’on cherche encore souvent « HeyGen Labs ». Avec le temps, il s’est rapproché du tableau de bord principal, et certains comptes le retrouvent désormais dans le menu de création habituel. Si vous ne le trouvez pas à l’endroit indiqué par un tutoriel, c’est la première chose à vérifier.
Les quatre étapes en coulisses
- Transcription de l’audio source en texte.
- Traduction de ce texte dans la langue cible.
- Synthèse vocale, en conservant en général le ton et le rythme du locuteur.
- Rendu de la synchronisation labiale, qui modifie le visage pour que la forme des lèvres corresponde au nouvel audio.
Chaque étape peut échouer indépendamment, ce qui explique pourquoi « ça ne marche pas » a tant de causes différentes. Un enregistrement bruyant fait échouer la première étape. Une expression idiomatique longue fait échouer la deuxième. Un visage tourné loin de la caméra fait échouer la quatrième.

Qui l’utilise vraiment
Le public type est facile à identifier : des YouTubers qui veulent une deuxième chaîne dans une autre langue, des créateurs de formations, de petites entreprises avec des démonstrations de produits, et des responsables marketing qui ont besoin d’une seule vidéo avec un porte-parole diffusée sur dix marchés. Le point commun est une séquence face caméra où le visage est visible et l’audio est propre. C’est exactement dans ce type de séquence que le doublage avec synchronisation labiale donne le meilleur résultat.
Le coût réel du doublage
La question du prix est celle par laquelle commence la plupart des recherches, et c’est aussi là que la plupart des articles de blog se contredisent. Le schéma le plus fréquent ressemble à ceci.
| Mode de facturation | Traduction avec synchronisation labiale | Doublage audio seul | Remarques |
|---|
| Crédits d’abonnement | Environ 5 crédits par minute | Environ 2 crédits par minute | Le mode précision est indiqué à environ le double dans certaines sources |
| API (paiement à l’usage) | Environ 2,00 $ par minute | Environ 1,00 $ par minute | Débité d’un portefeuille distinct, et non de vos crédits de forfait |
| Estimation par vidéo pour un extrait de 3 minutes | Environ 6 $ | Environ 3 $ | Par langue cible, donc multipliez par le nombre de langues |
Le problème de la multiplication
Le chiffre qui surprend les gens n’est pas le tarif à la minute. C’est le nombre de langues. Une vidéo de cinq minutes envoyée dans six langues représente trente minutes de contenu facturable. Au tarif API indiqué plus haut, cela atteint près de 60 $ pour la synchronisation labiale, et ce montant se répète chaque fois que vous relancez une tâche après avoir corrigé une erreur de script.
💡 Conseil : Relisez la transcription avant de lancer la traduction. Un mot mal entendu dans la langue source produit une phrase fausse avec assurance dans chaque langue cible, et vous payez à nouveau pour refaire chacune d’elles.
Crédits contre portefeuille
Les crédits d’abonnement et le portefeuille de l’API sont deux réserves distinctes. Les personnes qui souscrivent un forfait puis appellent l’API sont souvent déroutées lorsque l’API refuse de s’exécuter alors que le tableau de bord affiche un solde suffisant. L’API puise dans un solde en USD que vous rechargez séparément, et des retours indiquent que vous pouvez commencer avec un petit montant pour tester.

Trois façons de dépenser moins
- Coupez avant d’importer. Retirez les introductions, les silences et les génériques. La facturation se fait à la durée.
- Testez sur un extrait de 20 secondes. Vérifiez la voix, l’accent et la synchronisation labiale sur un court échantillon avant d’envoyer la vidéo complète.
- Utilisez le doublage audio seul pour les vidéos riches en plans de coupe. Si le locuteur est rarement à l’écran, la synchronisation labiale ajoute un coût sans apporter autre chose.
Fonctionnement de l’API
Les développeurs se tournent généralement vers l’API lorsqu’ils ont plus d’une poignée de vidéos à traiter. Le déroulement est le même pour la plupart des services de traduction vidéo : vous soumettez une tâche, vous recevez un identifiant de tâche, et vous interrogez le statut jusqu’à ce qu’il indique que le résultat est prêt. Vous téléchargez ensuite le fichier.
Déroulement type d’une requête
- Authentifiez-vous avec une clé API placée dans un en-tête de requête.
- Soumettez une URL publique de votre vidéo source, la langue cible et, si vous le souhaitez, un indicateur de mode pour la vitesse ou la précision.
- Conservez l’identifiant de tâche renvoyé.
- Interrogez le statut toutes les 15 à 30 secondes, et non à chaque seconde.
- Téléchargez le résultat lorsque le statut passe à terminé, et enregistrez-le dans votre propre stockage, car les liens de sortie expirent.
Limites à prendre en compte
Des wrappers tiers mentionnent des limites de débit de l’ordre d’une centaine de créations de tâches par minute et d’une dizaine de tâches simultanées par clé. Considérez ces chiffres comme un ordre de grandeur et non comme une garantie, car ils peuvent changer. Ce qui compte pour votre code, c’est le comportement : une réponse 429 signifie qu’il faut ralentir, et une réponse 5xx signifie qu’il faut réessayer avec un délai croissant.

Règles de saisie qui piègent les utilisateurs
| Problème | Ce qui se passe | Solution |
|---|
| URL vidéo privée ou à expiration | La tâche échoue juste après l’envoi | Utilisez un lien public et stable pendant toute la tâche |
| Vidéo source très longue | Tâche rejetée ou lente | Découpez en scènes sous la limite de durée |
| Mauvais format de fichier | Erreur immédiate | Exportez en MP4 standard |
| Plusieurs locuteurs qui parlent en même temps | Voix brouillées et lèvres mal synchronisées | Montez la vidéo pour qu’une seule personne parle à la fois |
Pourquoi cela ne fonctionne plus
Passons maintenant à la partie que beaucoup de lecteurs attendaient. Lorsque Video Translate semble défaillant, la cause relève en général de l’une de cinq catégories.
Bloqué sur « processing »
C’est la plainte la plus courante. Une tâche reste au même pourcentage pendant une heure. Avant toute autre action, consultez la page de statut du fournisseur et regardez la ligne spécifique de Video Translate, et non seulement la bannière générale. Si cette ligne indique un état dégradé, l’attente est la seule véritable solution. Si tout est au vert, annulez la tâche et soumettez-la à nouveau.
Mauvaise transcription, mauvaise traduction
Ouvrez la transcription dès qu’elle apparaît. Corrigez les noms, les termes produits et les chiffres. Les noms de marques sont un problème classique : « Kubernetes » devient « cooper nettys » dans le texte source, puis est traduit en charabia.
La synchronisation labiale semble décalée
Le mouvement de la bouche dérive ou paraît caoutchouteux lorsque le locuteur tourne la tête, couvre sa bouche avec la main ou porte un masque. Les images où le visage est clairement visible de face donnent les meilleurs résultats. Les coupes rapides entre les angles de caméra peuvent aussi perturber le suivi du visage.

Erreurs de crédits ou de portefeuille
Si le tableau de bord indique que vous avez des crédits mais que l’API affirme que vous n’en avez aucun, vous avez probablement affaire à deux soldes distincts. Rechargez le portefeuille de l’API ou lancez la tâche depuis l’interface web.
Erreur de langue
Choisir la mauvaise langue source est un piège insidieux. L’outil transcrit un extrait en portugais comme s’il était en espagnol, et tout ce qui suit est faux. Indiquez la langue source vous-même lorsque c’est possible, au lieu de vous fier à la détection automatique pour une parole accentuée ou mêlant plusieurs langues.
💡 Ordre de dépannage : page de statut, puis transcription, puis qualité de l’audio source, puis visibilité du visage, puis solde de facturation. La plupart des tâches échouées se résolvent à la deuxième étape.
Options en ligne qui fonctionnent aujourd’hui
Vous n’avez pas besoin de souscrire un abonnement ni d’écrire du code API pour doubler une vidéo. Il existe des outils en ligne où vous importez un MP4, choisissez une langue et téléchargez le résultat. Sur PicassoIA, vous pouvez utiliser directement dans le navigateur le même moteur HeyGen, ce qui est utile lorsque vous voulez tester un seul extrait avant de décider si une configuration plus lourde en vaut la peine.

Doubler avec synchronisation labiale
La page HeyGen Video Translate propose un doublage avec synchronisation labiale dans plus de 150 langues de sortie et variantes régionales, notamment l’arabe (Égypte), l’espagnol (Mexique), le chinois (cantonais, traditionnel) et l’anglais (Australie). Elle accepte les fichiers MP4 standard et vous laisse choisir entre un mode vitesse et un mode précision.
Choisir directement un moteur de synchronisation labiale
Si vous disposez déjà de l’audio doublé et n’avez besoin que du mouvement de la bouche, deux modèles apparentés remplissent cette fonction. Lipsync Precision privilégie la qualité, et Lipsync Speed privilégie la rapidité d’exécution. Ils conviennent aux flux de travail où vous rédigez la traduction vous-même ou faites appel à un traducteur humain.
Traduire l’audio sans toucher au visage
Lorsque le locuteur est hors champ, ou lorsque vous ne souhaitez aucune modification du visage, ElevenLabs Dubbing traduit la parole dans des dizaines de langues tout en conservant la vidéo originale intacte. C’est souvent moins cher et plus rapide pour les captures d’écran, les interviews avec de nombreux plans de coupe et les podcasts aux visuels statiques.
Créer votre propre voix off
Certains créateurs préfèrent traduire le script à la main et générer la voix séparément. ElevenLabs v2 Multilingual produit des voix off en 30 langues ou plus, et Realtime TTS 2 vous donne un contrôle en langage naturel sur la façon de prononcer le texte. Associez l’un ou l’autre à un modèle de synchronisation labiale ci-dessus, et vous gardez un contrôle total sur chaque phrase.

| Objectif | Meilleur choix | Pourquoi |
|---|
| Doublage rapide avec lèvres synchronisées | HeyGen Video Translate | Un import, un résultat |
| Votre propre traduction, synchronisation seule | Lipsync Precision | Contrôle du script |
| Synchronisation rapide pour un brouillon | Lipsync Speed | Délai de traitement court |
| Voix seule, sans modification du visage | ElevenLabs Dubbing | Conserve les images d’origine |
| Nouveau porte-parole à partir d’un script | Avatar V | Aucune vidéo source nécessaire |
Utiliser HeyGen Video Translate sur PicassoIA
Voici le chemin court, d’un seul MP4 à une version doublée.
Étape 1 : préparer l’extrait source
Exportez votre vidéo en MP4. Gardez le visage du locuteur visible et bien éclairé, et assurez-vous qu’une seule personne parle à la fois. Si l’extrait est long, découpez d’abord la partie que vous voulez traduire.
Étape 2 : ouvrir le modèle
Rendez-vous sur la page HeyGen Video Translate de PicassoIA et importez votre MP4 dans le champ Video.
Étape 3 : choisir la langue de sortie
Ouvrez la liste output_language. Elle est réglée par défaut sur l’anglais et propose des choix généraux comme l’espagnol, le français, l’hindi et le japonais, ainsi que des variantes régionales telles que le français (Canada), le portugais (Brésil), l’anglais (Royaume-Uni) et l’espagnol (Mexique). Choisissez la variante que parle réellement votre public, car le choix des mots et l’accent varient d’une région à l’autre.
Étape 4 : régler le mode
Le réglage mode propose deux valeurs. Speed est conçu pour une exécution rapide et convient bien aux brouillons et aux extraits pour les réseaux sociaux. Precision est la valeur par défaut et vise une sortie de meilleure qualité, c’est donc le meilleur choix pour tout ce qui s’adresse à des clients.

Étape 5 : lancer et relire
Lancez la tâche et regardez le résultat avec le son activé. Vérifiez trois points : la voix paraît être une version crédible du locuteur, les noms et les chiffres sont corrects, et les lèvres correspondent lors des gros plans. Si quelque chose cloche, corrigez la source ou changez la variante linguistique, puis relancez.
💡 Conseil sur les paramètres : Lancez d’abord un test de 15 à 20 secondes en mode speed. Une fois la voix et l’accent satisfaisants, relancez la vidéo complète en mode precision.
Un plan de test simple
| Test | Ce qu’il faut vérifier |
|---|
| Extrait de 20 secondes, mode speed | Accent, ton, rythme |
| Même extrait, mode precision | Qualité de la synchronisation labiale, clarté de la voix |
| Vidéo complète, une langue | Exactitude de la transcription, timing entre les scènes |
| Vidéo complète, toutes les langues | Cohérence et gestion des noms de marque |
Obtenir de meilleurs résultats à chaque fois
Un bon résultat commence avant l’import. Ces habitudes règlent la plupart des problèmes de qualité.
Enregistrer en pensant au doublage
- Parlez d’un rythme régulier, avec de courtes pauses entre les phrases. Les phrases traduites sont souvent plus longues, et les pauses leur laissent de la place.
- Évitez l’argot et les longues plaisanteries qui reposent sur un jeu de mots.
- Gardez votre visage dans le cadre et ne couvrez pas votre bouche.
- Utilisez un micro correct. Un son propre laisse moins de chances à la transcription de se tromper.
Anticiper la longueur du texte
Les langues diffèrent par le nombre de mots nécessaires à une phrase. L’allemand et l’espagnol ont tendance à s’allonger, tandis que le chinois et le japonais se compriment souvent. Si votre vidéo comporte des encarts à l’écran qui défilent vite, prévoyez du temps supplémentaire autour d’elles pour que la parole doublée ne paraisse pas précipitée.
Tenir une liste de contrôle de relecture
- Noms, marques et chiffres orthographiés correctement dans la transcription.
- Variante régionale adaptée au public visé.
- Synchronisation labiale vérifiée sur les gros plans et sur les cinq premières et dernières secondes.
- Sous-titres ajoutés pour les spectateurs qui regardent sans son.
- Fichier final enregistré dans votre propre stockage.

Quand un présentateur de synthèse est plus pertinent
Si vous n’avez aucune vidéo source, ou si votre objectif est de publier de nombreuses versions localisées d’un script, un présentateur parlant généré à partir de texte peut vous éviter l’étape du tournage. Avatar V crée des vidéos d’avatars parlants, et P Video Avatar est une autre façon d’animer un locuteur à partir d’une photo et d’un audio. Ce sont des outils différents d’un flux de doublage, à choisir lorsque vous partez d’un script plutôt que de rushs.
Faut-il payer pour cela ?
La réponse dépend du volume et de la visibilité du locuteur.
| Situation | Verdict |
|---|
| Une ou deux vidéos par mois, quelques langues | Utilisez un outil en ligne à la tâche et évitez l’abonnement |
| Vidéos hebdomadaires dans de nombreuses langues | Une API ou un forfait devient rentable, mais testez d’abord les coûts |
| Surtout des captures d’écran ou des voix off | Le doublage audio suffit, inutile de synchroniser les lèvres |
| Vidéo de marque destinée aux clients | Utilisez le mode précision et faites-la relire par un locuteur natif |
La relecture par un locuteur natif compte plus qu’on ne le pense. La traduction automatique est bonne, mais une vérification humaine repère la phrase qui sonne raide, le double sens involontaire, ou le terme que votre secteur utilise différemment. Même une relecture de dix minutes par un collègue est une protection peu coûteuse pour une vidéo qui porte votre nom.

Essayez votre propre doublage sur PicassoIA
Le moyen le plus rapide de répondre aux questions de tarif et de qualité consiste à lancer un court test sur vos propres images. Importez un extrait de 20 secondes dans HeyGen Video Translate, choisissez une langue, comparez les modes speed et precision, et observez où tombent les lèvres et la voix. Si vous n’avez besoin que de la voix, essayez ElevenLabs Dubbing. Si vous voulez un présentateur à partir d’un script, essayez Avatar V. Chaque modèle est répertorié sur picassoia.com/en/all-models, ce qui vous permet de combiner doublage, voix, synchronisation labiale et outils d’image au même endroit et de voir quelle combinaison convient à votre chaîne. Choisissez un extrait, choisissez une nouvelle langue et lancez.