Vous avez une vidéo où la personne dit une chose, et une nouvelle piste audio qui en dit une autre. Il s’agit peut-être d’une traduction, d’un script corrigé ou d’une voix générée il y a une heure. La bouche à l’écran suit toujours les anciens mots, et chaque spectateur le remarque en moins de deux secondes. Sync V2, le modèle de lipsync de deuxième génération de Sync Labs, existe précisément pour résoudre ce problème : il prend une vidéo et un fichier audio, puis reconstruit la zone de la bouche image par image pour que les lèvres suivent la nouvelle parole.
Cet article passe en revue ce que vous pouvez régler, ce que cela coûte par seconde de séquence, le fonctionnement de l’accès API et les solutions gratuites qui valent votre temps. Si vous voulez simplement l’essayer tout de suite, Lipsync 2 sur PicassoIA fait tourner le modèle dans le navigateur, sans code.

Ce que fait réellement Sync V2
Sync V2 est un modèle de lipsync vidéo vers vidéo. Vous lui fournissez deux fichiers : une vidéo MP4 avec un visage visible, et un WAV contenant la parole que ce visage doit prononcer. Il renvoie une nouvelle vidéo MP4 dans laquelle la bouche, la mâchoire et la peau environnante sont régénérées pour correspondre à l’audio, tandis que le reste de l’image reste tel qu’il a été filmé.
C’est différent d’un générateur d’avatars. Les outils d’avatars partent d’une seule photo et inventent tout. Sync V2 part d’une vraie séquence, si bien que l’éclairage, les mouvements de la tête, l’arrière-plan et les vêtements restent intacts. Seule la zone de la parole change. C’est pourquoi il s’est imposé pour le doublage, l’adaptation publicitaire et la correction de scripts après un tournage.

Les cas où il convient le mieux
Le modèle excelle sur les clips où le visage est net, de face ou aux trois quarts, avec un éclairage stable. Pensez aux interviews, webinaires, démonstrations de produits, vidéos de formation et publications sociales en face caméra. Il peine davantage lorsque le visage est minuscule dans le cadre, masqué par une main ou un micro, ou détourné de la caméra pendant de longues périodes.
Lipsync 2 face à Lipsync 2 Pro
Sync propose un modèle standard et une gamme supérieure. Les deux sont disponibles sur PicassoIA, vous pouvez donc tester le même clip sur chacun.
| Caractéristique | Lipsync 2 | Lipsync 2 Pro |
|---|
| Idéal pour | Doublage quotidien, clips sociaux, brouillons | Gros plans, détails fins, livraison finale |
| Modes de synchronisation | Loop, bounce, cut off, silence, remap | Même famille de commandes |
| Prix API indicatif | Plus bas à la seconde | Environ 1,5 à 2 fois plus élevé |
| Quand le choisir | Gros volumes et tests | Clips où les dents, la barbe et la texture de la peau comptent |
💡 Conseil : Effectuez votre premier test avec le modèle standard. Passez à la version Pro uniquement pour les plans qui occuperont tout l’écran, comme une vidéo phare sur une page d’accueil.
Chaque réglage, expliqué simplement
Sync V2 ne comporte qu’une courte liste d’options. C’est un avantage, car il y a peu de risques de mauvaise configuration. Voici le rôle de chacune.

sync_mode : cinq façons de gérer la durée
Le réglage le plus important détermine ce qui se passe lorsque l’audio et la vidéo n’ont pas la même durée. Or c’est rarement le cas.
| Mode | Ce qu’il fait | Quand l’utiliser |
|---|
| loop (par défaut) | Répète la vidéo depuis le début jusqu’à la fin de l’audio | Un court clip de visage doit porter une longue voix off |
| bounce | Joue la vidéo en avant, puis en arrière, puis de nouveau en avant | Vous voulez une répétition plus fluide, sans coupure visible |
| cut_off | Coupe le fichier le plus long pour correspondre au plus court | L’audio est plus long et vous n’avez besoin que de la partie commune |
| silence | Complète l’audio le plus court par du silence | La vidéo est plus longue et la personne peut simplement cesser de parler |
| remap | Étire ou compresse le timing de la vidéo pour l’adapter à l’audio | Une piste traduite est un peu plus longue ou plus courte que l’originale |
Remap est celui que les équipes de doublage privilégient le plus. Les traductions en espagnol et en allemand sont souvent 15 à 25 % plus longues que l’anglais, et remap absorbe cet écart sans couper de mots. Bounce donne un meilleur résultat que loop sur des avatars statiques, car loop fait apparaître un petit saut à chaque redémarrage du clip.
Température : à quel point la bouche s’exprime
La température va de 0 à 1, et la valeur par défaut est 0,5. Les valeurs basses donnent des mouvements de bouche petits et retenus. Les valeurs élevées donnent des formes plus larges et plus animées.
- 0,2 à 0,35 : formation d’entreprise, présentation de type journal télévisé, narration calme
- 0,5 : une valeur par défaut sûre pour la plupart des séquences face caméra
- 0,65 à 0,8 : présentateurs dynamiques, publicités, contenus pour enfants, travail sur des personnages
Si vous montez trop haut, la bouche peut paraître exagérée, surtout avec une personne qui bouge à peine le visage dans l’original. Si vous descendez trop bas avec une personne qui s’emballe facilement, les lèvres semblent endormies par rapport au langage corporel. Modifiez la valeur par paliers de 0,1 et comparez.
Détection du locuteur actif
C’est un simple interrupteur, désactivé par défaut. Lorsqu’il est activé, le modèle détermine qui parle dans une scène à plusieurs personnes et n’applique le lipsync qu’à cette personne. Sans cette option, le modèle peut tenter de synchroniser chaque visage visible sur le même audio, ce qui donne un résultat étrange dans une interview à deux personnes.

Activez-la pour les interviews, les tables rondes et tout plan comportant plus d’un visage. Laissez-la désactivée pour les clips à un seul locuteur, car elle n’apporte rien dans ce cas.
Règles relatives aux fichiers d’entrée
Le modèle attend une vidéo MP4 et un fichier audio WAV. Si votre voix off est en MP3 ou M4A, convertissez-la d’abord. La qualité du son compte davantage qu’on ne le pense : une musique de fond sous la voix, une réverbération marquée ou un écrêtage peuvent tous produire des formes de bouche floues.
💡 Conseil : Exportez la piste vocale seule, sans musique, avant l’import. Réintégrez la musique une fois le lipsync terminé.
Le coût réel de Sync V2
Le prix est ce qui surprend le plus de monde, car le lipsync est facturé selon la durée de la vidéo produite, et non selon le nombre de tentatives qui vous satisfont.

Tarifs API à la seconde
D’après les tarifs API publiés par Sync au moment de la rédaction, la facturation se fait par image produite, ce qui correspond à un tarif à la seconde à 25 images par seconde :
- Lipsync 2 : environ 0,04 $ à 0,05 $ par seconde, soit environ 2,40 $ à 3,00 $ par minute
- Lipsync 2 Pro : environ 0,067 $ à 0,083 $ par seconde
- Les hébergeurs tiers d’API indiquent pour le modèle standard environ 3 $ par minute de vidéo
Comme la facturation suit les images, votre réglage de fps compte. Un clip à 30 fps contient plus d’images qu’un clip de 25 fps de même durée : vérifiez donc comment votre plateforme les comptabilise. Les prix changent souvent. Considérez donc ces chiffres comme une fourchette de planification et vérifiez-les sur la page tarifaire du fournisseur avant de fixer un budget.
Ce que coûtent les projets courants
Voici un budget approximatif au tarif du modèle standard, sur la base d’environ 3 $ par minute :
| Projet | Durée | Coût approximatif |
|---|
| Clip social unique | 30 secondes | 1,50 $ |
| Démonstration produit, une langue | 3 minutes | 9 $ |
| Même démonstration en 5 langues | 15 minutes au total | 45 $ |
| Vidéo de formation hebdomadaire, 10 minutes, 3 langues | 30 minutes au total | 90 $ |
Le coût caché : les reprises
Personne n’obtient le résultat parfait du premier coup, pour chaque clip. Prévoyez 1,5 à 2 exécutions par vidéo finie le temps d’ajuster la température et le mode de synchronisation. Le moyen économique de procéder consiste à découper un segment de test de 5 à 10 secondes, à régler les paramètres sur ce segment, puis à lancer une fois la version complète.
Les bases de l’accès API
Sync V2 est disponible via l’API de Sync et via plusieurs plateformes d’hébergement de modèles. Le flux de travail est identique partout : vous soumettez une tâche avec deux URL de fichiers, attendez le traitement, puis récupérez la vidéo de sortie.

Ce que contient une requête
Une tâche type comprend :
- Une URL publique vers la vidéo MP4
- Une URL publique vers l’audio WAV
- Le nom du modèle, standard ou Pro
- Des options comme le mode de synchronisation, la température et le locuteur actif
Le traitement est asynchrone. Vous recevez un identifiant de tâche, interrogez son statut, puis téléchargez le résultat une fois le traitement terminé. Le temps de traitement dépend de la durée du clip et de la charge de la file d’attente, et la plupart des clips courts se terminent en quelques minutes.
Limites de forfait à vérifier
La durée maximale d’un clip dépend de votre abonnement. Les forfaits de Sync vont d’environ une minute par génération sur l’offre d’entrée à environ trente minutes sur la plus haute. Si vous doublez de longs webinaires, découpez-les en chapitres de deux à cinq minutes. Cela permet aussi de relancer moins cher un segment lorsqu’un passage paraît imparfait.
💡 Conseil : Construisez votre file d’attente de tâches de sorte que chaque segment fasse l’objet de sa propre requête. Un segment raté ou faible ne coûte alors que quelques dollars à refaire, et non le prix de la vidéo entière.
Des options gratuites qui fonctionnent
Vous n’avez pas besoin de payer pour savoir si Sync V2 convient à vos séquences.

Les offres gratuites du fournisseur
Sync a proposé des comptes gratuits avec une petite allocation mensuelle, décrite comme quelques courtes générations par mois avec une durée maximale réduite, d’environ 15 à 20 secondes chacune. Les chiffres publiés ont varié d’une page à l’autre : vérifiez le chiffre en vigueur lors de votre inscription. Il suffit pour un vrai test, mais pas pour une production.
Gratuit dans le navigateur sur PicassoIA
Lipsync 2 sur PicassoIA est présenté comme gratuit à essayer en ligne, sans code à écrire. Vous importez la vidéo et l’audio, choisissez le mode de synchronisation et lancez-le. C’est le moyen le plus rapide de comparer les modes de synchronisation côte à côte, sans configurer de clé API ni de compte de facturation.
Pour une comparaison rapide, Lipsync 2 Pro appartient à la même catégorie : vous pouvez donc lancer les deux sur le même échantillon de 8 secondes et décider si le détail supplémentaire justifie le coût plus élevé.
Voici le flux de travail, du début à la fin, pour un travail de doublage type.

- Préparez l’audio. Enregistrez ou générez votre nouvelle piste vocale et exportez-la au format WAV. Gardez uniquement la voix, sans musique.
- Préparez la vidéo. Découpez votre clip pour ne garder que le segment souhaité, idéalement de 5 à 30 secondes pour le premier test, puis exportez-le en MP4.
- Ouvrez le modèle. Rendez-vous sur la page Lipsync 2 et importez les deux fichiers.
- Choisissez le mode de synchronisation. Utilisez remap pour un doublage traduit, loop ou bounce pour un court clip sous une longue voix off, cut_off si vous voulez que la durée la plus courte l’emporte.
- Réglez la température. Commencez à 0,5. Baissez-la pour un contenu sérieux, montez-la pour un ton plus vif.
- Activez le locuteur actif. Ne l’activez que lorsque plus d’une personne est à l’écran.
- Lancez et vérifiez. Regardez le résultat en plein écran, avec le son, et portez attention aux plosives comme B, P et M, où les lèvres doivent se refermer nettement.
- Ajustez et relancez. Modifiez un seul réglage à la fois pour savoir ce qui a produit l’amélioration.
💡 Conseil : Si l’audio a été généré par un outil de synthèse vocale, ajoutez un quart de seconde de silence au début. Le modèle dispose alors d’une position de bouche neutre et propre pour démarrer.
Quand un autre modèle convient mieux
Sync V2 est performant, mais ce n’est pas la seule option sur PicassoIA, et certains travaux demandent un outil différent.

- Lipsync 2 Pro : la même famille, avec plus de détails, adaptée aux gros plans et à la livraison finale.
- Kling Lip Sync : fait correspondre les mouvements de la bouche à l’audio dans une vidéo, un second avis solide lorsqu’un clip paraît raide sur un autre modèle.
- Lipsync Precision : conçu pour doubler n’importe quelle vidéo lorsque la précision compte avant tout.
- Lipsync Speed : conçu pour un traitement rapide lorsque vous doublez de nombreux clips et voulez des résultats en quelques secondes.
- P Video Avatar : crée des vidéos d’avatars parlants lorsque vous n’avez aucune séquence source.
Une règle simple : une vraie séquence plus une nouvelle piste audio oriente vers Sync V2 ou l’un de ses concurrents. Pas de séquence oriente vers un modèle d’avatar.
Les erreurs qui gaspillent des crédits
La plupart des résultats décevants proviennent des mêmes quelques erreurs.
- Lancer d’abord la vidéo complète. Testez toujours un segment court.
- Utiliser le mauvais mode de synchronisation. Loop sur un doublage traduit répétera les gestes ; remap est généralement le meilleur choix.
- Laisser le locuteur actif désactivé sur un plan à deux personnes, puis se demander pourquoi les deux parlent.
- Importer un audio bruyant. La musique, l’écho et l’écrêtage brouillent les formes de la bouche.
- Juger sur le haut-parleur d’un téléphone. Vérifiez en taille réelle, au casque, car les erreurs labiales se cachent dans les petits aperçus.
- Monter la température à 1,0 pour chaque clip. Les valeurs extrêmes ne conviennent qu’à peu de locuteurs.
Surveillez aussi la vidéo source. Un visage flou à cause du mouvement, partiellement masqué ou mesurant moins de quelques centaines de pixels de haut limitera la qualité, quelle que soit la précision de vos réglages.
Essayez votre propre lipsync dès aujourd’hui
Sync V2 récompense les expériences rapides. Choisissez un clip de dix secondes que vous possédez déjà, enregistrez ou générez une nouvelle réplique, puis passez-le dans Lipsync 2 sur PicassoIA. Essayez remap, puis bounce. Faites varier la température de 0,3 à 0,7 et observez comment la même phrase change de personnalité.
Lorsque vous voulez comparer, lancez le même échantillon sur Lipsync 2 Pro et Kling Lip Sync. Dix minutes de test vous en apprendront plus que n’importe quelle fiche technique, et vous montreront précisément le budget dont votre projet réel a besoin. Pour l’ensemble des outils, parcourez tous les modèles sur PicassoIA et construisez votre propre flux de doublage.