IA créative & vidéo
Voix off IA en français : écrivez pour l’oreille, validez les droits et le montage
Créez une voix off IA en français : écriture pensée pour l’oreille, ponctuation, tests au casque, validation dans le montage et vérification des droits.
Pour créer une voix off IA en français convaincante, choisissez un moteur selon le rendu vocal recherché et les droits d’utilisation. Préparez ensuite un texte conçu pour être entendu, puis validez le fichier dans votre montage. Aucun micro ni studio n’est nécessaire : la qualité dépend surtout de l’écriture, de la prononciation et des reprises.
Guide documentaire vérifié le 29 septembre 2026 à partir des pages officielles des éditeurs. Les exemples et la grille de contrôle ci-dessous sont une méthode proposée, pas les résultats d’un test comparatif audio réalisé par Pharrell.
Deux outils à comparer selon votre méthode de production
ElevenLabs et CapCut répondent à des besoins différents. ElevenLabs convient lorsqu’une voix indépendante, des réglages et la maîtrise de certaines prononciations occupent une place centrale. CapCut est plus pratique si vous voulez créer, ajuster et intégrer la voix off dans le même environnement que le montage vidéo.
| Outil | Point fort | À vérifier avant publication |
|---|---|---|
| ElevenLabs | Génération de voix indépendante et options de réglage de la prononciation. | Crédits consommés, modèle choisi et droits commerciaux. |
| CapCut | Conversion texte-voix avec réglages de vitesse, de volume et de hauteur dans le montage. | Disponibilité des ressources et conditions d’utilisation du projet. |
D’après les tarifs mensuels ElevenLabs consultés le 29 septembre 2026, l’offre Free comprend 10 000 crédits. L’offre Starter coûte 6 USD par mois pour 30 000 crédits, et l’offre Creator 22 USD pour 121 000 crédits, avec une promotion affichée à 11 USD pour le premier mois de Creator. Les taxes sont exclues. Ces crédits créatifs ne correspondent pas à un nombre de minutes garanti : le modèle utilisé, l’outil choisi et les reprises modifient la consommation.
Chez ElevenLabs, l’offre gratuite ne permet pas un usage commercial, selon les conditions de publication de l’éditeur. Un contenu généré pendant un abonnement payant peut être utilisé commercialement selon les droits et les conditions applicables, hors fonctionnalités Beta. Souscrire un abonnement après coup ne transforme pas un ancien export gratuit en contenu commercial. La page officielle du générateur vocal CapCut présente les réglages audio et l’intégration au montage. L’accès gratuit annoncé ne suffit pas à établir que chaque voix, musique ou ressource de votre projet est autorisée pour une publicité : vérifiez les conditions de chaque élément avant diffusion.
Écrire un texte que la synthèse vocale française comprend
Préparez une copie audio distincte du texte public
Une voix IA lit ce qui est écrit, pas ce que vous aviez en tête. Conservez donc l’orthographe correcte dans votre page, vos sous-titres et votre fichier SRT, mais adaptez la copie destinée à l’audio. Écrivez par exemple « dix-neuf euros quatre-vingt-dix » plutôt que « 19,90 € », et « trois octobre » plutôt que « 3 octobre ». Explicitez aussi un sigle comme CRM selon la prononciation attendue.
Les noms de marque et de client doivent être validés avant la génération finale. Une orthographe correcte ne garantit pas une prononciation correcte : testez chaque nom dans le contexte de la phrase, avec les liaisons et l’intonation prévues.
Utilisez ce mini-corpus avant une longue génération. Les formulations parlées sont des pistes à adapter à la diction souhaitée, pas des substitutions à imposer au moteur si sa lecture naturelle est déjà correcte.
| À l’écran / dans le SRT | Copie à faire prononcer | Point de contrôle |
|---|---|---|
| 19,90 € | dix-neuf euros quatre-vingt-dix | Les centimes sont audibles ; le montant ne devient pas « dix-neuf mille ». |
| Le 3 octobre 2026 | le trois octobre deux mille vingt-six | La date reste une date, sans lecture chiffre par chiffre. |
| Votre CRM | votre cé erre ème, si c’est la lecture française validée par le client | Le sigle est intelligible ; ne pas recopier cette graphie dans les sous-titres. |
Extrait fictif à copier pour l’essai : « Découvrez NovaDesk. Le 3 octobre, votre équipe CRM passe à l’action pour 19,90 €. Et si votre suivi client devenait enfin simple ? » NovaDesk et l’offre sont inventés pour cet exercice. Faites valider la prononciation du nom avant de décliner le script. La durée doit être mesurée après génération : ce court extrait n’est pas un spot de 30 secondes garanti.
La ponctuation règle le rythme
La ponctuation organise aussi les respirations. Une virgule peut ralentir une phrase, un point peut donner du poids à une idée et un retour à la ligne peut séparer l’accroche, la preuve et l’action. Découpez le texte en blocs courts plutôt que d’accélérer une piste audio en continu.
Ces pauses facilitent l’alignement entre la voix, les images, les titres à l’écran et les transitions sonores. Elles laissent aussi une marge pour modifier le montage sans devoir régénérer toute la narration.
Pour estimer la durée, utilisez ce repère : durée en secondes ≈ nombre de mots ÷ débit en mots par minute × 60. Il s’agit d’une estimation, pas d’une garantie. Par exemple, 60 mots à 130 mots par minute donnent environ 27,7 secondes avant les pauses. Ce débit sert uniquement d’hypothèse de calcul. Les pauses, les réglages et la diction changent le résultat. Une voix claire ne compense pas un texte trop dense.
Valider la voix avant de l’intégrer à la vidéo
Ne choisissez pas une voix sur une seule phrase. Voici un protocole à appliquer avant livraison : utilisez le même script avec deux voix, puis notez le modèle, la voix, les réglages, le coût en crédits, la durée obtenue et le nombre de reprises. Cette méthode permet de comparer les rendus sans attribuer à l’un des outils une supériorité générale qui n’aurait pas été vérifiée.
Écoutez chaque version au casque, puis sur un téléphone à volume modéré. Une voix agréable au casque peut perdre ses consonnes sous une musique ou sur un haut-parleur compact. Contrôlez notamment les montants, les marques, les liaisons, les questions, les respirations et l’intelligibilité du texte.
- Accepter si les mots sensibles sont nets et si le débit reste régulier.
- Retoucher si la phrase est comprise, mais manque de pause, d’intention ou de clarté.
- Bloquer si un mot est mangé, si un nom est erroné ou si l’audio devient confus avec la musique prévue.
Les alias et dictionnaires de prononciation ElevenLabs peuvent aider, mais leur prise en charge dépend du modèle. Gardez la même casse pour les mots ciblés et ne supposez pas qu’une syntaxe phonétique fonctionne avec toutes les voix. Une correction implique généralement de régénérer les parties concernées. Évitez donc de valider toute la piste avant d’avoir testé les passages qui contiennent des nombres, des sigles ou des noms propres.
Pour le montage, CapCut permet de conserver la voix et les images dans un même flux de travail. Vous pouvez aussi consulter notre parcours de montage CapCut, de la voix aux sous-titres.
Prévoir les droits et les livrables dès le départ
Une voix off IA convient à la narration sur des images existantes : vidéo produit, tutoriel, formation interne, présentation ou contenu marketing. Elle facilite les mises à jour d’un script sans nouvelle session d’enregistrement. En revanche, ne clonez pas une voix identifiable sans autorisation documentée et n’utilisez pas de faux avis client.
Si votre livrable exige une personne face caméra, il relève d’un autre choix d’outil. Consultez dans ce cas ce comparatif centré sur les avatars.
Si vous avez déjà un plan de personnage et une piste française validée, l’étape suivante peut être la synchronisation labiale. Notre méthode de contrôle du lip sync dans Kling distingue le décalage à recaler au montage, la dérive progressive et le visage à refaire. Une voix juste ne garantit pas des lèvres cohérentes.
Une livraison professionnelle ne se limite pas à un fichier audio. Convenez du nombre de versions et de corrections avant de lancer la génération, puis préparez ce dossier :
- Audio sans musique : export dans le format demandé par le monteur ; évitez les conversions compressées successives.
- Vidéo finale et sous-titres SRT relus : synchronisés après les dernières retouches, avec les noms, montants et marques correctement écrits.
- Deux scripts séparés : le texte public et la copie de prononciation, datés et identifiables.
- Fiche de reprise : voix, modèle, réglages, date de génération et passages validés. Elle facilite une correction sans garantir un rendu identique si le modèle évolue.
- Justificatifs d’usage : conditions applicables, abonnement au moment de la génération et autorisations nécessaires ; une facture d’outil ne remplace pas le consentement d’une personne dont la voix est clonée.
Anticipez enfin le budget global. Les régénérations, le montage et les essais peuvent peser autant que les crédits de synthèse vocale. Cette analyse des coûts cachés des essais vidéo IA aide à cadrer cette partie du projet.
Voir le parcours de génération dans ElevenLabs
Le tutoriel officiel ElevenLabs sur la création d’une voix off montre le parcours texte-vers-audio. Vidéo en anglais publiée le 20 juillet 2025, lecture vérifiée le 29 septembre 2026. L’interface et les modèles présentés peuvent avoir changé : référez-vous aux sources actuelles ci-dessus pour les tarifs et les droits.
Photographie de couverture : Wallace Chuck / Pexels, utilisée selon la licence Pexels. Elle illustre le travail audio, pas l’interface ni les résultats d’un logiciel ; aucun microphone n’est nécessaire pour la synthèse vocale.
