Voix off IA ou voix off humaine : celle dont votre vidéo a vraiment besoin
Entre voix off IA ou voix off humaine, le choix dépend moins du timbre que de la fréquence à laquelle les mots vont changer : une voix IA se réenregistre en quelques minutes à chaque phrase modifiée ou langue ajoutée, alors qu'un comédien vous donne une interprétation difficile à égaler mais facture une nouvelle séance à chaque retouche. Prenez la voix IA pour les films produit, explicatifs et d'onboarding que vous mettez à jour ou traduisez ; engagez une personne quand la voix est la marque ou quand le texte demande du jeu.
Ce guide s'adresse à la personne qui valide une série de vidéos, par exemple la responsable des admissions d'une école privée ou le marketeur d'un produit qui évolue chaque mois. Chaque film PageToVid est narré par une IA ; nous disons donc aussi franchement où l'humain fait mieux. Le fonctionnement de la synthèse vocale est expliqué dans la synthèse vocale (TTS) ; cette page traite de la décision.
Top Académie, école primaire bilingue en Provence : un film 16:9 de 70 secondes tiré de top-academie.com, 136 mots dits par une seule voix IA française, de « Et si l'école de votre enfant ressemblait à ça ? » jusqu'aux admissions.
La vraie question : à quelle fréquence les mots changeront-ils ?
La plupart des comparatifs placent les deux voix sur un même enregistrement et demandent laquelle sonne le mieux. Pour une vidéo d'entreprise, c'est le mauvais test : le premier enregistrement est le moment le moins cher de sa vie. Les moments chers viennent après : le prix change, une fonctionnalité est renommée, le service juridique veut reformuler une phrase, les commerciaux veulent une version espagnole.
Avec une voix IA, chacun de ces moments est une modification et un nouveau rendu. Chez PageToVid, toute la narration est une seule prise continue réenregistrée avec le film : la nouvelle phrase a la même voix, le même niveau, et les sous-titres sont recoupés sur le nouvel audio. Avec un comédien, chaque changement est une séance de raccord, et une phrase enregistrée des semaines plus tard dans un autre studio s'accorde rarement avec l'original.
| Changement | Voix off IA (PageToVid) | Comédien voix off |
|---|---|---|
Reformuler une phrase | Modifier le texte, relancer : un rendu | Réserver un raccord ; l'accord n'est pas garanti |
Ajouter une langue | Une traduction : revoicée et resous-titrée | Trouver et réserver un comédien natif par langue |
Raccourcir de dix secondes | Couper des mots ; le film se recale sur la nouvelle prise | Remonter l'audio ou réenregistrer |
Corriger un nom mal prononcé | L'ajouter au lexique de prononciation | Réenregistrer la phrase |
Changer de ton | Choisir une autre voix ou un autre registre par scène | Rediriger la séance |
Si votre film sera enregistré une fois et jamais retouché, la colonne de droite vous coûte peu. S'il s'agit d'un film produit ou d'onboarding, il sera retouché.
Exemple concret : le film d'une école, une seule voix française
Top Académie est une école primaire bilingue avec deux campus en Provence : le matin, l'enseignement, avec les maths et les sciences en anglais ; l'après-midi, le sport en club. Nous avons réalisé son film de 70 secondes à partir du site de l'école, en 16:9, 136 mots, lus par une seule voix IA française.
La narration s'ouvre sur une question aux parents, « Et si l'école de votre enfant ressemblait à ça ? », pose la promesse (« Le matin, l'excellence académique… L'après-midi est dédié au sport en club »), puis reprend ce que dit le site : pas de devoirs à la maison, des sprints de 25 minutes, cinq heures d'enseignement en anglais par semaine, de petits effectifs. Elle se termine sur le recrutement d'enseignants et les admissions.
Trois points montrent où la narration IA a toute sa place :
- Les chiffres et les noms. « Vingt-cinq minutes », « cinq heures », « Top Académie » : une voix de synthèse les lit de la même façon à chaque fois, et une entrée de lexique corrige un mot mal dit dans tout le film.
- La durée, c'est le texte. 136 mots donnent 70 secondes parce que la voix est une seule prise que les scènes se partagent ; pour gagner dix secondes, on coupe une vingtaine de mots. Voir c'est la narration qui fait la durée.
- La seconde langue. Une école qui enseigne en deux langues voudra aussi le film en anglais. C'est une commande de traduction : narration traduite, revoicée, resous-titrée. Avec des comédiens, c'est un second casting.
Ce qu'apporterait un humain : une chaleur que les parents entendent comme celle d'une personne, ce qui compte pour une école. Pour un film de ce type, réglez le registre sur « chaleureux » plutôt qu'« enthousiaste » pour les scènes sur les enfants ; c'est un réglage par scène.
Diriger une voix IA : cinq réglages
Une voix IA ne se prend pas telle quelle. L'éditeur permet de changer le texte, la voix et la musique ; les réglages plus fins ci-dessous passent par l'API et les outils MCP, ce qui est la façon dont la plupart des équipes scriptent une série.
Choisir la voix par caractère
Chaque voix prédéfinie a un caractère décrit (ferme, claire, chaleureuse, enjouée, calme) et une hauteur mesurée, et chacune parle la langue du script. Choisissez selon l'impression que doit laisser le film, puis gardez-la sur toute la série.
Régler le registre scène par scène
Une scène peut prendre son propre registre (chaleureux, enthousiaste, sérieux, calme) et une vitesse entre 0,8 et 1,2 fois la normale. Servez-vous-en pour le contraste : sérieux sur le problème, chaleureux sur le résultat. Modifiez une ou deux scènes, pas toutes.
Lui apprendre vos mots
Un lexique de prononciation indique à la voix comment dire un nom de marque, un sigle ou un lieu, tandis que les sous-titres gardent l'orthographe. Une entrée corrige le mot partout dans le film.
Placer les silences
Un marqueur de pause dans le script, par exemple une demi-seconde après un chiffre clé, est inséré comme un vrai silence, et les sous-titres restent calés sur les mots.
Relire avec les sous-titres
Regardez une fois en lisant les sous-titres, une fois les yeux fermés. La première passe attrape les mauvais mots, la seconde le rythme. Un recalage des seuls sous-titres est gratuit une fois par rendu payant.
L'essentiel de la qualité vient toujours du texte. Les règles d'écriture pour l'oreille sont dans la synthèse vocale (TTS) ; corriger une scène sans tout refaire, dans corriger une vidéo sans la refaire.
Quand une voix humaine reste le meilleur choix
- La voix est la marque. Si vos clients connaissent la voix de votre fondateur, ou qu'une campagne repose sur un narrateur reconnaissable, aucune voix prédéfinie ne la remplace.
- Le texte demande du jeu. Dialogues, personnages, timing comique, émotion forte, longue histoire : un bon comédien fait des choix qu'une voix de synthèse ne fait pas.
- L'écoute longue. Sur de nombreuses minutes, les petites régularités d'une voix de synthèse finissent par s'entendre. Une formation d'une heure ou un livre audio mérite une personne.
- Le spot diffusé. Une publicité radio ou télé est enregistrée une fois, diffusée souvent et jugée sur l'interprétation ; l'argument du coût du changement ne joue presque pas.
Le point commun : l'enregistrement est le produit, et il ne changera pas. Dans ce cas, le prix d'une séance est le bon prix.
L'hybride que nous conseillons aux équipes qui hésitent
Si vous hésitez, faites les deux, dans l'ordre. Réalisez d'abord la version IA et servez-vous-en pour arrêter le texte : les mots, l'ordre, la durée, les scènes. Les décideurs valident un vrai film au lieu d'un document. Itérez à ce stade, où chaque changement coûte un rendu (40 crédits quelle que soit la durée ; voir les tarifs).
Quand le texte est définitif et que le film ne bougera plus pendant un an, engagez un comédien pour enregistrer sur cette image. La version IA lui donne les minutages exacts et le fichier de sous-titres chaque réplique, ce qui raccourcit la séance. PageToVid n'accepte pas de narration humaine importée : le mixage final se fait dans votre propre logiciel de montage.
Pour les films que vous traduisez, gardez la voix IA : le parcours traduction vidéo revoice chaque langue à partir du même storyboard, et localiser vos vidéos en plusieurs langues le détaille.
Quand ne pas utiliser la voix IA de PageToVid
S'il vous faut votre propre voix ou celle d'une personne précise, PageToVid ne le fera pas : nous utilisons des voix prédéfinies, sans clonage de voix ni narration importée. Fliki annonce le clonage de voix (face à Fliki) ; pour un message personnel, enregistrez-vous dans Loom. Si le texte est une fiction, une publicité qui repose sur une interprétation ou une longue formation, engagez un comédien via une agence ou une plateforme de casting. Et si une autorité ou un client exige un porte-parole humain nommé, une voix IA n'est pas une option, aussi bonne soit-elle.
Transformez votre site en vidéo — gratuitement
Collez la page à filmer. PageToVid écrit le script, filme le vrai site, enregistre la voix et livre le MP4.
Questions fréquentes
Une voix off IA suffit-elle pour des vidéos marketing ?
Pour des films produit, explicatifs, d'onboarding ou pour les réseaux sociaux, oui : les voix neuronales actuelles lisent des textes courts avec clarté et régularité, et se dirigent scène par scène. Pour une campagne de marque bâtie sur une voix reconnaissable ou une interprétation, engagez une personne.
Une voix off IA coûte-t-elle moins cher qu'un comédien ?
En général oui, et l'écart grandit à chaque changement. Chez PageToVid, la voix est comprise dans chaque rendu : reformuler une phrase ou ajouter une langue coûte un rendu, pas une nouvelle séance d'enregistrement.
Peut-on corriger la prononciation d'un nom par la voix IA ?
Oui. Un lexique de prononciation indique à la voix comment dire un nom de marque, un sigle ou un lieu, et les sous-titres gardent l'orthographe écrite. Une entrée s'applique à tout le film.
Puis-je utiliser ma propre voix off enregistrée dans PageToVid ?
Pas aujourd'hui. PageToVid narre avec des voix IA prédéfinies et ne clone pas de voix. S'il vous faut une narration humaine, réalisez d'abord le film pour figer le texte et le minutage, puis mixez la voix enregistrée dans votre propre logiciel de montage.