Doubler une vidéo, c’est faire passer une performance enregistrée vers un nouveau marché. La localisation englobe le reste : les sous-titres, le timing, la voix et la synchronisation. Ensemble, ils donnent l’impression d’une vidéo pensée pour son public, et non traduite à son intention. Ni l’un ni l’autre ne tient dans un seul bouton. Chacun est une courte suite d’étapes, et sur Morphic ces étapes vivent au même endroit : le clip n’a pas à sortir de l’espace puis à y revenir entre deux étapes.
Côté public français, le choix est connu : la VF pour le grand public, la VOST pour ceux qui tiennent à la voix d’origine. Les deux partent des mêmes étapes, la transcription puis la traduction. Seule la suite diffère.
Ce guide suit le workflow de bout en bout, en s’appuyant sur ce que Morphic fait réellement : transcrire la source, traduire les sous-titres, redonner une voix à l’audio, le caler sur l’image et assembler le montage.
Ce que recouvrent le doublage et la localisation IA
Le doublage remplace l’audio parlé d’une vidéo par une version dans une autre langue ou avec une autre voix, calée sur l’image. La localisation l’entoure de la transcription, des sous-titres traduits et de l’assemblage final. Transcription, traduction, voix, synchronisation labiale et timeline exigeaient autrefois des prestataires et des outils distincts. Ce sont désormais des étapes enchaînées, et non des fichiers à s’échanger.
Il existe deux voies, et la plupart des vidéos n’ont besoin que de la première :
- En une étape, avec Morphic Dub. Sur les offres payantes, joignez la vidéo dans Copilot et nommez la langue. Morphic Dub traduit la parole, redonne à chaque locuteur une voix tirée de la sienne et cale ses lèvres, en gros plan, sur les nouveaux mots. Il renvoie ensuite la vidéo doublée.
- Pas à pas, avec un contrôle à chaque étape. C’est le workflow ci-dessous. Choisissez-le pour relire la traduction avant toute voix, confier la réplique à une autre voix ou partir d’un fichier audio. Vous repérez un contresens ou une mauvaise interprétation tant que la correction coûte peu. Sur cette voie, la voix d’origine n’est pas clonée : le speech-to-speech convertit l’enregistrement vers une voix cible, sans garder de copie durable du locuteur.
Le workflow, étape par étape
Transcrivez la source en SRT
Commencez par transformer la parole en texte. Importez la vidéo et demandez à Copilot de la transcrire : les paroles deviennent un SRT téléchargeable, avec le timing, et la langue est détectée automatiquement. Cette transcription est la colonne vertébrale du reste, car chaque étape suivante travaille sur ces mots et sur ces repères de temps.
Traduisez les sous-titres pour le nouveau marché
Traduisez la transcription dans la langue cible. Vous obtenez des sous-titres dans la langue du marché, calés sur l’original, que vous relisez et corrigez avant d’enregistrer la moindre voix. C’est ce qui garde la suite fiable : la voix et la synchronisation ne valent que ce que valent les mots sur lesquels elles reposent.
Redonnez une voix à l’audio
Produisez maintenant la nouvelle piste parlée. Deux options, selon ce que vous voulez préserver :
- Le speech-to-speech garde la performance d’origine. Il convertit l’enregistrement existant vers une autre voix, en conservant le jeu, le rythme et l’émotion de la prise. Choisissez-le quand l’interprétation d’origine mérite d’être gardée.
- La synthèse vocale (text-to-speech) joue le script traduit à neuf. Choisissez-la pour passer dans une nouvelle langue, avec une réplique dite naturellement à partir du texte traduit.
Le comparatif speech-to-speech ou synthèse vocale indique quoi prendre selon le cas.
Calez la nouvelle piste sur l’image
Une fois la nouvelle piste prête, synchronisez-la avec l’image pour que la bouche suive les mots. Morphic Dub s’en charge pour vous, mais sur cette voie c’est une étape à part. La synchronisation labiale aligne les mouvements de la bouche sur la voix recréée. C’est elle qui évite l’effet de doublage plaqué, et qui rend la version localisée naturelle.
Assemblez sur la timeline de Compose
Réunissez tout dans Compose : l’image, la nouvelle piste et les sous-titres si vous les incrustez. Réglez le volume de chaque clip pour que la voix se place bien face à la musique et aux effets. Ajoutez des transitions là où le montage les demande, puis exportez. La vidéo finale sort dans le format du marché visé, depuis l’endroit où vous avez commencé.
Pourquoi un seul espace change tout
Le doublage a toujours été lent, non à cause d’une étape en particulier, mais à cause des passages de relais. La transcription part chez un traducteur, la traduction chez un prestataire voix, la voix revient chez un monteur. Chaque transfert fait perdre du temps et du contexte. Réunir transcription, traduction, voix, synchronisation labiale et timeline dans un même espace supprime ces transferts. Rien n’est exporté, réimporté ni réexpliqué entre deux étapes : un travail multi-prestataires tient alors dans un après-midi.
Les modèles audio qui comprennent la vidéo raccourcissent encore l’étape de la voix. Seed Audio 1.5 regarde le montage terminé et renvoie un doublage qui garde la musique et les effets d’origine sur leurs propres pistes. Le guide Seed Audio 1.5 montre comment le prompter.
Speech-to-speech ou synthèse vocale pour le doublage
| Speech-to-speech | Synthèse vocale (text-to-speech) | |
|---|---|---|
| Point de départ | L’enregistrement d’origine | Le script traduit |
| Garde le jeu d’origine | Oui, le rythme et l’émotion se transmettent | Non, le modèle joue la réplique à neuf |
| Idéal pour | Garder une belle interprétation d’origine dans une nouvelle voix | Passer dans une nouvelle langue à partir d’un texte traduit |
Un exemple concret : doubler une série de microdrames
Les étapes ci-dessus valent pour toute vidéo. Mais une série dramatique verticale est l’endroit où elles rapportent le plus : le travail est répétitif et l’exigence de cohérence, élevée. L’astuce tient en une phrase : une voix enregistrée par personnage, réutilisée dans chaque langue cible. Le héros garde ainsi la même voix, que l’épisode passe en français, en japonais ou en indonésien. La synchronisation labiale cale ensuite la bouche de chaque personnage sur la réplique doublée, prise après prise. Lancé en lot, un catalogue d’épisodes se localise en une passe par langue, et non en un travail par fichier.
Pour le traitement complet en studio (lot sur une saison de cent épisodes, coût par épisode, contrôle qualité), lisez doubler et localiser une série de microdrames.
Questions fréquentes
Pour une VF, suivez les cinq étapes : nouvelle voix, puis synchronisation labiale. Pour une VOST, gardez la voix d’origine. Transcrivez, traduisez en français, puis incrustez les sous-titres ou exportez un SRT à livrer avec la vidéo. Beaucoup de projets combinent les deux, selon la plateforme de diffusion.
Avec le speech-to-speech, oui. Il part de l’enregistrement d’origine : le jeu, le rythme et l’émotion de la prise passent dans la nouvelle voix. Avec la synthèse vocale à partir du script traduit, la réplique est jouée à neuf. L’émotion dépend alors de la façon dont vous dirigez cette lecture, et non de la source. Le mécanisme est détaillé dans l’entrée speech-to-speech du glossaire.
Morphic Dub double dans un large éventail de langues, une langue par doublage. Sur la voie pas à pas, la transcription détecte automatiquement la langue source. Les sous-titres peuvent être traduits pour le marché cible, et la nouvelle voix fonctionne en anglais comme dans d’autres langues.
Il peut. Sur les offres payantes, Morphic Dub transforme une vidéo en doublage synchronisé en une seule étape. La voie pas à pas existe pour relire le résultat à chaque stade : transcrire, traduire, redonner une voix, synchroniser, assembler. Vous repérez ainsi un contresens ou une mauvaise lecture tant que la correction coûte peu.
Prenez le speech-to-speech quand l’interprétation d’origine mérite d’être gardée et que vous voulez la même diction dans une autre voix. Prenez la synthèse vocale pour passer dans une nouvelle langue, avec une réplique dite naturellement à partir du texte. Beaucoup de projets de localisation utilisent les deux. Le comparatif complet détaille l’arbitrage.
Pas au point d’en garder quelque chose. Morphic Dub redonne à chaque locuteur une voix tirée de la sienne, mais cette voix n’existe que dans le doublage. Le speech-to-speech convertit l’enregistrement vers une voix cible, le temps de ce travail. Ni l’un ni l’autre ne crée de copie réutilisable du locuteur d’origine.
Oui. Les sous-titres traduits peuvent être stylisés et incrustés sur le clip, ou exportés en SRT à livrer avec lui. Si vous les incrustez, vous le faites sur la timeline où vous assemblez le montage final. Sous-titres, audio et image sortent ainsi dans un seul export.
Oui. Quand une séquence de doublage fonctionne, enregistrez-la en Workflow et rejouez les mêmes étapes sur le clip suivant. Un processus de localisation réglé une fois devient un processus que vous lancez, au lieu de le reconstruire à chaque fois.