Une photo parlante combine un portrait fixe avec la parole et un mouvement du visage généré. Pour en créer une, il vous faut une image de visage exploitable, un court message parlé (ou un fichier audio), et un outil capable d’animer le portrait pour qu’il corresponde à la voix.
C’est une tâche différente de l’ajout d’une brise à un paysage. Le spectateur remarquera en même temps la prononciation, le timing de la bouche, l’expression et l’identité. Un arrière-plan travaillé ne peut pas masquer un visage qui se fige ni une voix qui prononce le mauvais nom.
La page talking-face de HeyGen décrit un workflow qui ajoute des lèvres synchronisées, des clignements et des mouvements de tête à partir d’une photo. Comme différents outils prennent en charge différents types d’entrées, vérifiez si le vôtre accepte la parole écrite, l’audio enregistré ou les deux, avant de préparer le contenu final.
Préparer une photo parlante avec XPT
1. Choisissez un portrait que vous pouvez utiliser
Utilisez votre propre image, un portrait autorisé ou un personnage de fiction original. Le visage et la bouche doivent être lisibles avec le recadrage prévu. Une obstruction importante, un profil très marqué ou un visage trop petit dans un groupe rendent le résultat plus difficile à évaluer.
Conservez une source intacte. Si le portrait nécessite un petit ajustement, préparez-le avec le AI Image Editor avant de créer la version parlante. Vérifiez que les traits de la personne restent reconnaissables après tout nettoyage.
Pour un personnage illustré, décidez si l’outil que vous prévoyez d’utiliser accepte ce type de visage. Le support d’un portrait photographique ne garantit pas automatiquement le même support pour un dessin très stylisé ou un personnage animal.
2. Rédigez un message qui sonne comme de l’oral
Demandez à XPT de transformer l’idée en une phrase concise, avec un seul objectif. Donnez à l’audience, le ton, la langue et tous les noms qui nécessitent des indications de prononciation. Gardez les consignes séparées des mots que le personnage doit réellement dire.
« Écrivez un court message de bienvenue pour un guide de musée fictif qui s’adresse à des visiteurs découvrant les lieux pour la première fois. Utilisez un langage chaleureux et simple, et une seule prochaine action claire. Que ce soit naturel à la lecture à voix haute. Mettez les notes de jeu à part pour qu’elles ne soient pas dites. »
Lisez la phrase vous-même. Supprimez une longue mise en place, une salutation répétée, ou une liste qui ressemble à un texte de site web. Une photo parlante est souvent plus efficace avec une seule phrase utile qu’avec une annonce dense.
3. Finalisez l’audio avant de passer à la performance du visage
Utilisez une option de synthèse vocale compatible ou enregistrez la phrase. Si XPT fournit une sortie vocale appropriée dans votre session, vérifiez les choix disponibles. Sinon, utilisez le script préparé dans XPT avec un outil vocal ou votre propre enregistrement.
Écoutez sans regarder l’image. Vérifiez les noms, les dates, les nombres, les pauses et le mot final. Si l’audio est incorrect, corrigez-le maintenant. Un changement ultérieur de vitesse d’élocution ou de formulation peut nécessiter un nouveau passage d’animation faciale.
Évitez d’ajouter des consignes inutiles à l’intérieur du texte parlé. Les balises d’intonation propres au modèle peuvent être interprétées différemment ou lues à voix haute. Utilisez les contrôles documentés de l’outil vocal plutôt que de supposer que la syntaxe d’un service fonctionne partout.
4. Associez le portrait à une prise de parole approuvée
Utilisez un moteur de photo parlante ou de synchronisation labiale compatible. Les pages publiques de XPT que vous consultez ici n’établissent pas une interface dédiée à la photo parlante ; vérifiez donc votre session réelle avant de supposer que la sortie vidéo directe est disponible. Si ce n’est pas le cas, XPT reste utile pour le script et le brief de performance.
« Utilisez ce portrait autorisé avec l’audio approuvé. Gardez le visage, la coiffure, le recadrage et l’arrière-plan stables. Utilisez une expression calme et des mouvements de tête maîtrisés. Faites correspondre la parole visible à l’audio et conservez les pauses. N’ajoutez pas de mots. »
La page AI Lip Sync Generator organise ce brief de production piloté par l’audio. Le rendu dépend du workflow compatible que vous choisissez.
5. Vérifiez la personne autant que la bouche
Regardez à vitesse normale avec le son. Cherchez les passages où la parole commence avant que les lèvres ne bougent, une bouche qui continue de bouger pendant le silence, ou une expression qui ne correspond pas à la phrase. Ensuite, examinez de plus près les moments difficiles.
Vérifiez les yeux, les dents, les joues, la mâchoire et la ligne de démarcation des cheveux. Une bouche peut sembler active alors que le reste du visage paraît figé. Vérifiez aussi que l’arrière-plan ne pulse pas ou ne change pas lorsque la tête bouge.
Une meilleure parole commence par un script plus court
Si une phrase vous semble trop précipitée, raccourcissez-la avant d’ajuster la vitesse. Les noms importants ou les consignes nécessitent de l’espace pour être bien compris. Lisez les nombres comme vous voulez que les auditeurs les entendent, et ajoutez une note de prononciation pour les termes qui leur sont inconnus en dehors du texte parlé.
Pour la localisation, traduisez le sens et la façon de dire plutôt que d’associer mécaniquement chaque mot. La nouvelle phrase peut être plus longue que l’original. Validez l’audio traduit avant de demander au visage de l’exprimer.
Le guide sur la génération d’une voix IA à partir d’un texte couvre cette étape de préparation audio plus en détail. Séparez la validation de la voix de la validation visuelle afin de savoir quelle entrée nécessite une attention.
Problèmes courants et prochaine solution utile
Si le visage change trop, réduisez les mouvements de tête et revenez au portrait source. Si la synchronisation de la bouche semble mauvaise, vérifiez que le fichier audio final est bien celui qui a été réellement utilisé. Si le rendu vocal est in naturel, réécrivez ou régénérez la parole avant de modifier l’image.
Si un geste ou une rotation de la tête est essentiel au message, envisagez une vidéo existante ou une approche de production différente. Une image fixe ne montre pas tous les angles du visage d’une personne, et les mouvements générés peuvent introduire des détails que la source ne peut pas vérifier.
Vérifiez le clip effectivement enregistré sur l’écran où les gens vont le regarder. De petits artefacts faciaux peuvent devenir plus visibles dans un grand lecteur, tandis que des consonnes discrètes peuvent disparaître via le haut-parleur d’un téléphone. Revoyez le son et l’image dans ce contexte avant d’approuver le résultat.
Gardez ensemble le portrait, le script approuvé, l’audio et la sortie sélectionnée. Lorsque vous partagez une animation créative d’une vraie personne, fournissez suffisamment de contexte pour que les spectateurs ne la confondent pas avec un enregistrement authentique ou une approbation.
Rendez d’abord le message utile, puis rendez sa performance cohérente. Une photo parlante réussie donne au visage une ligne claire, une prestation adaptée et assez de retenue pour que le spectateur se concentre sur ce qui est dit.
