Sous-titres automatiques : mot à mot, gravés dans la vidéo

Le mécanisme

De la réplique au mot gravé à l’image

Aucune reconnaissance vocale ici : le texte existe avant la voix. Tout le travail consiste à savoir à quel instant chaque mot est prononcé.

1. 1

   Les répliques sont écrites

   L’IA écrit les dialogues de chaque scène, ou reprend ton script. Quand tu valides toi-même les scènes, chaque réplique s’édite : c’est ce texte-là, corrigé, qui sera dit puis affiché. Un épisode de série lancé en validation automatique saute cette étape.
2. 2

   La voix arrive avec ses horodatages

   Chaque personnage lit ses répliques avec sa propre voix. La synthèse est demandée avec l’instant de début et de fin de chaque mot. Si cet horodatage manque, le temps de la réplique est réparti entre les mots selon leur longueur.
3. 3

   Les mots sont replacés sur le montage

   Chaque scène a son créneau sur le montage, calé sur la durée demandée. Si les répliques d’une scène débordent, sa voix est accélérée, et si ça ne suffit pas, le plan est prolongé en prenant du temps à une scène qui en a de reste. Les temps des mots suivent ces ajustements. Le même calcul du montage sert aux sous-titres et à la vidéo : c’est ce qui les garde alignés.
4. 4

   Les mots sont gravés dans l’image

   Ils s’affichent par groupes de 3 mots au plus, sans jamais couper un mot ni chevaucher deux scènes. Un groupe se termine aussi à la fin d’une phrase ou sur une pause de la voix.

Quelques personnages déjà prêts. Il n’y a pas de narrateur : les sous-titres affichent ce que les personnages se disent, au moment où ils le disent.

Le rendu

Quatre styles, un aperçu en direct

Le style se choisit à l’écran « Personnaliser », avant de lancer. Un petit téléphone anime le style choisi, dans la langue de ta vidéo.

• Karaoké. Le mot prononcé change de couleur et grossit de 8 %, pendant que les autres mots du groupe restent blancs. L’œil suit la voix sans effort.
• Simple. Le groupe entier en blanc, sans mot mis en avant. Le plus sobre.
• Italique. Le même blanc, en italique, pour un ton plus feutré.
• Aucun. Rien n’est gravé à l’image. Le fichier SRT, lui, est quand même livré.

Dans les trois styles gravés, les mots sont écrits en majuscules, avec un contour noir qui les garde lisibles sur un ciel clair comme sur une nuit. Ils restent au-dessus des 22 % du bas de l’image et à 8 % des bords : la zone basse où les applications verticales posent la légende et le nom du compte.

Le choix

Gravés dans l’image ou ajoutés par l’application

Des sous-titres gravés font partie de l’image. Des sous-titres ajoutés par une application vivent dans cette application. Chacun a son intérêt.

• Gravés, ils voyagent avec le fichier. Tu publies le même MP4 sur TikTok, en Reels ou en Shorts : le texte est là, identique, sans rien régler de plus.
• Gravés, ils ne se retirent plus. Le texte fait partie de chaque image. Si tu veux une version sans texte, choisis « Aucun » avant de lancer : le style ne se change pas une fois la vidéo montée.
• Ajoutés par une application, ils restent chez elle. Ils ne sont pas dans ton fichier : republie la vidéo ailleurs, ils ne suivent pas. C’est là que le SRT sert.

Le fichier

Le SRT, à côté du MP4

Sur la page de ta vidéo terminée, deux boutons de téléchargement : MP4 et SRT.

• Le SRT suit les mêmes horodatages que la vidéo, mot pour mot, mais en lignes plus longues, plus pratiques à relire, avec les accents et les majuscules d’origine.
• Il est produit pour chaque vidéo, même quand rien n’est gravé à l’image.
• C’est un fichier texte ordinaire : tu peux le relire, le traduire, ou l’envoyer comme piste de sous-titres à une plateforme qui en accepte, YouTube par exemple. Choisis alors le style « Aucun », sinon le texte s’affiche deux fois.

À savoir

Ce que l’outil ne fait pas

Mieux vaut le savoir avant de chercher un générateur de sous-titres.

• Il ne sous-titre pas tes propres vidéos. MixStory sous-titre uniquement les vidéos qu’il génère. Aucune vidéo filmée ou montée ailleurs ne peut y être importée.
• Il ne transcrit pas un audio. Les sous-titres viennent du texte des répliques, jamais d’une écoute du son. Le seul fichier audio que tu peux envoyer est une musique, et elle n’est pas sous-titrée.
• Il ne nomme pas celui qui parle. Les mots s’affichent sans le nom du personnage : c’est sa voix, et l’image, qui disent qui parle.
• La police et la position ne se règlent pas. Elles sont fixées pour tenir dans la zone lisible d’un écran vertical.

Questions fréquentes