Importez un portrait et la voix voulue. La photo parlante IA en fait une vidéo où ce visage prononce chaque mot.
Vous obtenez un MP4 de la même durée que votre audio. La plupart des clips courts prennent 3–5 minutes.
Un de nos propres tests : un seul portrait et une phrase parlée, transformés en vidéo qui parle. Activez le son.

La phrase qu'il prononce, en anglais : « Hi there. A minute ago this clip was silent. Now every word I say matches my lips. »
Niveau Standard · 6,5 s de parole · 56 crédits · environ 3,5 minutes
Nous avons fait dire deux fois la même phrase au même homme : une fois avec la photo parlante IA, une fois en animant la photo puis en synchronisant les lèvres.
Une photo et un audio en entrée, une vidéo qui parle en sortie. Une seule étape, et la tête et le visage bougent avec la parole.
56 crédits
D'abord un clip muet de 8 secondes à partir de la photo, puis la bouche redessinée sur la phrase. Deux étapes, et vous choisissez le mouvement dans la première.
30 + 64 = 94 crédits
Pour un seul portrait qui parle, la photo parlante IA est moins chère et plus simple. Animez d'abord si vous avez besoin d'un mouvement précis, d'un plan plus long ou d'une scène autour du visage.
Une photo parlante IA est une vidéo créée à partir d'une image fixe et d'une piste audio : le visage de la photo ouvre la bouche, cligne des yeux et bouge la tête au rythme de la parole. Vous lui donnez un portrait et un enregistrement de voix, et elle génère chaque image de cette personne en train de parler.
Elle donne un visage à une voix, sans caméra. Une vidéo explicative de produit, l'intro d'un cours, une photo de famille ou un personnage IA peuvent parler en quelques minutes au lieu d'une journée de tournage.
Le modèle lit l'audio et détermine la forme de la bouche pour chaque son, ainsi que les petits mouvements qui accompagnent la parole : un hochement de tête sur un mot accentué, des sourcils levés sur une question, des clignements entre les phrases. Il dessine ensuite chaque image à partir de votre photo, en gardant le visage, les cheveux et les vêtements identiques pendant que l'expression change.
L'identité de la personne, sa coiffure, ses vêtements, l'arrière-plan et le cadrage de votre photo.
Des mouvements de lèvres calés sur les mots, des clignements naturels, de légers mouvements de tête et d'épaules, et votre audio comme bande son.
Toute la photo parlante IA se fait dans votre navigateur. Sans caméra ni logiciel de montage.
Un JPG ou PNG d'un visage face caméra, d'au moins 300 pixels de côté.
Un enregistrement MP3, WAV, M4A ou AAC. Jusqu'à 15 secondes en Standard et HD, 30 secondes en Cinéma.
Choisissez la qualité, cochez la case de consentement et cliquez sur Animer. La plupart des clips courts sont prêts en trois à cinq minutes.
Tous les niveaux utilisent la même photo et le même audio. Ils diffèrent par la netteté, la durée maximale de la parole et le réalisme du mouvement.
8 crédits par seconde
Publications sur les réseaux, brouillons et tests rapides. Notre exemple ci-dessus est en Standard.
16 crédits par seconde
Présentateurs, publicités et tout ce qui s'affiche en plein écran sur un ordinateur.
27 crédits par seconde
Discours plus longs, jeu expressif et mouvements de tête et de corps les plus réalistes.
La photo parlante IA ne peut animer que ce qu'elle voit. Ces cinq points font la plus grande différence.
De face ou légèrement tourné. Un profil ne montre que la moitié de la bouche.
Le modèle a besoin des deux coins des lèvres pour former chaque mot.
Une expression neutre ou un léger sourire laisse au modèle la place d'ouvrir la bouche naturellement.
Un grand sourire ou une bouche ouverte sur la photo contrarie chaque mot.
Une lumière uniforme sur le visage, pas d'ombres marquées et au moins 300 pixels de côté.
Ce sont les détails autour des yeux et des lèvres qui rendent le mouvement crédible.
Recadrez les photos de groupe sur le seul visage qui doit parler.
Avec plusieurs visages, ce n'est pas forcément le bon qui se met à parler.
Pas de mains, de micro, de lunettes de soleil ni de cheveux devant la bouche.
Les traits masqués sont mal redessinés, voire pas du tout.
La vidéo dure exactement autant que votre audio, et vous payez ces secondes. Un peu de préparation fait économiser des crédits.
Supprimez les secondes muettes au début et à la fin. Elles coûtent autant que la parole.
Enregistrez dans une pièce calme, près du micro. Une musique de fond ou une deuxième voix peut amener les lèvres à suivre le mauvais son.
De courtes pauses entre les phrases laissent au visage le temps de cligner des yeux et de se relâcher, ce qui paraît plus humain.
La bouche suit les sons, pas les mots, donc toute langue parlée ou tout accent convient.
Trois façons d'avoir à l'écran une personne qui dit vos mots. Choisissez selon ce que vous avez au départ.
Prix sur Imgveo
40 crédits pour 5 s en Standard
Prix sur Imgveo
40 crédits pour un clip de 5 s
Prix sur Imgveo
À partir de 30 crédits pour un clip de 8 s avec son
Les prix viennent de notre grille tarifaire en vigueur.
Partout où un visage le dirait mieux qu'un texte sur une diapositive.
Donnez à une page produit, un cours ou un parcours d'accueil un visage sympathique qui parle.
Utilisez le même portrait pour chaque vidéo afin que le public reconnaisse le présentateur.
Laissez un personnage généré se présenter, raconter une histoire ou répondre à un fan.
Générez le personnage face caméra, bouche fermée, comme dans notre exemple.
Donnez vie à un ancien portrait avec un message enregistré par un proche.
Numérisez la photo bien nette et recadrez-la sur un seul visage avant de l'importer.
Enregistrez le même message dans plusieurs langues et utilisez un seul portrait pour toutes.
Gardez des enregistrements de durée similaire pour que les vidéos restent cohérentes.
Des limites honnêtes, pour savoir à quoi vous attendre avant de dépenser des crédits.
Le visage, la tête et les épaules bougent. Pour marcher, faire des gestes ou bouger la caméra, il faut plutôt un modèle vidéo.
Si la moitié de la bouche est cachée, le mouvement paraît faux. Utilisez une photo de face.
Standard et HD acceptent jusqu'à 15 secondes, Cinéma jusqu'à 30. Découpez les textes plus longs en plusieurs clips.
Vous devez avoir le droit d'utiliser le visage et la voix. Nous bloquons les contenus qui enfreignent nos règles.
Ce que la photo parlante IA accepte, ce qu'elle renvoie et ce qu'elle coûte.
Photo : JPG ou PNG jusqu'à 10 MB, au moins 300 px, sans dépasser un rapport de 2.5 à 1 en largeur ou en hauteur. Audio : MP3, WAV, M4A ou AAC jusqu'à 10 MB.
Un MP4 de la même durée que votre audio, avec votre voix comme bande son, en 720p en Standard et en 1080p en HD et Cinéma.
8, 16 ou 27 crédits par seconde d'audio, arrondi à la seconde entière. Forfaits payants uniquement. Les traitements échoués sont remboursés.
| Durée de l'audio | Standard | HD | Cinéma |
|---|---|---|---|
| 5 s | 40 | 80 | 135 |
| 10 s | 80 | 160 | 270 |
| 15 s | 120 | 240 | 405 |
| 30 s | — | — | 810 |
Une photo parlante peut faire dire n'importe quoi à n'importe qui, alors nous demandons d'abord l'autorisation. Avant chaque lancement, vous confirmez avoir le droit d'utiliser le visage et la voix, et chaque photo est contrôlée.
Pour aller plus loin : nos guides
Ouvrez Imgveo Studio pour utiliser cet outil et tous les autres modèles vidéo et image IA depuis un seul espace de travail, avec un solde de crédits unique.
Donnez-lui une voix, puis allez plus loin.
Vous avez déjà une vidéo ? Synchronisez plutôt sa bouche sur une nouvelle voix.
Synchroniser une vidéoAnimez une photo avec des mouvements de caméra et une scène autour.
Animer une photoPassez votre photo parlante en 2K ou 4K pour les grands écrans.
Agrandir une vidéoGénérez de nouvelles scènes avec dialogues et son intégrés.
Essayer Veo 3.1Importez un portrait et une piste vocale : la photo parlante IA fait le reste en quelques minutes.