Doubler un clip dans une autre langue sur LUVI : quatre étapes et leur coût

Faire passer un clip dans une seconde langue représente quatre travaux distincts sur LUVI, et un seul coûte cher. Vous sortez les mots, vous les réécrivez, vous les faites dire, puis vous reposez la nouvelle voix sur la bouche. Le 22 septembre 2026, nous avons fait deviser chaque étape sur un vrai clip de dix secondes : la transcription revenait à 4 crédits la minute d’audio, la voix démarre à 30 crédits les mille caractères, et les deux modèles de lip-sync affichaient 130 et 2 200 crédits pour ces mêmes dix secondes. Voici la chaîne, et l’endroit où part réellement l’argent.

Étape un : sortir les mots

La transcription est ce qu’il y a de moins cher dans ce flux. Le stt-v1 de Grok se facture à la minute d’audio, à 4 crédits la minute : transcrire trente secondes de parole coûte donc 2 crédits, arrondi compris.

Le modèle de transcription écoute de l’audio, pas de la vidéo. Son unique emplacement d’entrée n’accepte qu’un fichier audio : ce n’est donc pas le clip qu’on lui donne, mais sa bande-son, en MP3, WAV, OGG, AAC ou M4A.

La transcription arrive dans votre bibliothèque comme un résultat texte et non comme un fichier audio, ce qui mérite d’être su, car elle se comporte différemment de tout le reste : les transcriptions sont volontairement exclues des sélecteurs de référence, puisqu’une transcription n’est jamais une entrée de modèle.

Étape deux : réécrire, pas traduire

Cette étape ne coûte rien et compte le plus. Un doublage n’est pas une traduction au même nombre de mots : c’est une réécriture qui doit tenir dans la bouche sur laquelle elle va se poser. Deux contraintes la façonnent :

• La durée. La nouvelle réplique doit durer à peu près autant que l’ancienne, sinon le modèle de lip-sync se retrouve à court de bouche ou à court d’audio. Comptez les syllabes, pas les mots.
• L’accentuation. Mettez l’emphase là où le visage la met déjà. Si les sourcils se lèvent sur le troisième temps, la nouvelle réplique a besoin d’y placer quelque chose qui mérite d’être accentué.

Lisez la transcription, écrivez la réplique à la montre, et seulement ensuite passez à la suite. C’est l’étape où un doublage se gagne ou se perd, et elle se passe entièrement hors des modèles.

Étape trois : faire dire la nouvelle réplique

N’importe quel modèle de voix de LUVI le fera, et l’écart de tarif est large : de 30 crédits les mille caractères sur Grok Speech jusqu’à 300 sur le palier Gemini le plus récent, ElevenLabs v3 se situant à 200. Trente secondes de parole représentent environ 450 caractères, soit à peu près 14 crédits sur le modèle le moins cher et 90 sur ElevenLabs.

Accordez la voix au visage avant de l’accorder à votre goût. Un plan d’une femme d’une soixantaine d’années appelle une voix qui pourrait être la sienne ; une voix qui sonne vingt-cinq ans se battra avec l’image, aussi bon soit le lip-sync.

Étape quatre : reposer la voix sur la bouche

C’est l’étape qui fait la facture, et les deux modèles de LUVI diffèrent de plus d’un ordre de grandeur. Sur le même clip de dix secondes, VEED Lipsync affichait 130 crédits et Sync Lipsync v3 2 200. Soit 13 crédits par seconde de vidéo contre 220.

Les deux prennent les mêmes entrées – une vidéo et un fichier audio – et aucun ne prend de prompt. Le modèle de VEED n’a aucun paramètre, ce qui en fait le modèle le plus simple à piloter de tout le catalogue.

Combien coûte l’ensemble ?

Pour un clip de trente secondes, avec l’arithmétique ci-dessus :

• Transcrire : 2 crédits
• Réécrire : gratuit
• Faire dire, sur le modèle le moins cher : environ 14 crédits
• Lip-sync sur VEED : 390 crédits

Cela fait environ 406 crédits pour un clip doublé de trente secondes. Remplacer la voix par ElevenLabs porte le total à 482 environ. Remplacer le lip-sync par Sync Lipsync v3 le porte au-delà de 6 600, chiffre à garder en tête au moment de décider si ce clip-là a vraiment besoin de cette fidélité supplémentaire.

Comment nous avons vérifié

• Modèles : VEED Lipsync et Sync Lipsync v3, devisés sur un vrai clip de dix secondes ; Grok stt-v1, Grok Speech tts-v1 et ElevenLabs v3 pour les tarifs de transcription et de voix.
• Réglages : un clip de 1280×720 et dix secondes ; réglages par défaut sur tous les modèles.
• Date et sources lues : 22 septembre 2026. Les devis en crédits obtenus en direct et les contrats de paramètres des modèles dans LUVI.
• Résultats : 130 crédits sur VEED Lipsync et 2 200 sur Sync Lipsync v3 pour les mêmes dix secondes ; 4 crédits la minute pour la transcription ; 30 et 200 crédits les mille caractères pour les deux modèles de voix cités. Les totaux à trente secondes ci-dessus sont des calculs à partir de ces tarifs à la seconde et au caractère, pas des devis distincts.
• Limites : aucune sortie n’a été générée pour cet article, qui n’avance donc rien sur le rendu comparé des deux modèles de lip-sync, ni sur leur comportement avec une langue dont les formes de bouche diffèrent de l’originale.

Dans LUVI

Importez le clip et sa bande-son dans un fichier audio séparé, lancez la transcription sur cet audio et gardez le texte ouvert à côté pendant que vous écrivez la nouvelle réplique : la bibliothèque affiche les résultats texte en ligne. Générez ensuite la voix, puis donnez le clip et le nouvel audio au modèle de lip-sync comme ses deux références ; la fiche comment utiliser des images, des vidéos et des sons de référence explique comment joindre les deux. Pour plusieurs clips, le canevas de workflow permet de câbler les étapes une fois et de les relancer clip par clip au lieu de tout refaire à la main.

Les nouveaux comptes démarrent avec 200 crédits, et vérifier votre téléphone et une carte vous en rapporte jusqu’à 1 500 de plus. Vous pouvez créer un compte LUVI et essayer la chaîne sur un clip avant d’y engager une série.