Guides
Voix off IA : créer la voix off de vos vidéos
L'équipe Voizum · Mis à jour · 12 min de lecture
Pour faire une voix off avec l'IA, vous écrivez le script, vous choisissez une voix, vous téléchargez le MP3 et vous le posez sur votre montage. Ce guide chiffre chaque étape : combien de caractères remplissent une minute, quelle voix convient à quel type de vidéo, comment caler le MP3 dans CapCut, Premiere, DaVinci ou PowerPoint, à quel volume mettre la musique et ce que demandent YouTube et TikTok quand la voix est synthétique. Chaque mois, le compte Google donne des crédits gratuits pour une voix off IA gratuite.
Avant de continuer : écoutez le rendu
Lancez la lecture. Chacune de ces voix lit le texte que vous écrivez.
Si vous vous connectez avec Google, nous vous offrons 600 crédits chaque mois : environ 10 minutes d'audio.
De combien de texte avez-vous besoin pour une voix off : caractères par minute
Comptez les caractères. C'est ce que mesure tout générateur de voix, et cela ne dépend pas de la longueur de vos mots. Le calcul rond : 1 000 caractères espaces compris par minute d'audio.
La référence classique en mots vient de l'anglais : le National Center for Voice and Speech estime à environ 150 mots par minute l'anglais américain parlé. La longueur des mots varie d'une langue à l'autre : le chiffre ne se transpose donc pas tel quel. Le plus fiable est de générer une minute d'essai avec la voix que vous voulez utiliser et d'ajuster le script à la durée réelle.
| Durée de la vidéo | Caractères du script (calcul rond) | Fourchette réelle selon la voix | Crédits |
|---|---|---|---|
| 1 min | 1 000 | 870 – 1 290 | 100 |
| 3 min | 3 000 | 2 610 – 3 870 | 180 |
| 8 min | 8 000 | 6 960 – 10 320 | 480 |
| 15 min | 15 000 | 13 050 – 19 350 | 900 |
| 30 min | 30 000 | 26 100 – 38 700 | 1 800 |
| 1 heure | 60 000 | 52 200 – 77 400 | 3 600 |
Comment écrire un script de voix off ?
Celui qui écoute ne peut pas revenir en arrière relire. Chaque phrase doit se comprendre à la première écoute.
- Des phrases de 15 à 25 mots au plus. Si une phrase demande deux virgules et une parenthèse, coupez-la en deux.
- Une idée par phrase, et l'information importante à la fin, là où tombe l'accent de la phrase.
- Les montants, dates, heures et prix sont bien lus tout seuls. En revanche, écrivez les sigles et les symboles inhabituels comme ils doivent sonner : « trois fois » plutôt que « 3x ».
- La ponctuation donne le rythme. Le point fait une pause, la virgule laisse respirer ; un script sans points se lit d'une traite.
- Ne lisez pas de longues listes. Au-delà de quatre éléments, on perd le fil : affichez-les à l'écran et laissez la voix citer les deux importants.
- Lisez le script à voix haute vous-même avant de générer. Là où vous butez, la voix sonnera forcée aussi.
L'accroche des vidéos courtes
Sur TikTok, Reels et Shorts, la première phrase décide si l'on reste. Commencez par la promesse ou par l'information la plus frappante, jamais par « Bonjour à tous, aujourd'hui on va voir ». La présentation, si elle est utile, vient après l'accroche.
Des pauses sur mesure
Besoin d'un silence précis pendant qu'un graphique apparaît ? Écrivez <#1.5#> entre les deux phrases, avec le nombre de secondes que vous voulez. La marque n'est ni lue ni facturée. Les pauses normales entre les phrases viennent de la ponctuation.
Quelle voix off pour quel type de vidéo ?
C'est la voix qui donne le ton avant l'image. Choisissez avec votre script sous les yeux : la voix qui convient à un tutoriel peut endormir une publicité.
| Type de vidéo | Quelle voix convient | Rythme | Conseil |
|---|---|---|---|
| Documentaire, histoire, true crime | Narrateur grave et posé | Lent | Des phrases longues et bien construites, et des pauses avant chaque révélation |
| Tutoriel, formation, vidéo explicative | Voix claire et proche, sans théâtre | Moyen | Une étape par phrase ; ce qu'on voit à l'écran porte le même nom que dans le script |
| Publicité et promo | Voix avec une énergie de pub | Moyen à rapide | Le produit et le bénéfice dans les 5 premières secondes ; l'appel à l'action à la fin, seul |
| Histoire pour enfants et récit | Voix chaleureuse et expressive | Lent | Écrivez avec des exclamations et laissez des pauses aux changements de scène |
| Shorts, Reels et TikTok | Voix de conversation, comme si on vous racontait | Rapide | L'accroche dans la première phrase et aucune introduction |
| Actualités et résumés | Voix de présentateur neutre | Moyen | Écrivez les dates et les chiffres comme on les dit |
Voix de la bibliothèque ou votre propre voix clonée ?
Si votre public connaît déjà votre voix, clonez-la : vos vidéos sonneront comme vous-même les jours où vous n'enregistrez pas. Pour une chaîne sans visage et sans voix connue, les chaînes dites faceless, une voix de la bibliothèque vous évite cette étape, et vous en changez selon la série ou la langue.
Voix de la bibliothèque
Il y a plus de 400 voix, et chacune peut parler les 17 langues : français, anglais, espagnol, allemand, portugais, italien, russe, néerlandais, polonais, chinois, japonais, coréen, hindi, arabe, turc, indonésien et roumain. Chacune a un échantillon à écouter, et vous pouvez régler la vitesse et le volume, puis les mémoriser avec « Enregistrer pour cette voix » pour que toutes vos vidéos sonnent pareil.
Votre voix clonée
Il vous faut 15 à 60 secondes d'enregistrement propre d'une seule personne. Le clonage coûte 199 crédits, une seule fois, et suppose que vous ayez déjà acheté des crédits. L'intonation est reprise : si vous enregistrez l'échantillon de façon monotone, la narration sera monotone. Vous ne pouvez cloner que votre propre voix ou celle d'une personne qui vous y a autorisé.
- Enregistrez dans une pièce avec des meubles ou des rideaux, sans musique ni bruit de fond.
- Coupez l'enregistrement dans une pause, jamais au milieu d'un mot, et laissez un peu moins d'une seconde de silence à la fin.
- Ne répétez pas un clip court en boucle pour l'allonger : cela dégrade le clone au lieu de l'améliorer.
Comment intégrer la voix off dans CapCut, Premiere, DaVinci et PowerPoint ?
Les menus changent, pas le principe : le MP3 est sur sa propre piste audio, il commence à la seconde zéro, et l'image se cale sur lui.
CapCut (ordinateur et téléphone)
Le chemin le plus rapide pour TikTok, Reels et Shorts.
- Cliquez sur Importer et ajoutez la vidéo ou les images et le MP3 de la voix.
- Faites glisser le MP3 sur la timeline, sous la piste vidéo, aligné au début.
- Zoomez sur la timeline et coupez les clips d'image (Diviser) là où la voix passe à une nouvelle idée.
- Choisissez la musique et baissez son volume dans la section audio ; avec des images clés de volume, vous ne la baissez que pendant qu'on parle.
- Dans Sous-titres, choisissez les sous-titres automatiques dans la langue de la voix et relisez le texte généré.
Premiere Pro
- Fichier > Importer (Ctrl+I) et faites glisser le MP3 sur la piste A1, la musique sur A2.
- Dans le panneau Son essentiel, attribuez la voix à Dialogue et la musique à Musique.
- Avec la musique sélectionnée, activez l'atténuation automatique en prenant Dialogue comme référence, réglez de combien elle baisse et générez les images clés.
- Coupez les plans sur la piste vidéo le long des phrases de la voix.
DaVinci Resolve
- Importez le MP3 dans le Media Pool et faites-le glisser sur une piste audio, dans la page Edit.
- Placez la musique sur une autre piste.
- Dans la page Fairlight, ouvrez la dynamique de la piste de musique, activez le compresseur et choisissez comme source de sidechain la piste de la voix.
- Baissez le seuil jusqu'à ce que la musique recule dès que la voix entre ; un ratio de 3:1 à 5:1 est un bon point de départ.
PowerPoint
Le plus commode est un audio par diapositive : créez un morceau pour chacune (avec « Enchaîner des audios », vous en créez jusqu'à 100 d'un coup).
- Sur chaque diapositive : Insérer > Audio > Audio sur mon PC et choisissez le MP3 de la diapositive.
- L'icône audio étant sélectionnée, dans l'onglet Lecture, réglez Démarrer sur Automatiquement.
- Dans Transitions, décochez Au clic et réglez Après sur la durée de cet audio.
- Pour en faire une vidéo : Fichier > Exporter > Créer une vidéo, avec « Utiliser les minutages et narrations enregistrés », au format MP4.
À quel volume mettre la musique de fond ?
Une règle pratique au montage : les crêtes de la voix entre −12 et −6 dB et la musique environ 20 dB en dessous pendant qu'on parle. Si la musique a du chant ou beaucoup de batterie, baissez-la encore plus.
L'atténuation automatique, le ducking, baisse la musique quand la voix entre et la remonte dans les pauses. Premiere l'a dans le panneau Son essentiel, DaVinci la résout avec un compresseur en sidechain, et dans CapCut vous la faites à la main avec des images clés de volume.
Avant d'exporter, mesurez la sonie intégrée de tout le mixage en LUFS. Ces valeurs de référence sont publiées par les plateformes elles-mêmes :
| Destination | Sonie intégrée | True peak max. | Source |
|---|---|---|---|
| Spotify (et musique en streaming) | −14 LUFS | −1 dBTP | Spotify for Artists |
| Apple Podcasts | −16 LKFS (±1 dB) | −1 dBFS | Apple Podcasts for Creators |
Des heures de narration dans un seul audio
Un documentaire d'une heure, une formation ou un livre audio se génèrent d'une traite : chaque audio accepte jusqu'à 600 000 caractères, soit environ 10 heures de parole (entre 7 et 12, selon la rapidité de la voix). Sans découper le script, il n'y a pas deux moitiés au ton différent.
Si vous préférez plusieurs morceaux (un audio par chapitre ou par diapositive), « Enchaîner des audios » en génère jusqu'à 100 d'un coup avec leurs noms. Cette fonction utilise des crédits achetés ; les crédits gratuits ne valent que pour la génération sur le site.
Que demandent YouTube et TikTok avec une voix IA ?
Ne sont pas permis le fait de se faire passer pour quelqu'un d'autre et les contenus illégaux.
YouTube demande de signaler à l'import (option de contenu modifié ou synthétique) ce qui paraît réel et a été généré ou modifié avec l'IA, par exemple quand une personne réelle semble dire quelque chose qu'elle n'a pas dit. Figurent aussi parmi les exceptions le clonage de votre propre voix pour une voix off ou un doublage et l'usage de l'IA pour le script ou les sous-titres.
La monétisation est une autre question. Depuis juillet 2025, YouTube qualifie de « non authentiques » les contenus produits en masse ou répétitifs, et l'applique aussi aux vidéos IA faites à partir de modèles génériques sans apport propre. Une chaîne de vidéos interchangeables risque cela avec ou sans voix synthétique. Ce qui vous protège, c'est un script original, avec vos recherches et votre point de vue.
TikTok demande d'activer l'étiquette de contenu généré par l'IA pour les contenus réalistes, et les interdit dans tous les cas s'ils trompent sur des personnes ou des événements réels.
Erreurs fréquentes : comment améliorer une voix off IA
Presque toutes se corrigent en réécrivant le texte avant de générer.
- Coller tel quel un article ou un PDF. On dirait quelqu'un qui lit une brochure.
- Ne pas écrire « 1/2 » ou « S.A.R.L. » comme ils sonnent : ils peuvent être lus de façon inattendue.
- Choisir la voix d'après sa phrase d'exemple plutôt qu'avec votre propre script.
- Une musique trop forte ou avec du chant sous la voix.
- Monter d'abord l'image et forcer la voix à s'y adapter.
- Générer 20 minutes sans avoir testé une minute avant.
- Oublier les sous-titres sur les vidéos pour les réseaux sociaux.
Sources consultées
- Aide YouTube : divulgation des contenus modifiés ou synthétiques
- Aide YouTube : règles de monétisation du Programme Partenaire YouTube
- TikTok : contenu généré par l'IA
- National Center for Voice and Speech : qualité de la voix et débit de parole
- Spotify for Artists : normalisation du volume
- Apple Podcasts for Creators : exigences audio
- Microsoft : ajouter ou supprimer de l'audio dans PowerPoint
- Microsoft : transformer une présentation en vidéo
- Adobe : atténuer automatiquement l'audio dans Premiere
- Larry Jordan : ducking automatique dans DaVinci Resolve
- CapCut : créer des sous-titres
- DIY Video Studio : niveaux audio pour la vidéo
Nos guides vous sont utiles ? Ajoutez Voizum comme source préférée et Google vous montrera davantage de nos contenus.
Ajouter sur Google ↗
1Comment faire une voix off IA pour une vidéo, pas à pas ?
Le script d'abord, la voix ensuite, l'image en dernier. Si vous montez l'image en premier, vous finissez par étirer des plans ou raccourcir des phrases pour que la voix rentre. Avec la voix prête, vous coupez l'image au rythme de la narration et tout tombe juste du premier coup.
Le processus est le même pour un short de 40 secondes que pour un documentaire d'une heure :