Comment ajouter de l’audio ou une voix off à une vidéo en ligne

Le montage image est terminé, la voix vit encore dans un fichier séparé. La prise a été enregistrée sur un téléphone, parfois par quelqu’un d’autre, et il reste à la faire entrer dans la vidéo.

Le parcours tient en quatre gestes : importer le son, le poser sur la timeline, le caler sur l’image, régler son niveau. Le cinquième est l’écoute du fichier exporté, puisque c’est lui que le spectateur entendra.

Le son entre par le panneau des médias

L’audio s’importe par le même panneau que les images et les plans : on importe un fichier, il rejoint les médias du projet. Le format vérifié dans cette version est le WAV PCM, non compressé, dont l’échantillonnage et la profondeur sont fixés à l’enregistrement.

Un WAV en 48 kHz, 16 bits et mono occupe 96 000 octets par seconde, soit 5,76 Mo par minute ; en stéréo, le double. Un fichier compressé peut s’ouvrir selon les codecs du navigateur, mais ce cas n’a pas été vérifié ici. Si l’import échoue, une conversion en WAV PCM règle le plus souvent la question.

Poser la voix sur la timeline

L’éditeur travaille sur une timeline multipiste, avec une forme d’onde qui montre les silences et les mots forts. Les niveaux audio se règlent sur cette même timeline, l’image sous les yeux.

Posez le clip là où la voix commence, puis ajustez ses bornes. Si votre version permet de déplacer le clip audio sans le clip vidéo, faites-le : le plan déjà calé ne bouge plus. La logique des pistes est détaillée dans le guide du montage multipiste.

Caler le son sur l’image

La synchronisation est manuelle : on déplace, on écoute, on recommence, jusqu’à ce que la consonne d’attaque tombe sur le mouvement des lèvres. La forme d’onde aide, une attaque nette se voit avant de s’entendre.

À 25 images par seconde, une image vaut 40 millisecondes ; à 30 images, environ 33. Un écart de deux images tient sous le dixième de seconde, et il s’entend déjà sur une bouche qui parle.

La lecture audio démarre suspendue : elle attend un clic ou une frappe dans la page, et jusque-là le déroulement suit l’horloge murale. Cliquez dans la page avant de juger une synchronisation, sans quoi le décalage peut venir de là plutôt que du montage.

Régler le niveau de la voix

Un niveau se règle à l’oreille avec un objectif unique : la voix doit rester intelligible au-dessus du reste du mix, et passer devant les bruits de fond. Le contrôle le plus rentable se fait sur l’enceinte la plus modeste de la maison, un téléphone par exemple : ce qui reste audible là reste audible ailleurs.

Quand la voix n’existe pas encore

Le texte peut être prêt sans voix, et un entretien peut exister sans transcription. Deux fonctions optionnelles répondent à ces cas : la transcription de la parole en texte et des voix de narration qui lisent un texte à voix haute.

Toutes deux téléchargent un modèle depuis Hugging Face, après une fenêtre de confirmation qui nomme la source, la taille et la licence. Pour les voix de narration, le modèle annoncé est Kokoro-82M, avec le dictionnaire CMUdict, sous licence Apache-2.0. L’éditeur lui-même n’adresse aucune requête à un tiers au démarrage.

Écouter le fichier exporté

L’export écrit un MP4 dont la vidéo est en H.264, et le son y voyage dans le même conteneur. C’est le fichier final qu’il faut écouter, puisque c’est lui que le spectateur recevra.

L’encodage avance par paliers d’environ 30 millisecondes par image d’interface, avec une progression affichée en haut ; une version courte valide le calage plus vite.

Le contrôle porte sur les premières et les dernières secondes, là où une voix qui démarre trop tôt et une phrase coupée s’entendent. Écoutez aussi le raccord entre deux prises. Le texte incrusté se vérifie dans ce même fichier, comme le rappelle le guide du texte et des titres.

Les médias importés ne restent lisibles que tant que l’onglet est ouvert, sauf si le navigateur en a conservé une copie ; effacer les données du site supprime cette copie et le journal de récupération. Exportez avant de fermer la page.

Pour séparer conteneur et codec, MP4, MOV ou WebM expose la distinction ; pour la livraison, voyez exporter une vidéo pour YouTube, Instagram et TikTok.

Ce que le navigateur impose

La prise en charge des codecs dépend du navigateur : ce qu’il reconnaît passe par son décodeur WebCodecs, le reste par les décodeurs du moteur. L’import de fichiers MP4 ou MOV en H.264, HEVC, VP9 ou AV1 n’a pas été exercé ici.

La version navigateur est aussi mono-thread : les commandes qui demandent des threads de travail en application de bureau, comme les aperçus de rendu ou les proxys, signalent une erreur.

Un son que le navigateur sait lire, une position juste sur la timeline, un calage à l’oreille, une écoute du fichier final : l’éditeur vidéo permet ces quatre étapes dans un onglet, sans compte FreeAIGeneration.