Mon avatar vidéo n'a pas les lèvres synchronisées : les solutions

Tu as une vidéo où un personnage parle. Ou un avatar qui doit dire ton script. À l’écran, les lèvres ne collent pas à la voix. Elles avancent, retardent, ou restent figées. Le rendu fait « faux » en quelques secondes. La désynchronisation labiale (lip-sync) est l’une des limites les plus visibles de la vidéo IA aujourd’hui. Les causes sont techniques. Les solutions existent : choisir le bon outil, corriger en post, ou éviter le plan « face caméra qui parle ». Voici les options concrètes.

Pourquoi les lèvres ne sont pas synchronisées

Les générateurs vidéo « généralistes » (Runway, Kling, Luma, Pika) produisent des images à partir d’un texte ou d’une image. Ils ne reçoivent pas une piste audio à synchroniser. Le mouvement des lèvres est donc devine par le modèle, pas calé sur les phonèmes. Résultat : désync, bouche floue ou déformée. Les outils dédiés aux avatars (HeyGen, Synthesia, D-ID) sont conçus pour ça : ils génèrent la vidéo à partir du script et de la voix, donc le lip-sync est géré en amont. Si tu as utilisé un générateur de clips « classique » pour un plan parlant, ou un outil qui ne gère pas l’audio, les lèvres ne peuvent pas être parfaites. Pour le cadre général, notre article lip-sync et IA vidéo : limites et solutions détaille pourquoi c’est difficile et quels moteurs s’en sortent le mieux. Ici, on se concentre sur ce que tu peux faire quand tu te retrouves avec un avatar ou une vidéo dont les lèvres ne sont pas synchronisées.

Solution 1 : Utiliser un outil dédié avatar (HeyGen, Synthesia, D-ID)

Principe

Ces plateformes génèrent la vidéo à partir du script et de la voix (synthèse ou clone). Le moteur calcule les mouvements de bouche en même temps que l’audio. Le lip-sync est donc natif. Tu n’as pas à « coller » une voix sur une vidéo déjà générée.

Marche à suivre

1. Choisir HeyGen, Synthesia, D-ID ou un équivalent (voir clonage vocal et avatars IA).
2. Créer un projet « Talking Avatar » ou « Video from script ».
3. Sélectionner un avatar dans la bibliothèque (ou uploader une photo pour certains outils).
4. Coller ton script et choisir la voix (bibliothèque ou clone).
5. Lancer la génération. La vidéo exportée a les lèvres synchronisées avec l’audio. Pour un tutoriel HeyGen pas à pas, on détaille les clics pour une première vidéo en moins de 10 minutes.

But there’s a catch. Si tu as déjà une vidéo (visage qui parle) et un audio séparé, ces outils ne « repassent » pas toujours sur une vidéo existante. Ils produisent une nouvelle vidéo à partir du script. Donc la solution 1 s’applique quand tu commences par le script et l’avatar, pas quand tu as déjà un clip Runway ou Kling avec un personnage qui bouge la bouche n’importe comment.

Solution 2 : Logiciel de lip-sync tiers (Wav2Lip, SadTalker, etc.)

Principe

Tu as une vidéo (visage) et un audio (voix). Un logiciel ou un service régénère la zone de la bouche pour qu’elle corresponde aux phonèmes. C’est du « re-lip-sync » ou du doublage technique. La qualité varie selon l’outil et la qualité de la source.

Marche à suivre

1. Exporter ta vidéo (visage de face, si possible net et bien éclairé) et ta piste audio.
2. Ouvrir un outil type Wav2Lip, SadTalker, ou un service en ligne qui propose « lip sync from video + audio ».
3. Importer la vidéo et l’audio. Lancer le traitement.
4. Récupérer la vidéo avec les lèvres resynchronisées. Parfois il faut fusionner la zone de la bouche avec l’image originale (selon l’outil). Pour des limites et solutions lip-sync en détail, on compare les solutions ; les logiciels tiers sont utiles pour du plan existant + nouvel audio (doublage, correction).

Attention : la qualité peut être moyenne (artefacts, bouche un peu « collée »). À tester sur un plan court avant d’engager une production. Pour un workflow agence créative et voix off, la voix off sans plan parlant reste souvent plus fiable.

Solution 3 : Éviter le plan « face caméra qui parle »

Principe

Si tu n’as pas besoin d’un présentateur qui parle face caméra, tu peux ne pas utiliser de lip-sync du tout. Voix off + plans de coupe, dos du personnage, mains, environnement. La voix est en off ; le visage n’a pas à être synchronisé. C’est la solution la plus simple et la plus robuste pour des pubs, des mini-films ou des contenus réseaux sans avatar dédié.

Marche à suivre

• Écrire un script voix off. Générer l’audio (ElevenLabs, clone, ou enregistrement).
• Générer ou tourner des plans sans dialogue labial : paysages, objets, personnage de dos, coupes.
• Monter la voix off sur ces plans. Aucun lip-sync à gérer. Pour des publicités vidéo à forte conversion et des vidéos TikTok Reels Shorts, ce schéma est très utilisé.

> Pour les projets avec peu de budget avatar, privilégier la voix off et des plans sans dialogue. Tu gardes une qualité pro sans dépendre du lip-sync des générateurs généralistes.

Scénarios réels

Scénario 1 : Présentation produit pour le site. Tu veux un « talking head » qui présente ton offre. Action : utiliser HeyGen (ou Synthesia). Tu choisis un avatar, tu colles le script, tu choisis la voix. La vidéo générée a les lèvres synchronisées. Pas de Runway ou Kling pour ce plan. Pour le tutoriel HeyGen débutants, tout est détaillé.

Scénario 2 : Tu as déjà un clip Runway avec un personnage qui parle. Les lèvres ne collent pas. Action 1 : refaire le plan en voix off + plan de coupe (dos, objet). Action 2 : si tu tiens au visage, exporter la vidéo et l’audio, passer par un logiciel lip-sync (Wav2Lip ou équivalent) pour resynchroniser la bouche. Résultat variable ; à tester sur 10 secondes d’abord.

Scénario 3 : Formation interne avec avatar. Le client veut un formateur virtuel qui parle. Action : HeyGen ou Synthesia. Script + voix + avatar. Le lip-sync est géré par la plateforme. Tu intègres la vidéo dans ton montage ou ta plateforme de formation.

Ce que les débutants se trompent (et comment corriger)

Utiliser Runway ou Kling pour un plan « présentateur qui parle »

Ces moteurs ne reçoivent pas d’audio. Les lèvres ne peuvent pas être synchronisées. Correction : pour du talking head, utiliser un outil avatar (HeyGen, Synthesia). Pour du visuel sans parole labiale, Runway et Kling restent parfaits. Voir le tableau solutions selon le besoin.

Attendre un lip-sync parfait d’un logiciel tiers sur une mauvaise source

Vidéo floue, visage de profil, audio avec bruit : le re-lip-sync donnera des artefacts. Correction : visage de face, bien éclairé, audio propre. Tester sur un extrait court avant de traiter toute la vidéo.

Oublier la ponctuation et le rythme du script

Sur HeyGen et assimilés, la ponctuation et les pauses dans le script aident le moteur à caler les lèvres et l’intonation. Correction : structurer le script avec des points, des virgules, des retours à la ligne. Pour des scripts qui sonnent naturel, les mêmes bonnes pratiques s’appliquent.

Tableau récap : quel outil pour quel besoin

Pour une démonstration en vidéo d’un avatar qui parle avec un bon lip-sync.

Tu y verras le flux script, voix, avatar et le rendu final.

Référence externe pour les outils d’avatars et lip-sync : HeyGen (avatars et lip-sync).