Collez le script que vous avez déjà écrit et obtenez un module narré: un présentateur avatar qui le lit à l’écran, ou une voix sur des diapositives que vous illustrez avec des modèles d’image. La pédagogie et les faits restent les vôtres. Les modèles ne s’occupent que de la diffusion, vous relisez, corrigez et republiez donc une leçon en un après-midi.
Vous avez déjà écrit la leçon. Ce qui sépare ce script d’un module de cours terminé, c’est en général la partie que personne n’aime: trouver un présentateur, enregistrer un son propre et monter des diapositives qui collent à ce que vous dites. Avec Picasso IA, vous confiez le script à un présentateur avatar, ou à une voix de narration sur des diapositives illustrées, et vous obtenez un module que vous pouvez relire, corriger et publier.
La plupart des projets de cours bloquent à la production, pas à l’enseignement. Le plan existe, les notes de la leçon sont bonnes, puis les séances d’enregistrement glissent, le micro capte le chien du voisin et une phrase fausse à la sixième minute oblige à refaire toute la prise. Quand le script est la source de vérité, corriger revient à modifier un texte et à générer de nouveau, pas à passer un autre après-midi devant une caméra.
Cela change la façon de travailler. Vous pouvez d’abord générer une version brouillon de chaque module, regarder tout le cours dans l’ordre et repérer la leçon qui en répète une autre avant d’avoir investi dans la finition. Vous pouvez aussi garder un script maître par leçon et produire une autre langue plus tard à partir du même texte. Celui qui n’aime pas passer à l’écran obtient un présentateur sans avoir à l’être.
Picasso IA réunit les pièces dans un seul espace de travail, le toolkit: des modèles de vidéo avec avatar, des modèles de synthèse vocale et des modèles d’image, tous alimentés par le même script. Le catalogue compte 502 modèles au total, dont 24 en synthèse vocale et 121 en texte vers vidéo, à parcourir sur la page de tous les modèles. Les nouveaux comptes reçoivent des crédits gratuits, tester un seul module ne coûte donc rien.
Il y a deux façons honnêtes de transformer un script en vidéo, et elles conviennent à des leçons différentes. Un présentateur avatar donne à l’apprenant un visage à suivre, ce qui aide pour les vidéos d’accueil, les introductions de module et les récapitulatifs. Les diapositives illustrées avec narration portent mieux les concepts, car l’image montre ce qui est expliqué pendant que la voix reste discrète. Beaucoup de cours utilisent les deux: un avatar pour ouvrir et fermer chaque module, des diapositives au milieu.
| Format | Modèles pour commencer | Convient pour | À surveiller |
|---|---|---|---|
| Présentateur avatar plein écran | heygen/avatar-v | Accueil, introductions de module, récapitulatifs | Un buste qui parle trop longtemps fatigue, gardez ces clips courts |
| Présentateur avatar en cercle | heygen/avatar-iv | Leçons où les diapositives portent le contenu | Le cercle masque un coin de la diapositive, éloignez-en le texte |
| Diapositives illustrées avec narration | google/nano-banana-pro ou bytedance/seedream-5-pro plus elevenlabs/v3 | Concepts, schémas, leçons pas à pas | Vous assemblez images et son dans un éditeur que vous utilisez déjà |
| Narration seule sur un enregistrement d’écran | google/gemini-3.1-flash-tts | Tutoriels logiciels que vous enregistrez vous-même | La voix doit suivre le rythme de vos clics, calez le script sur l’enregistrement |
| Une autre langue pour la même leçon | elevenlabs/v3 ou google/gemini-3.1-flash-tts avec un code de langue | Toucher un autre public à partir d’un seul script | Une personne bilingue doit l’écouter avant la publication |
Les modèles d’avatar lisent votre texte avec une voix HeyGen et demandent un identifiant d’avatar et un identifiant de voix, que vous choisissez dans les listes de HeyGen. Ils n’acceptent pas un fichier audio déjà prêt: une narration faite avec un autre modèle de voix relève donc de la voie des diapositives, pas de celle de l’avatar.
Ce parcours mène une leçon du script jusqu’à un fichier prêt à être mis en ligne. Faites-le une fois avec votre leçon la plus courte avant de vous engager sur tout le cours.
Un script écrit pour être lu et un script écrit pour être écouté sont deux documents différents. Les phrases qui passent bien sur la page, avec trois propositions et une parenthèse, sortent d’une voix de synthèse comme une course sans souffle. Écrivez plus court, dites un nombre ou un terme une fois et reprenez-le plus tard au lieu de renvoyer avec «comme indiqué plus haut», et lisez le bloc à voix haute vous-même avant de générer quoi que ce soit.
La prononciation est la première chose que remarquent les apprenants. Si votre leçon contient un nom de produit, un nom de famille ou un terme technique, écrivez-le phonétiquement dans le script, faites un test de dix secondes, et seulement ensuite générez le bloc complet.
Quelques habitudes évitent des régénérations. Mettez l’objectif d’apprentissage dans la première phrase de chaque bloc, terminez sur la seule idée à retenir et écrivez les nombres et abréviations comme ils doivent être prononcés. Avec Gemini 3.1 Flash TTS, une consigne de style en langage courant, comme un ton calme et posé de formateur, règle le rythme, et avec elevenlabs/v3 les réglages de vitesse, de stabilité et de style jouent le même rôle.
Un bon module est facile. Vingt modules qui donnent l’impression d’un même cours, c’est le vrai travail, et l’IA favorise la dérive car chaque génération est un nouveau tirage. Fixez les variables une fois pour toutes et notez-les: l’identifiant d’avatar et l’identifiant de voix, la voix de narration et ses réglages, la phrase de style des diapositives, le format d’image et la résolution. Traitez cette liste comme une partie du modèle du cours.
Pour les visuels, la même astuce que pour les personnages cohérents en IA s’applique: gardez une image de référence de la première diapositive qui vous plaît et modifiez à partir d’elle, au lieu de décrire le style à zéro à chaque fois. Nommer les fichiers par module et numéro de leçon fait gagner plus de temps que n’importe quel réglage de modèle.
Des pages voisines aident: vidéos de formation IA pour les équipes couvre l’intégration interne, et Picasso IA vs HeyGen compare ce montage à une plateforme d’avatars dédiée.
Un avatar livre une leçon. Il ne la comprend pas, et il lira une phrase fausse avec autant d’assurance qu’une phrase juste. Voici les endroits où le format cesse de fonctionner:
Rien de tout cela n’écarte la méthode. Cela indique où votre propre temps reste nécessaire: concevoir la leçon, vérifier les faits et décider de ce que l’apprenant doit savoir faire ensuite.
Oui, au sens où elle peut diffuser le script. Un modèle d’avatar comme heygen/avatar-v lit votre texte à l’écran avec un présentateur, et un modèle de voix comme elevenlabs/v3 peut narrer le même texte sur des diapositives faites avec un modèle d’image. Ce qu’elle ne peut pas faire, c’est écrire une bonne leçon ni vérifier qu’elle est exacte. Apportez un script terminé et traitez la vidéo générée comme un brouillon que vous relisez, comme vous relirez l’enregistrement d’un présentateur humain.
heygen/avatar-v et heygen/avatar-iv sont les deux modèles d’avatar du catalogue pour cet usage. Avatar V propose une sortie en 720p, 1080p et 4K en 16:9 ou 9:16, avec des sous-titres incrustés. Avatar IV propose des options d’émotion de voix et trois styles d’affichage, dont un cercle en incrustation. Les deux demandent un identifiant d’avatar et un identifiant de voix de HeyGen, et acceptent un script de moins de 5 000 caractères par exécution.
Cela dépend de la voix, de la langue et de la leçon: écoutez avant de choisir. elevenlabs/v3 offre un éventail de voix et des réglages de vitesse, de stabilité et de style, ce qui aide un long cours à sonner comme un seul narrateur. google/gemini-3.1-flash-tts propose 30 voix, de nombreux codes de langue et un prompt de style en langage courant. Générez les mêmes deux paragraphes avec les deux et gardez la voix qu’un apprenant pourrait écouter vingt minutes sans la remarquer.
Votre propre image peut être utilisée si vous avez la bonne configuration auprès du fournisseur d’avatar, et un avatar fictif ou du catalogue est l’option la plus simple. Ce qu’il ne faut pas faire, c’est construire un présentateur à partir de quelqu’un d’autre sans son accord clair, qu’il s’agisse d’un collègue, d’un enseignant célèbre ou d’un ancien employé. Il en va de même pour les voix. En cas de doute, utilisez un avatar et une voix du catalogue.
Décrivez chaque diapositive à un modèle d’image comme google/nano-banana-pro ou bytedance/seedream-5-pro, avec une phrase de style fixe pour que toutes s’accordent. Demandez l’image seule, en laissant de la place pour votre texte, et ajoutez titres, légendes et formules dans votre éditeur de diapositives ou de vidéo. Ainsi les mots restent corrects et modifiables.
Chaque modèle a sa propre limite par exécution. Les modèles d’avatar acceptent un script de moins de 5 000 caractères, et Gemini 3.1 Flash TTS environ 4 000 octets de texte. En pratique, vous générerez de toute façon un module en plusieurs blocs courts, plus faciles à relire et moins coûteux à corriger quand une phrase est fausse. Assemblez les blocs terminés dans votre éditeur vidéo.
Vous pouvez générer une seconde version à partir du même script, avec un script traduit et un modèle de voix qui gère la langue, ou une voix d’avatar pour celle-ci. Gemini 3.1 Flash TTS accepte de nombreux codes de langue, et elevenlabs/v3 reçoit aussi un code de langue. La traduction elle-même demande encore une personne bilingue pour vérifier terminologie et ton.
Vérifiez les exigences actuelles de la plateforme où vous publiez. Les places de marché de cours, les sites vidéo et les employeurs ont chacun leurs règles sur les présentateurs et voix synthétiques, et ces règles changent. Au-delà des règles, une courte phrase dans l’introduction du cours indiquant que le présentateur est généré relève de la simple honnêteté.
Seulement si vous fixez les variables. Utilisez un seul identifiant d’avatar et de voix, une voix de narration avec les mêmes réglages, une phrase de style pour les diapositives, une seule résolution et un seul format d’image sur tout le cours, et gardez-les dans un court document modèle. Même ainsi, chaque génération varie un peu: regardez les modules dans l’ordre avant publication et régénérez tout bloc qui détonne.
Les générations fonctionnent avec des crédits, et le coût dépend du modèle et des réglages choisis, la vidéo coûtant plus que l’audio ou les images. Les nouveaux comptes reçoivent des crédits gratuits, de quoi tester un module. Les coûts évoluant, la page des tarifs est le seul endroit fiable pour les chiffres: ouvrez la page des tarifs avant de planifier un cours entier et testez d’abord votre leçon la plus courte pour voir ce que consomme un bloc.
Vous avez déjà le script. Ouvrez le toolkit de Picasso IA, passez votre leçon la plus courte dans un présentateur ou une voix et voyez à quoi ressemble vraiment un module terminé.
Choisissez votre langue
