Enregistrez votre propre visage et votre voix une seule fois, puis écrivez un nouveau script pour chaque prospect et laissez les modèles parler à votre place. Clonez votre voix, animez votre photo ou votre clip avec le lipsync et relisez chaque vidéo avant l'envoi, car l'envoi et la responsabilité restent les vôtres.
Un e-mail de prospection avec une courte vidéo d'une vraie personne qui parle se lit autrement qu'un mur de texte, mais enregistrer une vidéo par prospect est une corvée que personne ne tient longtemps. La version IA répartit le travail en deux: vous enregistrez votre visage et votre voix une seule fois, puis vous écrivez un nouveau script pour chaque personne et vous laissez les modèles parler. Cette page explique comment cela fonctionne sur Picasso IA, quels modèles conviennent et où cela cesse d'être utile.
Un modèle de texte se repère facilement. Dès la troisième ligne, le lecteur sait qu'une séquence l'a envoyé, et le prénom dans la formule d'appel n'y change rien. Une courte vidéo d'une personne qui lui parle, qui cite son entreprise et une chose précise que vous avez remarquée, se confond moins facilement avec un envoi de masse, surtout parce que la regarder demande encore un petit effort.
Le problème a toujours été l'effort de votre côté. Filmer, refaire et exporter vingt vidéos dans l'après-midi, c'est une journée de travail, et vers la douzième vous avez l'air fatigué. Générer la partie parlée à partir de votre propre visage et de votre propre voix déplace l'effort vers le script, là où vit la personnalisation de toute façon. Picasso IA compte 502 modèles dans le catalogue, dont douze en lipsync et vingt-quatre en synthèse vocale, ce qui permet de monter le présentateur par morceaux plutôt que de dépendre d'un seul outil fermé.
Une limite avant tout: cette page parle de votre propre visage et de votre propre voix. Pas celle d'un collègue, pas celle d'un fondateur, pas celle d'une personne qui ne vous a pas donné son accord. L'idée ne tient honnêtement que si la personne à l'écran est celle qui envoie.
Il n'existe pas de configuration unique. Ce qui change d'une option à l'autre, c'est ce que vous devez enregistrer, la part des images qui est vraiment vous et le contrôle que vous gardez sur les mots. Ce tableau compare les options qui existent aujourd'hui sur la plateforme.
| Configuration | Ce que vous fournissez | Ce qu'elle fait le mieux | Point d'attention |
|---|---|---|---|
| Votre photo plus une voix clonée, animée avec Kling Avatar v2 | Une photo nette et un court fichier audio | Le chemin le plus rapide du script à la vidéo parlée | L'audio est limité à 5 Mo, donc des scripts courts |
| Votre propre clip, redoublé avec Lipsync 2 | Un court MP4 de vous et un WAV de la nouvelle phrase | Des mouvements de tête et de corps réels, vraiment les vôtres | Il faut un clip de départ correct, et la synchro des lèvres dépend de ces images |
| Un présentateur scripté dans Avatar IV | Un script, un ID d'avatar et un ID de voix | Taper un message et obtenir un présentateur sans rien enregistrer | Les ID d'avatar et de voix viennent des listes propres à HeyGen, vérifiez donc ce que vous pouvez utiliser |
| Voix clonée sur votre écran ou vos diapositives | Votre échantillon de voix et un enregistrement d'écran | Des démos où votre visage n'est pas le sujet | Pas de visage à l'écran, donc moins de touche personnelle |
Les deux premières tiennent le plus directement la promesse du titre, car dans les deux le visage est le vôtre. La troisième sert quand vous voulez écrire et envoyer sans rien enregistrer, mais lisez la page de son modèle avant de supposer qu'un avatar créé à partir de vous y est disponible. Pour approfondir la piste de la photo parlante, consultez la page sur les photos parlantes IA.
C'est la seule séance d'enregistrement, autant la faire correctement. Asseyez-vous près d'une fenêtre, face à la lumière, et placez la caméra à hauteur des yeux. Lisez un court passage sur le ton que vous prendriez lors d'un vrai appel: aimable, un peu plus lentement que nécessaire, bouche bien ouverte sur les voyelles. Faites une prise propre d'environ une minute, puis une seconde debout ou assis autrement, pour avoir une prise de secours.
De cette séance, vous tirez trois choses. Une image fixe de votre visage pour animer la photo. Le clip vidéo lui-même, pour le lipsync. Et l'audio, pour cloner la voix. Le modèle de clonage vocal de Picasso IA, minimax voice-cloning, accepte du MP3, du M4A ou du WAV de 10 secondes à 5 minutes, avec une option de réduction du bruit de fond, puis vous laisse réutiliser la voix clonée sur plusieurs générations vocales. Chatterbox, de resemble-ai, est une autre piste: il clone à partir de quelques secondes d'audio de référence dans la même exécution et propose un réglage d'émotion.
Le silence compte plus que la qualité. Un micro bon marché dans une pièce silencieuse bat un micro coûteux à côté d'un ventilateur, car le modèle de clonage copie tout ce que contient l'échantillon, bourdonnement compris. Faites l'enregistrement avant d'ouvrir le moindre modèle.
Écoutez à voix haute la première phrase clonée avant de construire quoi que ce soit dessus. Si elle sonne comme vous un mauvais jour, refaites l'échantillon. Si elle sonne comme un inconnu, refaites-le avec moins de bruit de fond et un rythme plus régulier.
Voici la boucle que vous répéterez pour chaque prospect une fois l'enregistrement fait. Elle se déroule entièrement dans le toolkit, où les modèles d'image, de vidéo, de voix et de lipsync sont réunis au même endroit.
Chaque prospect est un passage par ces étapes. Il n'existe pas de file d'attente qui prenne un tableur et rende un dossier de vidéos, et rien dans cette page ne doit se lire comme si c'était le cas.
Personnaliser n'a de sens que si le prospect voit que vous avez regardé. Concentrez donc vos modifications là et gardez tout le reste fixe, pour ne pas relire une vidéo différente à chaque fois.
Changez la première phrase et l'observation précise: un produit qu'ils ont lancé, un poste qu'ils viennent de prendre, quelque chose dans une publication de leur part que vous avez vraiment lue. Gardez la phrase d'offre et la question finale identiques, ou très proches. Vous avez ainsi un noyau stable déjà vérifié et une petite partie clairement personnelle que vous vérifiez à chaque envoi.
Gardez la vidéo assez courte pour que personne ne saute des passages. Écrivez pour l'oreille, avec des phrases courtes et des mots simples, car un nom d'entreprise imprononçable fera trébucher le modèle de voix comme il fait trébucher une personne. Si un nom est inhabituel, écrivez-le dans le script comme il se prononce et réécoutez. Si l'envie vous prend d'ajouter un long argumentaire produit, mieux vaut un lien dans l'e-mail et une vidéo qui se contente d'ouvrir la porte. Pour des démos plus longues, la page sur les vidéos de démonstration produit IA est un bon point de départ.
Vous pouvez aussi réutiliser la même voix pour la relance. Une seconde courte vidéo une semaine plus tard, avec le même visage et la même voix, fonctionne mieux qu'un rappel écrit, à condition de dire quelque chose de nouveau.
Beaucoup de prospection n'en a pas besoin, et une partie s'en trouve même dégradée. Voici les limites qui comptent en pratique:
Pour joindre vite des contacts que vous avez déjà, un simple e-mail écrit par vous est parfois le meilleur message. La vidéo gagne sa place quand elle apporte ce que le texte ne peut pas: votre voix, votre expression, trente secondes pour sentir qui écrit.
Oui, c'est l'usage prévu. Vous vous enregistrez une fois, vous clonez votre voix à partir de cet échantillon, puis vous générez des vidéos parlées à partir de votre photo ou de votre clip avec un nouveau script à chaque fois. Les modèles tournent dans le toolkit de Picasso IA. La limite porte sur l'image: ce doit être vous, ou un personnage fictif que vous avez créé, jamais une autre personne réelle sans son accord.
Pour la voix, minimax voice-cloning et Chatterbox de resemble-ai clonent une voix à partir d'un échantillon. Pour le visage, Kling Avatar v2 anime une photo avec votre audio et Lipsync 2 recale votre propre clip sur une nouvelle parole. Avatar IV de heygen produit un présentateur scripté à partir d'un ID d'avatar et d'un ID de voix. La disponibilité des modèles évolue, confirmez donc chacun dans le catalogue avant de bâtir un plan dessus.
Pas aujourd'hui. Le toolkit exécute une génération à la fois, et aucune fonction ne prend un tableur de prospects pour produire une vidéo par ligne. Vous pouvez réutiliser votre voix clonée et votre photo autant de fois que vous voulez, mais chaque vidéo est une exécution à part que vous écrivez, générez et relisez. Si votre plan repose sur des centaines d'envois entièrement automatiques, ce n'est pas l'outil pour cette partie.
C'est le choix le plus prudent, et dans certains endroits cela peut être une obligation, vérifiez donc les règles qui vous concernent. Une courte phrase dans l'e-mail, comme "j'ai fait cette vidéo avec l'IA à partir d'un enregistrement de moi", vous coûte peu. L'alternative, laisser croire que vous l'avez filmée en direct pour la personne, se retourne souvent contre vous dès qu'elle remarque la boucle dans votre expression ou une pause un peu étrange.
Oui. Les règles sur les messages non sollicités, le consentement, le désabonnement et l'usage des données varient selon le pays et le canal, et c'est l'expéditeur qui doit les respecter, pas le modèle qui a fait la vidéo. Cette page donne des informations générales et ne constitue pas un conseil juridique. Si vous envoyez à un certain volume, faites relire votre processus par un professionnel qualifié et vérifiez les exigences actuelles de chaque plateforme avant de publier ou d'écrire.
Le modèle minimax voice-cloning accepte un enregistrement de 10 secondes à 5 minutes en MP3, M4A ou WAV, de moins de 20 Mo, avec un réglage optionnel de réduction du bruit. Chatterbox fonctionne avec quelques secondes d'audio de référence. Plus n'est pas automatiquement mieux: une minute propre dans une pièce calme bat souvent cinq minutes avec un ventilateur qui tourne derrière vous.
L'animation de photo, avec Kling Avatar v2, n'a besoin que d'une image fixe et d'un fichier audio, elle est donc rapide, mais le mouvement est généré. Lipsync 2 part de votre vraie vidéo et ajuste la bouche au nouvel audio, si bien que les mouvements de tête et de corps sont vraiment les vôtres. La seconde piste demande un peu plus d'enregistrement au départ et paraît en général plus personnelle.
Non. Utilisez votre propre visage et votre propre voix, ou des personnages fictifs. Cloner une personne réelle sans son accord est d'abord un problème de confiance, souvent un problème juridique ensuite, et c'est aussi le moyen le plus rapide de se faire signaler par un prospect. Si une équipe veut s'y mettre, chaque personne qui apparaît doit enregistrer son propre échantillon et y consentir.
Certains modèles de voix décrivent une sortie multilingue, et les pages des modèles mentionnent l'écriture du script dans une autre langue avec une voix clonée. La qualité varie selon la langue et la voix, testez donc d'abord avec une phrase courte et demandez à un locuteur natif de l'écouter avant d'envoyer quoi que ce soit à un vrai prospect, surtout pour les noms et les termes techniques.
Les générations se paient en crédits et le coût dépend du modèle et des réglages choisis, donc tout chiffre écrit ici serait vite périmé. La vidéo coûte plus cher que l'audio ou l'image. Les nouveaux comptes reçoivent des crédits gratuits pour essayer le flux sur quelques prospects, et la page des tarifs est l'endroit où les offres en vigueur sont listées.
Prêt à essayer d'abord sur un vrai prospect? Ouvrez le toolkit de Picasso IA, enregistrez votre échantillon et construisez une seule vidéo avant de décider jusqu'où aller.
Choisissez votre langue
