Aller au contenu
Voix-là

Votre vidéo, avec une autre voix.

La mélodie reste, le timbre change Une courbe de notes en pointillés ambre, la voix d'origine, et par-dessus la même courbe en trait violet épais, la voix clonée : même mélodie, autre voix.

Voix-là remplace la voix d'une vidéo ou d'une chanson par une voix clonée, la vôtre ou celle d'une personne d'accord. La mélodie, le phrasé, la musique et l'image restent. Seul le timbre change.

Fenêtre de Voix-là, page Résultats : une grille de quatorze doublages avec leurs miniatures, la langue, la durée et le nom de la voix, par exemple « Lumière d'été » avec les voix Jules et Marie.

La mélodie reste, le timbre change

On part d'une vidéo (une chanson, un duo, du rap ou de la parole) et d'une voix de référence. On récupère la même vidéo, avec la voix remplacée, et son audio seul.

Ce qui reste

  • La mélodie, le phrasé et l'interprétation
  • La musique, les bruits et l'ambiance
  • L'image et les sous-titres, copiés sans réencodage
  • Les nuances de la voix d'origine, suivies de près

Ce qui change

  • Le timbre : celui de la voix que vous avez choisie
  • La hauteur de la chanson, si la voix en demande une autre (facultatif)
  • Les paroles, si vous voulez les voir traduites en français

Six étapes, de la vidéo à la vidéo

Votre PC prépare et finit le travail. Le calcul lourd part sur un GPU gratuit, celui de votre compte Kaggle.

Sur votre PCavant le calcul

  1. Extraire le sonMp4, mkv, webm ou mov. Le son part en FLAC, avec la voix de référence.

Vous donnez une vidéo, et une voix de référence.

Sur un GPU gratuitnoyau privé de votre compte Kaggle, ou Modal, ou Runpod

  1. Séparer la voix et la musiqueLe chant est isolé, puis les chœurs sont écartés de la voix principale.
  2. Nettoyer la voixLa reverb d'origine est retirée : la voix reste sèche pour le clonage.
  3. Convertir la voixSans entraînement, à partir de quelques secondes de la voix choisie.
    ChantYingMusic-SVC
    ParoleSeed-VC

En parallèle, les paroles sont transcrites mot à mot, minutées, et traduites en français.

Sur votre PCaprès le calcul

  1. MixerNuances, dé-esseur, reverb, limiteur à −1 dBTP.
  2. Remettre dans la vidéoImage et sous-titres copiés tels quels.

Vous recevez la vidéo doublée, et son audio seul en MP3.

Vos fichiers ne vont que dans un jeu de données et un noyau privés de votre compte. Rien n'est envoyé ailleurs.

Une vraie application, pas seulement une commande

Voix-là a une interface GTK 4 et libadwaita, qui s'intègre au bureau Ubuntu, en clair comme en sombre. La commande doubler est dans le même paquet.

Écouter le doublage, comparer à l'original

Le lecteur bascule d'une piste à l'autre au même instant : doublage, original, beat seul, voix convertie, voix d'origine. Les paroles défilent dans la langue chantée et en français.

La frise d'octave montre quelle voix chante chaque passage d'un duo. Un clic corrige à la main.

Page de détail d'un doublage : lecteur vidéo, boutons Doublage, Original, Beat seul, Ma voix seule et Voix d'origine seule, et paroles en espagnol avec leur traduction française.
Frise d'octave : une suite de passages, bleus pour une voix d'homme et violets pour une voix de femme, chacun avec son décalage en demi-tons.

Plein écran, paroles sur l'image

Le mot chanté se remplit à mesure que la voix avance. Les commandes disparaissent avec le pointeur, et toutes les touches restent actives : Espace, F, V pour le mode cinéma, L pour la boucle A-B.

Lecteur en plein écran, thème sombre : l'image en fond, et en bas deux lignes de paroles, « Camino despacio bajo la luz » et sa traduction « Je marche lentement sous la lumière ».

Karaoké, avec une note de justesse

Chantez sur le beat du doublage. Voix-là trace votre voix contre la mélodie de l'original, ligne par ligne, et vous donne une note sur 100. Les passages faux sont en rouge, un clic les fait réécouter.

Page Karaoké, thème sombre : la note 88 sur 100, la courbe de la voix contre les notes de l'original avec une ligne en rouge, et la liste des lignes avec leur note.

Une séance guidée pour enregistrer sa voix

Cinq étapes, environ vingt minutes, avec un téléphone : parole, tessiture, notes à tenir, une chanson, une chanson libre. L'étape de chaque fichier est reconnue à son nom.

Les prises servent ensuite à affiner la voix sur son propre chant.

Page de séance d'enregistrement : le mode d'emploi en cinq points, les précautions avant de commencer, et les cinq étapes Parole, Tessiture, Notes à tenir, Chanson et Chanson libre.

Ce qu'il sait faire

Installer en une commande

Pour Ubuntu 24.04 ou plus récent. Voix-là est publié dans le dépôt APT signé de mawena, un seul dépôt pour tous ses paquets : une fois ajouté, les nouvelles versions arrivent avec les mises à jour du système.

En une ligne

Ajoute la clé et le dépôt, puis installe Voix-là (le script installer.sh fait les étapes ci-dessous).

curl -fsSL https://apt.mawena.cloud/installer.sh | sudo sh -s -- voix-la

Ou pas à pas :

1. Ajouter le dépôt

Pose la clé de signature et la source, puis met à jour la liste des paquets.

sudo curl -fsSL https://apt.mawena.cloud/mawena-depot.gpg -o /usr/share/keyrings/mawena-depot.gpg \
 && sudo curl -fsSL https://apt.mawena.cloud/mawena-depot.sources -o /etc/apt/sources.list.d/mawena-depot.sources \
 && sudo apt update

2. Installer Voix-là

sudo apt install mawena-depot voix-la

3. Se mettre à jour, plus tard

Le paquet mawena-depot garde la clé et la source en place. apt upgrade suffit pour chaque nouvelle version.

sudo apt update && sudo apt upgrade

Vérifier la clé de signature

Clé « mawena APT ». Comparez cette empreinte avec celle de la page apt.mawena.cloud, puis avec ce qu'affiche cette commande.

# empreinte attendue : 60A2 0BB2 21C9 1DAD F39D  D55B 456B 0129 30FA 901D
gpg --show-keys --with-fingerprint /usr/share/keyrings/mawena-depot.gpg

Il vous faut aussi un compte Kaggle avec le GPU activé (vérification du numéro de téléphone) et son jeton d'API : le calcul tourne sur votre compte. Le guide complet est dans le README. Les paquets .deb sont aussi joints à chaque release, avec leurs sommes de contrôle.

Usage responsable

Ne clonez que votre propre voix, ou celle d'une personne qui vous a donné son accord.

  • Un rappel de consentement est gardé avec chaque voix enregistrée.
  • Usage personnel : s'amuser, s'entraîner, tester sa voix sur des chansons. Pas d'usage commercial avec le moteur de chant par défaut.
  • Les chansons et les vidéos restent à leurs auteurs. Ne diffusez pas un doublage sans en avoir les droits.
  • Vos données restent chez vous et sur votre compte Kaggle privé.

Voix : imitation par IASi vous montrez un doublage à d'autres, dites-le : une voix clonée ne doit jamais passer pour la vraie.

Crédits et licences

Voix-là assemble des outils libres, téléchargés sur le GPU à l'exécution. Aucun de leurs codes ni de leurs poids n'est dans le dépôt : chacun garde sa licence. Le code de Voix-là est sous licence MIT.

Les principaux outils, leur rôle et leur licence. La liste complète est dans le README.
OutilRôleLicence
YingMusic-SVCConversion de la voix chantée, moteur du chant par défautCode MIT. Poids : CC BY-NC 4.0 usage non commercial seulement
Seed-VCConversion de la voix parlée, et du chant en optionGPL-3.0
NLLB-200 distillé 600M (Meta)Traduction des paroles en françaisPoids : CC BY-NC 4.0 usage non commercial seulement
Whisper large-v3 (OpenAI)Transcription des paroles, mot à motApache-2.0
audio-separator et modèles MelBand-RoformerSéparation voix et musique, nettoyage de la voixMIT, GPL-3.0 ou voir la page de chaque modèle
FFmpegExtraction, mixage et remise du son sur la vidéoLGPL / GPL
GTK 4, libadwaita, GStreamerInterface graphique et lecteurLGPL
Bricolage GrotesqueLa police de cette page, servie depuis ce siteSIL Open Font License 1.1

Les deux poids sous CC BY-NC 4.0 interdisent tout usage commercial : Voix-là reste un outil personnel.