Générateur de vidéo IA avec son : modèles et prix

Une vidéo IA muette, ce n’est que la moitié du travail

Certains modèles de vidéo IA livrent un clip sans son. Sur un téléphone en mode silencieux, le résultat passe bien, mais avant de publier il manque encore la voix, les bruitages et l’ambiance. Chacun de ces éléments doit être enregistré ou trouvé, puis calé sur la vidéo à l’image près. Avec un personnage qui parle, c’est l’étape la plus délicate, car les lèvres doivent tomber sur les mots.

Ce qui change quand le son est généré avec l’image

Une vidéo IA avec son en une seule passe, c’est un clip dont le modèle génère en même temps l’image et la piste audio : la réplique d’un personnage, des pas, le bruit de la rue. Vous recevez un seul fichier MP4 où le mouvement des lèvres colle aux mots dès le départ. Pas de doublage à part, pas de pistes à décaler sur une timeline.

Mise à jour du 13 octobre 2026 : cet article portait auparavant sur Veo 3.1. Fattly ne propose plus ce modèle, car le fournisseur par lequel nous le servions coupe son accès à Veo 3.1 le 22 octobre 2026. Veo 3.1 reste un modèle de Google, disponible dans les produits Google. Google désigne Gemini Omni 1.1 Flash comme successeur, et vous le trouverez dans Fattly sous le nom Gemini Omni Flash 1.1. La suite ne décrit que ce qui fonctionne ici aujourd’hui.

Quels modèles de Fattly génèrent de la vidéo avec son ?

Le générateur de vidéo vous laisse choisir parmi 13 modèles. Gemini Omni Flash 1.1, Seedance 2.5 et Kling 3.0 Pro génèrent le son en même temps que l’image. Tous les trois partent d’un texte ou d’une image de départ.

Pour les autres modèles de la liste, nous ne promettons pas de son. Si la piste audio compte pour vous, choisissez l’un des trois premiers du tableau. Le coût exact du clip s’affiche sur le bouton « Générer la vidéo » avant que vous cliquiez.

Comment faire une vidéo avec son, étape par étape ?

• Décrivez la scène en une à trois phrases : qui, où, ce qui se passe et ce qu’on entend. Vous pouvez écrire en français, car nous traduisons la description en anglais avant de l’envoyer au modèle.
• Mettez entre guillemets la réplique que le personnage doit dire. Le texte entre guillemets n’est pas traduit et arrive au modèle mot pour mot.
• Choisissez le modèle et la durée, réglez le format (16:9 ou 9:16) et cliquez sur « Générer la vidéo ». Un clip est généralement prêt en 1 à 3 minutes.

Un prompt à copier : Une femme en pull vert est assise à une table de café et dit à la caméra : « J’ai mis trois mois à trouver un café comme celui-ci. » En fond, un léger brouhaha et des tasses qui tintent. Caméra fixe, lumière chaude.

Vous n’avez qu’une idée vague ? Le bouton « Améliorer le prompt » transforme gratuitement quelques mots en description complète de la scène. Si la génération échoue ou si la modération bloque le résultat, les crédits vous sont rendus automatiquement.

La vidéo peut-elle parler français ?

Nous ne le promettons pas encore. Kling 3.0 génère la voix en anglais et en chinois et fait passer en anglais les répliques écrites dans d’autres langues : il est donc hors jeu pour un dialogue en français. Restent Gemini Omni Flash 1.1 et Seedance 2.5. Pour l’instant, nous ne recommandons expressément qu’une autre langue : le polonais sur Gemini Omni Flash 1.1, d’après nos tests d’octobre 2026. Le français ne figure pas dans le champ « Langue » du générateur.

S’il vous faut du français, écrivez la réplique entre guillemets, générez un seul clip avec Gemini Omni Flash 1.1 (144 crédits pour 8 s) et écoutez-le attentivement avant de prévoir une série. Si la même voix doit porter tous vos clips, une voix off IA séparée, posée sous la vidéo au montage, est plus prévisible.

Combien coûte une vidéo IA avec son ?

Vous payez en crédits, clip par clip. Kling 3.0 Pro coûte 80 crédits pour 5 s et 160 pour 10 s. Gemini Omni Flash 1.1, c’est toujours 144 crédits pour 8 s. Seedance 2.5 est le plus cher : 300 crédits pour 5 s, 600 pour 10 s et 1800 pour les 30 s complètes.

Soyons honnêtes sur les crédits gratuits : vous recevez 10 crédits à l’inscription, sans carte, et ils ne suffisent pour aucun clip vidéo. Le clip muet le moins cher (LTX-2, 6 s) coûte 30 crédits, un clip avec son 80. Avec 10 crédits, vous pouvez en revanche préparer une image de départ dans le générateur d’images (dès 1 crédit). Le plus petit pack compte 150 crédits : un clip Gemini Omni Flash 1.1, ou un clip Kling 3.0 Pro de 5 secondes et deux essais sur LTX-2. Les crédits n’expirent pas et l’abonnement mensuel est facultatif. Les prix actuels des packs sont sur la page des tarifs.

Que ne sait pas encore faire la vidéo avec son ?

• Les formats longs. Gemini Omni Flash 1.1 fait toujours 8 s, Kling 3.0 Pro 5 ou 10 s et Seedance 2.5 au maximum 30 s. Une vidéo plus longue se monte à partir de plusieurs clips.
• Les longues répliques. Huit secondes contiennent une phrase, deux courtes au plus : répartissez un texte plus long sur plusieurs clips.
• Le choix de la voix. Le générateur de vidéo n’a ni liste de voix ni réglages séparés pour la musique et les bruitages. Vous décrivez le son dans le prompt, le modèle le choisit, et le même personnage peut avoir une autre voix dans le clip suivant.
• Le silence à la demande. Les modèles avec son n’ont pas d’interrupteur pour le couper. Pour un clip muet, prenez LTX-2 ou LTX-2.5.
• D’autres langues recommandées. En dehors de l’anglais (Kling 3.0 Pro) et du polonais (Gemini Omni Flash 1.1), nous ne recommandons encore aucun modèle pour le français, l’allemand ou l’espagnol.
• La haute résolution sur tous les modèles. Gemini Omni Flash 1.1 et Seedance 2.5 génèrent ici des clips en 720p.

Quand vaut-il mieux un clip sans son ?

Quand vous ajoutez de toute façon une musique ou votre propre voix off : une boucle pour un post, une photo de produit animée, un fond pour des sous-titres. LTX-2 coûte alors 30 crédits pour 6 s et vous permet de vérifier le mouvement avant de dépenser plus sur un modèle avec son. Le pas-à-pas pour les photos est dans animer une photo avec l’IA, et nous comparons les outils du marché dans le meilleur générateur de vidéo IA.