Script, voix off et sous-titres en une seule passe

Pourquoi faire une seule vidéo courte prend-il normalement une heure ?

Parce que les trois tâches vivent à trois endroits. Le script s'écrit quelque part, se colle dans un outil de synthèse vocale, se télécharge en audio, se glisse dans un éditeur, puis les sous-titres sont générés une quatrième fois et rectifiés jusqu'à tomber juste. Chaque passage de relais est un export, et chaque export est une occasion pour l'audio et les mots à l'écran de se décaler.

Le décalage, c'est le vrai coût. Recouper une phrase oblige à recaler tout ce qui vient après.

Que produit vraiment cette passe unique ?

Un seul envoi te donne un MP4 vertical avec la voix off mixée et les sous-titres incrustés — le fichier que tu postes, pas un projet qu'il reste à exporter.

• Un script écrit à partir de ce qu'il y a à l'écran, pas un modèle générique sur le sujet.
• Une voix off dans la voix que tu as choisie, au rythme de la vraie durée du clip.
• Des sous-titres mot à mot, calés sur l'audio et non estimés d'après le texte.
• Fini en deux à trois minutes environ, de l'envoi au fichier que tu peux poster.

Pourquoi les sous-titres tombent-ils juste là où d'autres outils dérivent ?

Les sous-titres sont calés sur la voix off réellement produite, pas sur le script demandé. Ce n'est pas la même chose — une lecture ne dure jamais exactement ce que le nombre de mots annonce — et se caler sur la mauvaise, c'est pour ça que des sous-titres finissent une seconde en retard à la fin du clip.

Ça veut dire aussi que l'aperçu que tu valides et le fichier que tu exportes sont construits sur les mêmes timings. Ce que tu regardes est ce qui se télécharge.