Combien coûte la transformation d'un audio en vidéo ?

$0.20 par minute de vidéo finale en 720p sans logo, ou $0.40 par minute en Pro, plus net et plus stable. Une vidéo de 10 minutes coûte $2, 30 minutes coûtent $6 et une heure $12. Vous payez avec des crédits Stork prépayés (1 crédit = 1 cent, packs à partir de $5). Il n'y a pas d'abonnement. La facturation se fait par tranche de 10 secondes entamée, avec un minimum de 5 crédits, et si une vidéo échoue, tous les crédits vous sont rendus.

Y a-t-il une limite de durée ?

Pas pour les vidéos payantes. La plupart des outils d'avatars parlants s'arrêtent à 10 minutes par vidéo ou moins : il faut alors découper un épisode complet en morceaux, puis les recoller. Ici, vous importez le fichier entier et vous obtenez une seule vidéo.

Puis-je essayer gratuitement ?

Oui. Avec une connexion Google gratuite, vous pouvez créer 2 vidéos par jour de 1 minute maximum chacune, avec un petit logo stork.ai dans le coin. C'est suffisant pour vérifier le rendu de votre photo et de votre voix avant de payer pour une vidéo longue.

Combien de temps faut-il pour créer une vidéo longue ?

À peu près la durée de l'audio lui-même, et environ le double en Pro, plus jusqu'à deux minutes pour le démarrage du moteur de rendu. Un épisode d'une heure est prêt en une heure environ. Inutile de garder la page ouverte : nous vous envoyons un lien par e-mail quand c'est terminé.

Qu'est-ce qui bouge dans la vidéo ?

Le visage : lèvres, mâchoire, yeux, sourcils et légers mouvements de tête, synchronisés avec la parole. Les épaules, les mains et l'arrière-plan restent comme sur la photo. S'il vous faut un présentateur qui fait des gestes avec les mains, ce n'est pas le bon outil ; ces modèles coûtent environ dix à cinquante fois plus cher la minute.

Est-ce que ça marche avec deux voix, comme un résumé audio NotebookLM ?

L'outil anime un seul visage par vidéo : un enregistrement à deux animateurs place donc les deux voix sur le même visage. Le résultat est meilleur avec une seule personne qui parle. Pour une émission à deux, séparez l'audio par intervenant, faites le rendu de chacun avec sa propre photo, puis assemblez le tout dans votre logiciel de montage.

Dans quelles langues est-ce que ça fonctionne ?

Dans toutes les langues. Les lèvres suivent le son de l'audio que vous importez, pas une liste de langues prises en charge. Les voix intégrées pour le texte saisi couvrent 10 langues : anglais, arabe, hindi, ourdou, français, espagnol, portugais, italien, russe et turc.

Puis-je saisir un texte au lieu d'importer un audio ?

Oui, pour les vidéos plus courtes. Saisissez ou collez jusqu'à 5 000 caractères (environ cinq minutes de parole), choisissez l'une des 22 voix intégrées dans 10 langues et appuyez sur Écouter pour l'entendre d'abord. Au-delà, importez l'audio sous forme de fichier.

Oui, aux mêmes prix. Envoyez l'URL d'une photo et l'URL d'un audio, recevez un identifiant de tâche, puis un webhook signé quand le MP4 est prêt. Voir stork.ai/developers/talking-photo-api.

Que deviennent mon audio et ma photo ?

Nous ne vendons jamais vos fichiers. Nous conservons votre photo, votre audio et votre vidéo, et nous les examinons et les analysons, y compris à l'aide de services d'IA (par exemple pour transcrire l'audio et décrire la photo), afin de faire fonctionner et d'améliorer Stork. Votre lien de téléchargement reste valable 30 jours pour les vidéos créées avec des crédits. Écrivez à support@stork.ai et nous supprimerons vos fichiers.

De l'audio à la vidéo, quelle que soit la durée

Importez un épisode de podcast, un cours ou une narration, ainsi qu'une photo de la personne qui parle. Vous obtenez une seule vidéo parlante aux lèvres synchronisées, quelle que soit la durée de l'audio. $0.20 la minute, sans abonnement : un épisode de 30 minutes coûte $6.

Format

Résolution

1. Une photo avec un seul visage bien visible

2. Ce qu'elle doit dire (toute durée)

C'est mon visage, ou j'ai l'autorisation de la personne pour l'animer. Je n'utiliserai pas la vidéo pour tromper qui que ce soit, usurper une identité ou harceler quelqu'un.

Un crédit vaut 1 cent ; les packs démarrent à $5. Facturation par tranche de 10 secondes entamée, minimum 5 crédits.

Ce que coûte une vidéo longue

Vous payez à la minute de vidéo finale, et rien d'autre. Pas de forfait mensuel, pas de minutes qui expirent.

Durée de la vidéo	Sans logo, 720p	Pro, 720p
10 minutes	$2	$4
30 minutes	$6	$12
1 heure	$12	$24

À titre de comparaison, nous avons relevé en novembre 2026 les tarifs des services de photo vers vidéo parlante que nous avons pu vérifier. La plupart de ceux qui acceptent votre propre photo et votre propre audio facturent plusieurs fois plus cher la minute, et la plupart plafonnent une vidéo à 10 minutes ou moins. Voir le tableau complet des prix et les résultats des tests (EN).

Comment ça marche

1
Importez votre audio
Un MP3, un WAV ou un M4A de parole, jusqu'à 500 Mo : un épisode de podcast, un cours, un chapitre de livre audio, une voix off. Pour une vidéo de cinq minutes environ au maximum, vous pouvez aussi saisir un texte et choisir l'une des 22 voix.
2
Ajoutez une photo de la personne qui parle
Une photo nette avec un seul visage qui regarde à peu près l'objectif. Votre propre portrait, un présentateur dont vous avez l'autorisation ou un personnage dessiné.
3
Choisissez un format et lancez
16:9 pour YouTube, 9:16 pour Shorts et Reels, ou 1:1. Vous voyez le prix exact avant de lancer. Fermez l'onglet si vous voulez : nous vous envoyons un e-mail quand la vidéo est prête.

Ce que les gens en font

Épisodes de podcast en solo

Mettez un visage sur un épisode audio pour le publier sur YouTube et en vidéo sur Spotify, sans rien filmer.

Cours et leçons en ligne

Enregistrez la leçon une fois en audio. Transformez chacune en vidéo avec présentateur pour votre plateforme de formation.

Livres audio et récits

Donnez à un chapitre un narrateur à l'écran : un portrait, un personnage peint ou la photo de l'auteur.

Longs décryptages et récaps d'actu

Tenez une chaîne sans vous montrer, avec un présentateur toujours identique, à un coût qui reste tenable pour des vidéos de 20 minutes.

Sermons, conférences et discours

Transformez une intervention enregistrée en vidéo que l'on peut regarder et partager.

Un présentateur, plusieurs langues

Doublez l'audio dans une autre langue et relancez le rendu du même visage pour chacune.

Ce que vous obtenez, et ce que vous n'obtenez pas

Le modèle anime le visage et le réintègre dans votre photo d'origine : le cadrage, les vêtements et l'arrière-plan restent exactement tels quels. C'est un présentateur qui parle face caméra, pas une personne qui se déplace sur un plateau. C'est le compromis : seuls la tête et le visage bougent, à un prix où dix minutes de vidéo coûtent moins cher qu'une seule minute sur les modèles qui animent le corps entier.

Les clips courts, les vœux et les textes saisis se trouvent sur la page photo parlante. Vous intégrez cela à votre propre produit ? Utilisez la Talking Photo API.

Questions fréquentes

Combien coûte la transformation d'un audio en vidéo ?: $0.20 par minute de vidéo finale en 720p sans logo, ou $0.40 par minute en Pro, plus net et plus stable. Une vidéo de 10 minutes coûte $2, 30 minutes coûtent $6 et une heure $12. Vous payez avec des crédits Stork prépayés (1 crédit = 1 cent, packs à partir de $5). Il n'y a pas d'abonnement. La facturation se fait par tranche de 10 secondes entamée, avec un minimum de 5 crédits, et si une vidéo échoue, tous les crédits vous sont rendus.
Y a-t-il une limite de durée ?: Pas pour les vidéos payantes. La plupart des outils d'avatars parlants s'arrêtent à 10 minutes par vidéo ou moins : il faut alors découper un épisode complet en morceaux, puis les recoller. Ici, vous importez le fichier entier et vous obtenez une seule vidéo.
Puis-je essayer gratuitement ?: Oui. Avec une connexion Google gratuite, vous pouvez créer 2 vidéos par jour de 1 minute maximum chacune, avec un petit logo stork.ai dans le coin. C'est suffisant pour vérifier le rendu de votre photo et de votre voix avant de payer pour une vidéo longue.
Combien de temps faut-il pour créer une vidéo longue ?: À peu près la durée de l'audio lui-même, et environ le double en Pro, plus jusqu'à deux minutes pour le démarrage du moteur de rendu. Un épisode d'une heure est prêt en une heure environ. Inutile de garder la page ouverte : nous vous envoyons un lien par e-mail quand c'est terminé.
Qu'est-ce qui bouge dans la vidéo ?: Le visage : lèvres, mâchoire, yeux, sourcils et légers mouvements de tête, synchronisés avec la parole. Les épaules, les mains et l'arrière-plan restent comme sur la photo. S'il vous faut un présentateur qui fait des gestes avec les mains, ce n'est pas le bon outil ; ces modèles coûtent environ dix à cinquante fois plus cher la minute.
Est-ce que ça marche avec deux voix, comme un résumé audio NotebookLM ?: L'outil anime un seul visage par vidéo : un enregistrement à deux animateurs place donc les deux voix sur le même visage. Le résultat est meilleur avec une seule personne qui parle. Pour une émission à deux, séparez l'audio par intervenant, faites le rendu de chacun avec sa propre photo, puis assemblez le tout dans votre logiciel de montage.
Dans quelles langues est-ce que ça fonctionne ?: Dans toutes les langues. Les lèvres suivent le son de l'audio que vous importez, pas une liste de langues prises en charge. Les voix intégrées pour le texte saisi couvrent 10 langues : anglais, arabe, hindi, ourdou, français, espagnol, portugais, italien, russe et turc.
Puis-je saisir un texte au lieu d'importer un audio ?: Oui, pour les vidéos plus courtes. Saisissez ou collez jusqu'à 5 000 caractères (environ cinq minutes de parole), choisissez l'une des 22 voix intégrées dans 10 langues et appuyez sur Écouter pour l'entendre d'abord. Au-delà, importez l'audio sous forme de fichier.
Y a-t-il une API ?: Oui, aux mêmes prix. Envoyez l'URL d'une photo et l'URL d'un audio, recevez un identifiant de tâche, puis un webhook signé quand le MP4 est prêt. Voir stork.ai/developers/talking-photo-api.
Quelle photo ai-je le droit d'utiliser ?: Votre propre visage, ou celui d'une personne qui vous a donné son autorisation. Vous ne devez pas vous en servir pour tromper qui que ce soit, usurper une identité ou harceler quelqu'un. Merci d'indiquer aux spectateurs que la vidéo est générée par IA, partout où vous la publiez.
Que deviennent mon audio et ma photo ?: Nous ne vendons jamais vos fichiers. Nous conservons votre photo, votre audio et votre vidéo, et nous les examinons et les analysons, y compris à l'aide de services d'IA (par exemple pour transcrire l'audio et décrire la photo), afin de faire fonctionner et d'améliorer Stork. Votre lien de téléchargement reste valable 30 jours pour les vidéos créées avec des crédits. Écrivez à support@stork.ai et nous supprimerons vos fichiers.