VideoLingo

Toute la chaîne sous-titres et doublage tourne dans une seule fenêtre Streamlit. Vous collez un lien YouTube ou désignez un fichier local, réglez la langue et les modèles, et l'outil enchaîne téléchargement, reconnaissance, segmentation, traduction et export. Chaque étape écrit son résultat sur le disque, si bien qu'une étape ratée se relance sans tout reprendre de zéro.

La reconnaissance s'appuie sur Qwen3-ASR associé à un aligneur forcé, qui horodate chaque mot plutôt que la phrase entière. C'est cette précision qui fait tomber les sous-titres au bon moment. Vous pouvez aussi envoyer l'audio à ElevenLabs ou MAI-Transcribe-2 si vous préférez ne pas lancer le modèle en local. Sachez que l'audio part alors chez un tiers.

Les longues phrases parlées ne tiennent pas sur une ligne de sous-titre. L'outil combine des règles de NLP et une passe du LLM pour découper la transcription en répliques courtes et lisibles, avec des limites de longueur réglables, selon la même logique qu'un monteur humain. La traduction vient après la segmentation, donc les sous-titres traduits gardent le calage de la parole d'origine.

La traduction passe par deux étapes par défaut. Une liste de terminologie maison et un glossaire généré par IA gardent noms, jargon et tournures récurrentes cohérents sur tout le fichier, et une passe de réflexion optionnelle réécrit la sortie brute de la machine jusqu'à ce qu'elle se lise naturellement. C'est là qu'un bon LLM justifie son coût : un modèle faible pond des sous-titres plats et littéraux.

Le doublage est optionnel et fonctionne avec plusieurs moteurs vocaux, dont OpenAI TTS, Fish Audio, SiliconFlow, GPT-SoVITS et Edge TTS. GPT-SoVITS clone le mieux une voix, mais ne couvre que le chinois et l'anglais, tandis que les autres atteignent plus de langues. Le calage et l'intonation dépendent de la traduction et de la voix, et un ajustement de vitesse ne garantit pas une synchronisation parfaite.

Pour l'automatisation, VideoLingo expose une API HTTP locale qui partage le même traitement que l'interface. Scripts et agents IA peuvent soumettre un travail à la fois, suivre l'avancement, télécharger les résultats et relancer les échecs. Elle a remplacé l'ancien mode par lot sous Excel, que le projet ne recommande plus.

Chaque étape journalise son avancement sur le disque, donc vous pouvez mettre en pause, reprendre ou arrêter un travail en cours et le reprendre plus tard. Les réponses réussies du modèle sont mises en cache : une relance après échec réutilise le travail déjà fait au lieu de payer deux fois la même traduction.