Synthesia confie la production vidéo à une conversation

Synthesia Assistant crée et révise des vidéos depuis une consigne, un document ou une URL, avec avatars Express-3, identité de marque et accès à l’éditeur complet.

Une consigne décrit une vidéo d’accueil pour une nouvelle recrue. Synthesia Assistant en déduit une structure, rédige les scènes, choisit un avatar et prépare les éléments visuels. Les modifications suivantes arrivent dans la même conversation : raccourcir le texte, changer le ton, remplacer une séquence ou réorganiser la présentation.

Avec ce nouvel Assistant, Synthesia cherche à rassembler dans une interface conversationnelle les différentes étapes de sa plateforme. Le service ne se limite pas à produire une vidéo depuis quelques lignes. Il organise le projet avant sa génération, construit un premier montage, puis applique les demandes formulées après sa création.

Le point de départ peut être une simple description, un script déjà écrit, une page web ou un fichier. La page de présentation de Synthesia Assistant mentionne les formats PPTX, PDF, DOCX et TXT. Un support de formation, une procédure interne ou une présentation existante peuvent donc servir de matière première.

L’Assistant commence par proposer un plan précisant la structure, le nombre de scènes et le ton général. Cette étape reste modifiable avant la fabrication de la vidéo. L’utilisateur peut réécrire une partie, déplacer des scènes, sélectionner un modèle graphique ou choisir l’avatar chargé de présenter le contenu.

Cette organisation répond à une limite fréquente des générateurs automatisés. Une consigne trop générale peut produire un résultat visuellement abouti mais mal structuré, trop long ou éloigné de l’objectif initial. En montrant son plan au préalable, Synthesia laisse une possibilité de correction avant que les scènes ne soient assemblées.

Le système prépare ensuite le script, les séquences, l’habillage visuel, les plans d’illustration et les animations graphiques. Il peut aussi appliquer le Brand Kit et les modèles personnalisés de l’entreprise. Synthesia affirme que ces règles couvrent les avatars, les illustrations, les animations et les plans complémentaires, plutôt que le seul cadre graphique des diapositives.

L’Assistant ne constitue donc pas un nouveau modèle vidéo autonome comparable aux services spécialisés dans la création de clips cinématographiques. Il agit surtout comme une couche de pilotage placée au-dessus des fonctions déjà présentes dans Synthesia. Son rôle consiste à coordonner l’écriture, la mise en scène, la sélection des médias, les avatars et le montage.

Les exemples proposés sur la page publique vont pourtant au-delà de la présentation d’entreprise traditionnelle. Ils comprennent un chien courant dans un parc, des explorateurs dans une grotte de glace et une ruelle éclairée au néon sous une pluie intense. Ces démonstrations montrent l’élargissement de la bibliothèque visuelle, mais Synthesia ne promet pas qu’une longue scène continue sera calculée d’un seul tenant. Le résultat demeure organisé en séquences composées dans son éditeur.

Une entreprise peut importer un script déjà approuvé sans demander sa réécriture. Synthesia indique que ce texte sera alors conservé mot pour mot. Cette option concerne les secteurs où chaque formulation doit être validée avant diffusion, comme la conformité, la formation réglementaire ou les communications juridiques.

Cette conservation ne dispense pas de vérifier le résultat final. Une phrase inchangée peut être associée à une illustration inadéquate, prononcée avec une intonation peu naturelle ou placée dans une scène qui modifie son interprétation. La validation doit donc porter sur la vidéo complète, pas uniquement sur le texte.

Une fois le premier montage produit, les demandes suivantes s’effectuent dans le chat intégré à l’éditeur. L’utilisateur peut raccourcir un passage, changer son registre, réécrire une scène ou demander de nouveaux éléments visuels. La modification s’applique au projet existant sans imposer une nouvelle création depuis le début.

Cette continuité représente l’évolution la plus importante du produit. Les anciens assistants de génération se concentraient surtout sur le premier brouillon. Le travail de correction obligeait ensuite à revenir aux outils classiques, parfois scène par scène. Synthesia cherche désormais à conserver la conversation pendant la phase de révision.

L’éditeur complet reste accessible à tout moment. Une équipe peut commencer avec l’Assistant, puis reprendre manuellement la chronologie, les textes, les médias ou la disposition des scènes. Le chat ne remplace donc pas entièrement l’interface existante et ne verrouille pas les choix réalisés automatiquement.

Cette combinaison vise d’abord les vidéos d’accueil, les formations internes, les présentations commerciales et les communications destinées aux salariés. Dans ces usages, la rapidité de préparation compte souvent davantage qu’une mise en scène originale. Les modèles de marque et les formats déjà approuvés réduisent aussi les écarts entre plusieurs vidéos produites par des équipes différentes.

Le lancement accompagne Express-3, la nouvelle génération d’avatars de Synthesia. L’entreprise annonce une meilleure synchronisation des lèvres, des gestes plus étroitement liés aux paroles et des mouvements corporels adaptés au texte. Les expressions du visage doivent également évoluer selon le ton du script.

Synthesia présente Express-3 comme sa première génération d’avatars supérieure à Express-2 lors de comparaisons directes portant sur la synchronisation labiale, les gestes et les mouvements du corps. La page de lancement ne publie cependant ni scores détaillés, ni nombre d’évaluateurs, ni protocole complet. Cette supériorité reste donc une affirmation de l’entreprise, difficile à quantifier depuis les informations fournies.

La qualité d’un avatar ne dépend pas seulement de la précision de sa bouche. Le rythme de la voix, les pauses, le regard, la position du corps et la cohérence entre les gestes et les phrases influencent également la crédibilité. Une amélioration visible sur une courte démonstration peut devenir moins régulière dans une présentation longue ou dans un texte