Note de l’auteur : cet article compare deux façons d’ajouter des sous-titres à une vidéo générée par IA : l’incrustation des sous-titres par l’invite Seedance, et la transcription de la piste audio du montage final. Il explique lequel des deux types de sous-titres est modifiable et traduisible, et quelle part du budget on économise vraiment en changeant de modèle vidéo.
Beaucoup de gens qui ont réussi à faire tourner l’interface vidéo sur APIYI se retrouvent bloqués, non pas sur la qualité d’image, mais sur les sous-titres du montage final. Le réflexe habituel : « Seedance, c’est trop cher par clip, je passe à Grok, Hailuo ou Wan, et je cherche un modèle qui fait directement les sous-titres ». Voici d’abord la conclusion à retenir : les sous-titres modifiables ne sortent pas directement d’un modèle vidéo ; pour des sous-titres que vous pouvez corriger et traduire, il faut transcrire la piste audio du montage final.
Aucun des modèles vidéo actuellement disponibles ne produit un fichier de sous-titres modifiable en sortie. Seedance peut incruster le texte dans les pixels de l’image, en suivant la méthode du « Guide des invites de la série Seedance 2.0 » de Volcano Engine. Mais ce même guide reconnaît que, si l’invite ne mentionne aucun sous-titre, le montage final peut quand même en faire apparaître au hasard, et qu’on ne peut pas les supprimer à 100 %. Les pages dédiées à Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen et Grok Imagine ne parlent que de piste audio ou de pilotage par l’audio, sans aucun paramètre de sous-titres. Passer à un modèle vidéo plus cher ne résout donc pas le problème des sous-titres.
Ce n’est pas une analyse du genre « chaque approche a ses mérites ». L’article ne compare que deux voies, l’incrustation par l’invite et la transcription en post-production, puis donne directement le choix à faire pour trois scénarios types. Tous les modèles vidéo cités sont accessibles via APIYI (apiyi.com) ; les références et les tarifs sont ceux de la liste des modèles de la plateforme.
Ce que vous en retirez : deux décisions concrètes. Première décision : faut-il demander des sous-titres incrustés dans l’invite pour cette vidéo ? Seconde : si vous voulez économiser, quelle gamme de modèle choisir ?
Sous-titres de vidéos générées par IA : une piste audio n’est pas un sous-titre
Avant de parler de sous-titrage pour les vidéos générées par IA, il faut d’abord séparer « le son » et « les sous-titres ». Un modèle vidéo génère les dialogues, les effets sonores et l’image en même temps, ce qui donne une piste audio intégrée au rendu final. Que la piste contienne des répliques ne signifie pas que la vidéo a des sous-titres. Même quand du texte apparaît à l’écran, s’il est incrusté dans les pixels, il fait partie de l’image : ce n’est pas une piste de sous-titres.
Dans cet article, des « sous-titres utilisables » doivent remplir trois conditions à la fois. Un : le texte est juste, sans faute, sans mot manquant ni caractère rare transformé en charabia. Deux : le moment d’apparition est synchronisé avec les répliques. Trois : on peut ensuite corriger le texte et le traduire dans une autre langue. Un texte incrusté dans les pixels remplit au mieux les deux premières conditions, jamais la troisième : pour corriger une simple coquille, il faut regénérer toute la vidéo, et pour obtenir une version anglaise, c’est pareil.
Le guide d’invites de Volcano Engine adopte d’ailleurs la même logique : il range les « sous-titres » parmi les textes à l’écran, dans la même section que les slogans publicitaires et les bulles de dialogue. Dans ce guide, il n’est question ni de SRT, ni de VTT, ni de piste de sous-titres indépendante. Une fois ce point compris, la question « quel modèle vidéo gère le mieux les sous-titres ? » peut se reformuler ainsi : voulez-vous du texte dans l’image, ou un fichier de sous-titres modifiable ?
Les 2 approches pour sous-titrer une vidéo générée par IA : les différences clés
La différence entre les deux voies ne tient ni à la qualité d’image ni au niveau du modèle, mais à l’endroit où les sous-titres sont stockés au final. La voie 1 les enregistre dans les pixels, la voie 2 dans un fichier séparé. Le tableau ci-dessous les compare selon trois critères d’un « sous-titre exploitable ».
| Critère de comparaison | Voie 1 : sous-titres incrustés via l’invite | Voie 2 : transcription de la piste audio du rendu final | Gagnant |
|---|---|---|---|
| Exactitude du texte | Dépend de la génération du modèle ; le guide recommande de privilégier les caractères courants et d’éviter les caractères rares et les symboles spéciaux | Issu de la reconnaissance vocale sur la piste audio, avec possibilité de relecture manuelle | Voie 2 |
| Alignement avec les dialogues | On peut écrire dans l’invite « parfaitement synchronisé avec le rythme de l’audio », mais le résultat relève de la loterie | Aligné grâce aux horodatages de la transcription ou au logiciel de montage, avec possibilité d’ajustement fin | Voie 2 |
| Correction ou traduction après coup | Impossible : pour modifier le texte, il faut régénérer toute la vidéo | Possible : il suffit de modifier le fichier, et on peut même produire des versions multilingues | Voie 2 |
| Modèles compatibles | Seul le guide officiel de Seedance mentionne cette capacité | N’importe quel rendu final avec piste audio | Voie 2 |
| Étape supplémentaire | Aucune : la vidéo sort déjà sous-titrée | Nécessite un service de transcription ou un logiciel de montage | Voie 1 |
| Quand on veut retirer les sous-titres | Le guide officiel indique qu’on ne peut pas éviter à 100 % l’apparition de sous-titres parasites | Ce problème n’existe pas | Voie 2 |
Voie 1 : incruster les sous-titres d’une vidéo générée par IA via l’invite Seedance
Parmi les modèles disponibles, Seedance est le seul dont le guide officiel des invites dit à la fois « on peut faire des sous-titres » et « il peut en produire n’importe comment ». La section sur la génération de texte explique que le modèle sait générer du texte courant, avec une couleur, un style, un mode d’apparition, un moment et une position au choix. Elle cite comme cas d’usage les slogans publicitaires, les sous-titres et les bulles de dialogue. Attention : ce guide est intitulé « série 2.0 » et ne précise nulle part que la version 2.5 se comporte différemment pour les sous-titres. On ne peut donc pas présenter l’incrustation de sous-titres comme une spécificité de la 2.5.
Le tableau ci-dessous reprend les formulations du guide officiel liées aux sous-titres. Vous pouvez vous en servir directement pour construire vos invites :
| Usage | Formulation du guide officiel des invites | Remarques |
|---|---|---|
| Définir le contenu des sous-titres | 「画面底部出现字幕，字幕内容为「……」，字幕需与音频节奏完全同步。」 (trad. : des sous-titres apparaissent en bas de l’image, avec le contenu « … », et doivent être parfaitement synchronisés avec le rythme de l’audio.) | Privilégiez des caractères courants dans le contenu des sous-titres |
| Sous-titrer selon les dialogues | 「画面底部按照台词出现字幕」「画面底部出现对应台词字幕」 (trad. : les sous-titres apparaissent en bas de l’image selon les dialogues / les sous-titres correspondant aux dialogues apparaissent en bas de l’image) | Le résultat reste du texte en pixels, sans fichier de timeline |
| Pas de sous-titres | 「保持无字幕」「避免生成任何文字或字幕」 (trad. : garder l’image sans sous-titres / éviter de générer tout texte ou sous-titre) | La documentation officielle précise qu’on ne peut pas encore l’éviter à 100 % |
| Style du texte | On peut préciser la couleur, le style, le mode d’apparition, le moment et la position | Évitez les caractères rares et les symboles spéciaux |
Cette voie a un avantage : aucune étape supplémentaire. La vidéo sort déjà sous-titrée, ce qui convient bien aux petits clips verticaux pour les plateformes de vidéo courte. L’inconvénient est tout aussi net : si un caractère est faux, il faut relancer la génération, et chaque essai avant d’obtenir un résultat satisfaisant est facturé. Et si vous voulez une version dans une autre langue, il faut tout regénérer depuis le début.
Côté invocation, quelques pièges sont faciles à éviter. Dans la console d’APIYI (apiyi.com), lorsque vous créez un jeton, choisissez le groupe SeeDance2 (multiplicateur 0,18x), et le mode de facturation doit être « à l’usage prioritaire » ou « à l’usage ». Le point d’accès à utiliser est /seedance/api/v3/..., et non /v1/videos. La page dédiée indique que le point d’accès générique transmet mal la résolution, alors que la facturation, elle, se fait sur la vidéo réellement produite. Enfin, generate_audio vaut true par défaut : pour obtenir une vidéo sans son, il faut explicitement passer false.
Voie n° 2 : transcrire la piste audio du montage final pour générer les sous-titres
Dans l’approche en post-production, le partage des rôles est clair : le modèle vidéo se contente de produire un montage final avec piste audio, et les sous-titres sont confiés à un service de transcription distinct ou à un logiciel de montage. La transcription donne un fichier de sous-titres avec timecodes, que l’on peut ensuite utiliser de deux façons. Première option : incruster les sous-titres dans l’image (« burn-in »), pour les plateformes qui ne prennent pas en charge les sous-titres externes. Seconde option : les diffuser avec la vidéo sous forme de fichier annexe (« sidecar »), que le lecteur peut activer ou désactiver, et qui permet aussi de changer de langue.
Pour le choix du service de transcription, il faut bien vérifier où en sont les choses aujourd’hui. Le guide OpenAI sur la conversion de la parole en texte recommande actuellement gpt-transcribe pour la transcription de fichiers, via l’interface POST /v1/audio/transcriptions, qui renvoie le texte et la langue détectée, avec une limite de 25 Mo par fichier. Les exemples d’horodatage au niveau du mot ou de la phrase renvoient toujours au paramètre timestamp_granularities de whisper-1, et ce paramètre n’est pris en charge que par whisper-1. Les modèles whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe et d’autres sont désormais signalés comme obsolètes, avec une date d’arrêt fixée au 2027-02-26.
Autre point à signaler : dans le tableau récapitulatif des modèles d’APIYI du 2026-11-10 à 15:40, on ne trouve ni whisper-1 ni gpt-transcribe. Cette étape de post-production ne figure donc pas dans la liste des modèles vidéo traitée ici : il faudra passer par un service de transcription distinct, ou par la reconnaissance vocale intégrée à votre logiciel de montage. L’alignement des timecodes peut lui aussi être laissé au logiciel de montage ; la transcription n’a alors qu’une mission, reconnaître le texte avec précision.
Aperçu des capacités de sous-titrage des modèles vidéo IA disponibles
Le tableau ci-dessous récapitule ce que chaque page dédiée dit du son et des sous-titres. La colonne « Paramètre de sous-titres » correspond à une recherche en texte intégral effectuée le 2026-11-11 sur toutes les pages dédiées, avec les mots-clés « sous-titres », SRT, incrustation de sous-titres (burn-in) et piste de sous-titres.
| Série | ID du modèle | Son (selon la page dédiée) | Paramètre de sous-titres | Points clés d’invocation |
|---|---|---|---|---|
| Seedance | doubao-seedance-2-5-260628, doubao-seedance-2-0-260128, doubao-seedance-2-0-fast-260128, doubao-seedance-2-0-mini-260615 |
generate_audio activé par défaut |
Pas de fichier de sous-titres ; incrustation possible via l’invite, d’après le guide Volcano | Groupe SeeDance2, passe par /seedance/api/v3/... |
| Wan3.0 | wan3.0-video, wan3.0-video-prime |
audio vaut true par défaut, la sortie inclut une piste audio |
Aucun | Soumission à /wan/api/v1/services/aigc/video-generation/video-synthesis, avec l’en-tête X-DashScope-Async: enable |
| Wan2.7 | wan2.7-t2v, wan2.7-i2v, wan2.7-r2v, wan2.7-videoedit |
Seul wan2.7-i2v prend en charge driving_audio pour la synchronisation labiale |
Aucun | Uniquement 720P / 1080P, durée de 2 à 15 secondes |
| HappyHorse 1.1 | happyhorse-1.1-t2v, happyhorse-1.1-i2v, happyhorse-1.1-r2v, happyhorse-1.0-video-edit |
L’image vers vidéo ne prend pas en charge driving_audio ; la page dédiée ne mentionne pas de dialogue par défaut |
Aucun | Durée de 2 à 15 secondes ; pour la synchronisation labiale, il faut passer à Wan2.7 |
| MiniMax H3 | MiniMax-H3 |
Piste audio stéréo intégrée, impossible à désactiver | Aucun | Seulement 768P, passe par /hailuo/v2/video_generation |
| Oxygen | oxygen-1.0 |
La vidéo finale inclut une piste audio | Aucun | Compatible OpenAI Videos, POST /v1/videos |
| Grok Imagine | grok-imagine-video, grok-imagine-video-1.5, grok-imagine-video-1.5-lite |
Piste audio intégrée par défaut ; désactiver l’audio ne baisse pas le prix | Aucun | Nécessite l’activation du groupe GrokOfficial |
Ce que ce tableau veut surtout montrer : en dehors de Seedance, aucune page dédiée ne mentionne les sous-titres. On ne peut donc pas en déduire que les autres modèles « savent aussi produire des sous-titres via l’invite ». Tous ces modèles sont accessibles avec un même compte sur APIYI (apiyi.com) ; les références exactes et les groupes disponibles dépendent de la liste des modèles de la plateforme.
Quelques détails méritent qu’on s’y arrête. Le paramètre driving_audio de Wan2.7 sert à faire bouger les lèvres au rythme de l’audio : c’est une capacité de synchronisation labiale, sans rapport avec les sous-titres. La recommandation de la page dédiée est la suivante : pour une synchronisation labiale pilotée par l’audio, utilisez la 2.7 ; pour une piste audio par défaut, des durées plus longues et un prix plus bas, utilisez Wan3.0. Sur APIYI, MiniMax H3 est un modèle à poids ouverts auto-hébergé, et non un simple relais de l’API du constructeur ; sa piste audio ne peut pas être coupée, et envoyer generate_audio=false renvoie une erreur 400 avec le champ d’erreur unsupported field generate_audio. Une résolution 2K est elle aussi refusée.
Le cas des trois modèles Grok Imagine est un peu particulier : leur page dédiée affiche bien des prix, mais ces trois lignes ne figurent pas dans le tableau général des modèles du 2026-11-10 à 15:40. Ils ne sont pas pour autant absents du catalogue : avant de les invoquer, vérifiez dans la console que le groupe GrokOfficial est bien activé.
Sous-titres de vidéos générées par IA et coût de production : ce qu’on économise en changeant de modèle
Les sous-titres ne dépendent pas du modèle vidéo : changer de modèle ne peut donc réduire que le coût de génération de la vidéo. Le tableau ci-dessous compare les prix catalogue pour un même clip de 5 secondes. Une précision s’impose : la résolution diffère d’une ligne à l’autre, donc ce tableau ne sert qu’à comparer les coûts, pas la qualité d’image d’un même clip.
| ID du modèle | Résolution | Durée | Vidéo de référence | Prix catalogue | Source du prix | Date des données |
|---|---|---|---|---|---|---|
oxygen-1.0 |
480p ou 768p (même prix) | 5 s | Non incluse | $0.10 | Prix par seconde de la page dédiée × 5 | Page dédiée, vérifiée le 2026-11-11 |
grok-imagine-video-1.5-lite |
480p / 720p | 5 s | Non incluse (image d’entrée non facturée) | $0.10 / $0.15 | Prix par seconde de la page dédiée × 5 | Page dédiée, vérifiée le 2026-11-11 |
wan3.0-video |
480P / 720P / 1080P | 5 s | Non incluse | $0.147 / $0.294 / $0.588 | Prix total pour 5 s de la page dédiée | Page dédiée, vérifiée le 2026-11-11 |
MiniMax-H3 |
768P | 5 s | Non incluse | $0.15 | Page dédiée | Page dédiée, vérifiée le 2026-11-11 |
grok-imagine-video |
480p / 720p | 5 s | Non incluse (image d’entrée non facturée) | $0.25 / $0.35 | Prix par seconde de la page dédiée × 5 | Page dédiée, vérifiée le 2026-11-11 |
wan2.7-* |
720P / 1080P | 5 s | Non incluse | $0.42 / $0.70 | Prix total pour 5 s de la page dédiée | Page dédiée, vérifiée le 2026-11-11 |
doubao-seedance-2-0-mini-260615 |
720p | 5 s | Non incluse | $0.4508 | Grille tarifaire de la page dédiée | Page dédiée, vérifiée le 2026-11-11 |
happyhorse-1.1-* |
720P / 1080P | 5 s | Non incluse | $0.63 / $1.12 | Prix total pour 5 s de la page dédiée | Page dédiée, vérifiée le 2026-11-11 |
doubao-seedance-2-0-fast-260128 |
720p | 5 s | Non incluse | $0.7253 | Grille tarifaire de la page dédiée | Page dédiée, vérifiée le 2026-11-11 |
doubao-seedance-2-0-260128 |
720p | 5 s | Non incluse | $0.9074 | Grille tarifaire de la page dédiée | Page dédiée, vérifiée le 2026-11-11 |
grok-imagine-video-1.5 |
1080p | 5 s | Non incluse (image d’entrée non facturée) | $1.25 | Prix par seconde de la page dédiée × 5 | Page dédiée, vérifiée le 2026-11-11 |
doubao-seedance-2-5-260628 |
720p | 5 s | Non incluse | $1.3721 | Grille tarifaire de la page dédiée (facturation = surface × durée ; un écart de ±5 % est normal) | Page dédiée, vérifiée le 2026-11-11 |
Pour une vidéo de 720p, 5 secondes, sans vidéo de référence (vérifié sur la page dédiée le 2026-11-11), les 1,3721 $ de Seedance 2.5 représentent environ 4,7 fois les 0,294 $ de wan3.0-video, et environ 3,0 fois les 0,4508 $ de la version mini. Ce rapport ne parle que du coût de production d’une vidéo, pas de la qualité des sous-titres. La FAQ de la page dédiée indique par ailleurs un prix pour la version 2.5 légèrement différent de celui de la grille tarifaire : dans cet article, c’est la grille tarifaire qui fait foi.
Quelques cases du tableau récapitulatif se prêtent aussi à de mauvaises lectures :
- Les cases Seedance affichent le prix de base par million de tokens, avant application du coefficient de groupe de 0,18. Ce n’est pas un prix en dollars par vidéo.
- Pour
wan3.0-video, le tableau récapitulatif ne contient qu’une seule case de prix à la seconde, et elle correspond au 480P, pas à toutes les résolutions. - Pour HappyHorse, le tableau indique un prix de base à l’usage, pas un prix à la seconde. Pour un calcul à la seconde, il faut consulter la page dédiée.
Pour comparer les prix, le plus sûr est de croiser la liste des modèles d’APIYI (apiyi.com) avec les tarifs par palier indiqués sur la page dédiée de chaque modèle.
Scénarios recommandés pour ajouter des sous-titres aux vidéos générées par IA
Scénario 1 : des sous-titres modifiables et traduisibles
Tutoriels, démonstrations de produits, contenus à décliner en plusieurs langues : tout cela entre dans cette catégorie. Les sous-titres de ces vidéos finiront tôt ou tard par être retouchés : le client repère une faute de frappe, il faut uniformiser la terminologie, le marketing veut une version anglaise. La seule approche fiable est de passer par une transcription en post-production, et de ne demander au modèle vidéo que de produire la vidéo avec sa piste audio.
Dans ce scénario, choisissez le modèle vidéo selon vos besoins visuels et votre budget : les sous-titres ne sont pas un critère. Attention toutefois : il ne faut pas que la vidéo finale contienne déjà des sous-titres incrustés parasites, sinon ceux de la post-production se superposeront au texte de l’image. Avec Seedance, ajoutez dans l’invite une contrainte « sans sous-titres ». Avec les autres séries, même si la page dédiée ne mentionne aucune capacité de sous-titrage, vérifiez quand même l’image une fois la vidéo générée.
Scénario 2 : vidéo courte avec seulement les dialogues en bas, relance acceptable
Si vous publiez simplement de courtes vidéos verticales sur une plateforme, qu’une ligne de dialogue en bas d’écran suffit et que vous acceptez de temps en temps une erreur à corriger par une nouvelle génération, vous pouvez utiliser uniquement Seedance avec le modèle de Volcano Engine pour les sous-titres incrustés. Dans l’invite, indiquez clairement le contenu des sous-titres, demandez une synchronisation avec le rythme de l’audio, et restez sur des caractères courants en évitant les caractères rares et les symboles spéciaux.
Soyons clairs : ce n’est pas une livraison stable. Quand un caractère est erroné, relancer la génération coûte le prix d’une vidéo supplémentaire. Mieux vaut donc d’abord affiner l’invite avec mini ou fast, et ne passer à un palier supérieur qu’une fois la formulation des sous-titres stabilisée. N’allez pas directement sur la 2.5 juste pour l’effet des sous-titres.
Scénario 3 : aucun sous-titre toléré dans la vidéo finale
Films de marque, rushes destinés à un second montage, vidéos de base qui recevront des sous-titres multilingues en post-production : tous exigent une image propre. Avec Seedance, il faut écrire dans l’invite « garder sans sous-titres » et « éviter de générer tout texte ou sous-titre ». Pensez aussi à retirer au préalable le texte présent dans les images ou vidéos de référence, et à privilégier le format paysage. Le guide officiel précise que la probabilité de voir apparaître des sous-titres parasites est nettement plus faible en paysage qu’en portrait ; pour le portrait, on rattrape ensuite par un recadrage au montage.
Même en appliquant ces trois mesures, la position officielle reste qu’on ne peut pas l’éviter à 100 %. Une vérification manuelle après génération est donc indispensable. Pour les projets qui exigent une image parfaitement propre, vous pouvez prévoir dès la composition une marge de recadrage.
Recommandations pour ajouter des sous-titres à une vidéo générée par IA
Voici tout ce qui précède condensé dans un tableau de décision. Quand vous avez un projet concret, il suffit de s’y référer :
| Votre besoin | Quelle voie | Modèle vidéo à privilégier | À éviter |
|---|---|---|---|
| Sous-titres modifiables, traduisibles et synchronisés | Voie 2 : transcription en post-production | À choisir selon l’image et le budget, du moment qu’il produit une piste audio | Attendre d’un modèle vidéo qu’il génère un fichier de sous-titres |
| Texte des dialogues en bas d’une vidéo courte, avec possibilité de relancer la génération | Voie 1 : incrustation par Seedance | Commencer par mini / fast pour ajuster l’invite | Passer à la 2.5 pour l’effet des sous-titres |
| Vidéo finale sans aucun sous-titre | Voie 2, ou Seedance avec une contrainte « sans sous-titres » | Format paysage en priorité, retirer d’abord le texte des supports de référence | Croire qu’une consigne d’exclusion supprime les sous-titres à 100 % |
| Synchronisation labiale nécessaire | Voie 2 avec sous-titres | wan2.7-i2v avec driving_audio |
Utiliser l’image vers vidéo de HappyHorse pour la synchronisation labiale |
| Piste audio par défaut et petit prix | Voie 2 avec sous-titres | Oxygen, Wan3.0 480P, Grok 1.5-lite, MiniMax H3 | Penser que les offres économiques n’offrent pas de sous-titres |
On peut résumer les deux voies en une phrase. L’incrustation par invite a l’avantage d’une vidéo livrée avec ses sous-titres, sans étape supplémentaire. Mais le texte est inscrit dans les pixels : impossible de le modifier ou de le traduire, et il est difficile de l’effacer complètement ensuite. À l’inverse, la transcription en post-production ajoute une étape, mais l’emporte sur toute la ligne : précision des sous-titres, synchronisation, réutilisation en plusieurs langues. Elle convient à tous les projets destinés à être livrés.
Cela clarifie aussi comment économiser sur les tests. Si 15 secondes suffisent et que le 720p est acceptable, regardez d’abord Seedance mini ou Wan3.0 standard. Si vous voulez une piste audio par défaut à bas prix, regardez Oxygen, Wan3.0 480P, Grok 1.5-lite et MiniMax H3. Quant aux différences entre Grok, Hailuo et Seedance, la page dédiée n’a pas fait de comparaison de sous-titres sur un même sujet : inutile donc de changer de modèle sous prétexte que « tel modèle fait de meilleurs sous-titres ».
💡 Conseil : décidez d’abord de la méthode de sous-titrage, choisissez le modèle vidéo ensuite. Sur APIYI (apiyi.com), vous pouvez utiliser la même clé API pour lancer deux ou trois modèles de gamme différente sur un même sujet, et ne comparer que l’image et la piste audio. Les sous-titres sont confiés à la post-production, de sorte que la comparaison porte sur la partie qui coûte réellement de l’argent.
Deux canaux ne sont plus recommandés. D’après l’annonce d’APIYI du 2026-11-09, Google a arrêté veo-3.1-generate-preview et veo-3.1-fast-generate-preview le 2026-10-22 ; le relais officiel de VEO 3.1 chez APIYI est donc interrompu, et aucun canal vidéo de la famille Google n’est disponible pour l’instant. Selon la même annonce, les canaux liés à Sora 2 ont également été mis hors ligne.
FAQ : sous-titres pour les vidéos générées par IA
Q1 : Qu’est-ce qu’un sous-titre « exploitable » pour une vidéo générée par IA ?
Un sous-titre exploitable doit remplir trois conditions à la fois : le texte est correct, le timing est aligné sur les dialogues, et on peut encore corriger ou traduire le texte après coup. Les modèles vidéo génèrent une piste audio ; des lettres incrustées directement dans les pixels ne peuvent pas être modifiées séparément, donc elles ne comptent pas comme de vrais sous-titres.
Q2 : Si je passe à Grok, Hailuo ou Wan, lequel produit directement de bons sous-titres ?
Aucun. Les pages dédiées de Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen et Grok Imagine ne parlent que de piste audio ou de génération pilotée par l’audio : il n’y a aucun paramètre de sous-titres, et aucun test comparatif sur le même sujet n’a été fait. Changer de modèle permet d’économiser sur le coût de génération, mais les sous-titres devront toujours passer par une transcription en post-production.
Q3 : Seedance 2.5 est-il meilleur que la version 2.0 pour incruster des sous-titres ?
Rien ne permet de l’affirmer. Le guide d’invites de Volcano Engine porte sur la série 2.0 et ne déclare pas de capacité de sous-titrage différente pour la 2.5. Les atouts de la 2.5 sont une durée de 4 à 30 secondes, davantage d’images de référence et une sortie en mov, pas les sous-titres.
Q4 : Je ne vois pas Grok Imagine dans le tableau général des modèles. N’est-il pas disponible ?
Si, il l’est. Les trois modèles Grok Imagine ont bien un prix sur leurs pages dédiées ; simplement, le tableau général des modèles du 2026-11-10 à 15:40 ne liste pas ces trois lignes. Avant d’appeler le modèle, vérifiez dans la console APIYI (apiyi.com) que le groupe `GrokOfficial` est activé. Par ailleurs, désactiver l’audio ne fait pas baisser le prix.
Q5 : Comment appeler rapidement ces modèles vidéo via l’API ?
Inscrivez-vous sur APIYI pour obtenir votre clé API (les nouveaux utilisateurs bénéficient d’un crédit de test gratuit), puis appelez les points de terminaison indiqués sur chaque page dédiée :
– La base_url compatible OpenAI est `https://api.apiyi.com/v1` ; Oxygen utilise `POST /v1/videos` sous cette adresse
– Seedance passe par `/seedance/api/v3/…`, avec le groupe de jetons `SeeDance2`
– Wan3.0 se soumet à `/wan/api/v1/services/aigc/video-generation/video-synthesis`, avec l’en-tête `X-DashScope-Async: enable`
– MiniMax H3 passe par `/hailuo/v2/video_generation`
N’appliquez pas `/v1/videos` à Seedance ni à Wan3.0.
Q6 : Quel service utiliser pour la transcription en post-production ?
Le tableau général des modèles d’APIYI ne contient actuellement ni `whisper-1` ni `gpt-transcribe` : il faut donc recourir à un service distinct ou à un logiciel de montage pour la transcription. OpenAI recommande désormais `gpt-transcribe` pour produire le texte ; l’exemple d’horodatage au niveau du mot dans la documentation pointe encore vers `whisper-1`, dont la date d’arrêt est le 2027-02-26. La limite est de 25 Mo par fichier ; pour les vidéos longues, mieux vaut d’abord extraire la piste audio avant de la transcrire.
Q7 : Quelles sont les limites connues de l’incrustation de sous-titres via l’invite ?
– Les sous-titres sont inscrits dans les pixels : pour corriger le texte ou le traduire, il faut regénérer toute la vidéo
– Même si vous ne demandez pas de sous-titres, il peut en apparaître ; la documentation officielle précise qu’on ne peut pas l’éviter à 100 %
– Le risque de sous-titres parasites est plus élevé en format vertical qu’en horizontal, et le texte présent dans les contenus de référence augmente encore ce risque
– Les caractères rares et les symboles spéciaux produisent facilement des erreurs : privilégiez les caractères courants
Points clés : ajouter des sous-titres à une vidéo générée par IA (Key Takeaways)
- Piste audio ≠ sous-titres : les modèles vidéo produisent un son intégré au rendu final, pas un fichier de sous-titres
- Seul Seedance mentionne l’incrustation : le guide de Volcano Engine permet de graver les sous-titres dans les pixels, mais ne fournit aucun fichier de sous-titres
- Impossible de supprimer les sous-titres à 100 % : il faut combiner des mots-clés de contrainte et le retrait du texte présent dans les médias de référence, avec une préférence pour le format paysage
- Aucun paramètre de sous-titres dans les autres séries : les pages dédiées de Wan, HappyHorse, MiniMax H3, Oxygen et Grok ne mentionnent que la piste audio
- Sous-titres modifiables = post-production : transcrivez la piste audio du rendu final, puis incrustez le texte dans l’image ou exportez-le en fichier annexe (sidecar)
- Changer de modèle ne fait économiser que sur le coût de génération : ne passez pas à la 2.5 pour les sous-titres, regardez d’abord les gammes d’entrée comme mini ou Wan3.0
- Pour démarrer : sur APIYI, une seule clé suffit pour tester plusieurs gammes sur des échantillons ; les prix sont ceux de la liste des modèles de la plateforme
Conclusion
Pour ajouter des sous-titres à une vidéo générée par IA, l’essentiel tient en trois points :
- Les sous-titres modifiables ne sortent pas directement du modèle : aucun modèle vidéo ne livre de fichier de sous-titres en sortie. Si vous voulez des sous-titres que l’on puisse corriger et traduire, passez par une transcription en post-production.
- L’incrustation Seedance est un pis-aller : d’après le guide d’invites de Volcano Engine, on peut graver le texte dans l’image, ce qui convient aux vidéos courtes où l’on accepte de regénérer plusieurs fois. Mais ce n’est pas une livraison fiable, et il est impossible de retirer proprement les sous-titres ensuite.
- Pour économiser, changez de gamme de génération plutôt que de courir après les sous-titres : à résolution 720p, 5 secondes et sans vidéo de référence (vérifié sur les pages dédiées le 2026-11-11), la 2.5 coûte environ 4,7 fois plus que Wan3.0 standard. Cet écart de prix ne vous achète pas de meilleurs sous-titres.
Notre conseil : définissez d’abord votre approche pour les sous-titres, puis choisissez le modèle vidéo. Sur APIYI (apiyi.com), profitez du crédit de test gratuit pour générer des échantillons avec des gammes d’entrée comme mini, Wan3.0 ou Oxygen, afin de valider l’image et la piste audio, et confiez les sous-titres à la post-production.
📚 Références
- Volcengine, « Guide des invites de la série Doubao Seedance 2.0 » : explications sur la génération de texte et la rédaction des sous-titres, sur la contrainte « sans sous-titres » et sur le traitement des sous-titres qui apparaissent sans y avoir été invités
- Lien :
docs.volcengine.com/docs/ark/seedance-2-0-prompt-guide -
Remarque : le modèle de sous-titres de la voie 1 de cet article et la formule « impossible à éviter à 100 % » viennent tous deux de ce guide (consulté le 2026-11-11)
-
Guide OpenAI de la reconnaissance vocale (speech-to-text) : interface de transcription
gpt-transcribeet description des paramètres d’horodatage - Lien :
platform.openai.com/docs/guides/speech-to-text -
Remarque : source de l’interface, de la limite de taille de fichier et des dates d’arrêt des modèles obsolètes pour la solution de transcription en post-production (consulté le 2026-11-11)
-
Centre de documentation APIYI · pages dédiées aux modèles vidéo : paramètres et tarifs par palier de Seedance, Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen et Grok Imagine
- Lien :
docs.apiyi.com/api-capabilities/ - Remarque : source des modèles, des endpoints, des groupes et des prix documentés pour 5 secondes ; l’annonce de l’arrêt de VEO 3.1 se trouve sur le même site, à l’adresse
/live/2026-11/veo-3-1-official-offline
Auteur : l’équipe technique d’APIYI
Échanges techniques : contactez-nous depuis la page d’accueil du site APIYI ; vous trouverez plus de détails sur les paramètres des modèles et leur invocation dans le centre de documentation docs.apiyi.com
