D-ID

Qu’est-ce que D-ID ?

D-ID est une plateforme de personnes numériques basée sur l’IA, destinée à la formation des entreprises, au marketing, au service client et à l’intégration pour les développeurs. Les utilisateurs peuvent choisir des avatars prédéfinis, télécharger des photos ou enregistrer des vidéos pour créer leur propre double numérique, puis entrer un script, choisir une voix ou télécharger de l’audio afin de générer des vidéos de démonstration avec des mouvements de lèvres et des expressions.

Le produit est passé d’une idée initiale visant à « faire parler les photos » à une infrastructure complète de personnes numériques, incluant Creative Reality Studio, des avatars de V2 à V4, la clonation de la voix, la traduction vidéo, des campagnes vidéo personnalisées, des agents visuels en temps réel, une API REST et un SDK d’agents pour navigateur.

Les photos parlent et V2 Avatars

Les avatars V2 sont créés à partir d’une seule image en face, avec un temps de rendu rapide, ce qui les rend adaptés à des formations, notifications et commentaires fréquents et simples. Les utilisateurs peuvent télécharger leur propre photo ou choisir parmi des personnages prédéfinis, puis faire lire du texte ou des fichiers audio enregistrés par l’avatar.

L’animation à partir d’une seule image déduit la forme de la bouche, les mouvements de la tête et les expressions à partir de la photo ; il peut y avoir des distorsions des dents, des contours du visage, des cheveux et des accessoires. Il est nécessaire d’avoir l’autorisation pour télécharger des photos de personnes, et elles ne doivent pas être utilisées pour se faire passer pour quelqu’un d’autre ou pour induire en erreur.

V3 Instant Avatars

V3 Instant est créé à partir d’une vidéo selfie de l’utilisateur d’environ 1 minute, et le processus prend généralement moins de 10 minutes. Il conserve l’arrière-plan et les mouvements naturels de la vidéo originale, et permet d’ajouter un commentaire vocal à l’aide d’une voix clonée, d’une voix synthétique ou d’une enregistrement, ce qui le rend adapté à la création rapide de contenu ressemblant à celui de la personne elle-même.

Le processus de création exige la lecture à voix haute de la déclaration d’acceptation et d’un mot de vérification généré aléatoirement, et une vérification vocale peut également avoir lieu, dans le but de confirmer que l’avatar et la voix ont été autorisés par la personne concernée. L’avatar Instant est utilisé pour la sortie vidéo et ne prend pas en charge les Visual Agents en temps réel.

V3 Pro Avatars

Le V3 Pro utilise des enregistrements de haute qualité d’environ 3 à 5 minutes, pour une durée totale d’environ 24 heures, mettant l’accent sur des détails faciaux et des mouvements plus réalistes, et inclut la clonage de la voix. L’enregistrement avec un écran vert est disponible afin de remplacer l’arrière-plan, ce qui le rend adapté aux formateurs d’entreprise, aux ambassadeurs de marque et aux contenus de haute qualité.

Le V3 Pro est généralement disponible à partir du forfait Pro ou supérieur, et peut être utilisé avec des Visual Agents en temps réel. L’enregistrement doit se faire dans des conditions de lumière stables, avec un son clair et un processus d’approbation complet ; la qualité des matériaux influencera directement l’efficacité du double numérique à long terme.

V4 Expressive Avatars

V4, grâce à un ensemble de vidéos courtes exprimant différentes émotions, peut manifester des sentiments tels que la sérénité, l’optimisme et l’empathie en fonction des entrées reçues, et renforce la cohérence de la voix, du visage et du sens. Il peut être utilisé pour des vidéos de scripts à fort impact et des agents d’interaction en temps réel, étant actuellement principalement destiné aux entreprises.

La diffusion d’émotions reste une performance synthétique ; il ne faut pas simuler de compassion humaine réelle ni de jugement professionnel dans les domaines médical, financier, de communication en cas de crise ou de service client. Il est nécessaire de révéler clairement à l’utilisateur son identité d’IA.

Creative Reality Studio

Studio offre une interface de création vidéo visuelle permettant aux utilisateurs de choisir des avatars et des sons, d’entrer un script, de définir la taille et la position de l’avatar, ainsi que d’ajouter des couches de fond, d’images, de vidéos et de texte. Il prend en charge l’exportation de sous-titres, le retrait du fond et différents styles de marque.

L’avatar standard atteint environ 1280×1280 sur tous les plans ; le Premium Presenter marqué HQ peut produire du 1080p pour les plans applicables autres que Free.

Le tableau de comparaison actuel autorise des vidéos Studio d’une durée maximale de 30 minutes, mais certaines anciennes pages et points d’entrée API peuvent encore afficher une limite de 5 minutes ; la durée réelle dépend du profil sélectionné et de l’interface de génération.

Voix, téléchargement d’audio et Voice Clone

La plateforme propose des voix standard ou avancées dans plus de 120 langues et accents, et prend également en charge le téléchargement d’audio, l’enregistrement ainsi que l’importation de voix tierces. Creator inclut 1 clonage de voix, Business en inclut 3, et Enterprise est configuré selon le contrat.

Pour cloner une voix, il est nécessaire de lire la déclaration d’acceptation ; il est interdit de copier des personnes non autorisées, des personnalités publiques ou des clients. La prononciation, les noms propres et les chiffres doivent encore être écoutés, et pour les contenus sensibles, une option de doublage manuel doit être conservée.

Traduction vidéo

Video Translate reconnaît la voix de la vidéo d’origine, traduit le contenu dans la langue cible, clone la voix du locuteur et resynchronise les lèvres ; il prend en charge actuellement plus de 30 langues de sortie. Les versions Creator et Business peuvent traiter des vidéos allant jusqu’à 5 minutes, tandis que l’essai gratuit permet jusqu’à environ 30 secondes.

La sémantique, les noms propres, les montants et les formulations juridiques après traduction nécessitent une révision manuelle. Certaines solutions permettent de télécharger des SRT, et les entreprises peuvent ajouter un processus de relecture.

Les acteurs et les voix dans la vidéo d’entrée doivent permettre la traduction et la synthèse.

Agents visuels, avatars numériques en temps réel

Visual Agents combine des avatars numériques avec des modèles de langage de grande taille, des bases de connaissances, de la voix et du streaming en temps réel, permettant aux visiteurs de dialoguer avec eux en face à face sur un site web ou une application. Les utilisateurs peuvent définir le langage, la voix, le personnage, les connaissances et les actions, afin d’utiliser ces outils pour le service client, l’assistance autonome, la formation et l’accompagnement des produits.

V2, V3 Pro et V4 prennent en charge les agents en temps réel ; V4 utilise LiveKit et prend en charge l’entrée microphone ainsi que le mode fluide continu.

Les réponses de l’agent peuvent contenir des erreurs ; lorsqu’il s’agit de comptes, de transactions ou de recommandations à haut risque, il est nécessaire de définir la source de recherche, les droits des outils, le niveau d’authentification renforcée et les enregistrements d’audit.

Agentic Videos

Agentic Video intégre des agents dans des vidéos prédéfinies, permettant aux spectateurs de poser des questions pendant la lecture et d’obtenir des réponses de personnes virtuelles. Creator comprend actuellement 1 agent, tandis que Business en compte 3 ; ils conviennent pour la formation, les présentations commerciales et les descriptions de produits.

Campagnes vidéo personnalisées

Campaigns permet de générer ou d’envoyer en masse des vidéos personnalisées à l’aide de champs dynamiques, et d’ajuster le logo et les couleurs de la page vidéo. Il est adapté pour le contact commercial, l’accueil des clients et les invitations à des événements, mais les données personnelles telles que les noms, les entreprises et les commandes doivent disposer d’une base légale pour leur utilisation, et il faut vérifier que chaque variable est correctement mappée.

Plan gratuit

Free coûte 0 dollar, permet de créer 4 vidéos par mois et offre 5 minutes pour les Campagnes, les Agents et l’API. Il inclut plus de 100 avatars prêts à l’emploi, 1 Avatar Express, des sons standards, un traitement standard, une API, Canva, PowerPoint et des accès aux applications mobiles.

Free ne propose qu’une licence d’utilisation personnelle, avec une watermark du logo D-ID sur la vidéo ; Video Translate dure au maximum environ 30 secondes.

Si un compte gratuit n’est pas utilisé pendant 6 mois consécutifs, ses données pourraient être supprimées après une notification par e-mail.

Comparaison des prix et des versions

Prix du créateur

Creator coûte actuellement 29 dollars par mois, soit 24 dollars par mois en paiement annuel, et inclut 45 minutes par mois pour les campagnes, les agents et l’API. La page temporaire indique également que des vidéos illimitées peuvent être créées ou traduites, mais il s’agit d’une promotion susceptible de changer ; cela ne doit pas être interprété comme une utilisation illimitée de toutes les API et des sessions en temps réel.

Creator comprend 3 Express Avatar, 100 générations d’avatars à partir de prompts IA, des sons avancés, 1 clonage de voix, 1 vidéo agente, un traitement rapide, sans watermark, sous-titres, suppression d’arrière-plan, une traduction allant jusqu’à 5 minutes et une licence d’utilisation commerciale.

Prix d’affaires

Business coûte actuellement 89 dollars par mois, soit 69 dollars par mois en paiement annuel. Il inclut 100 minutes par mois pour Campaign, Agents et API, ainsi que des publicités vidéo illimitées en Studio pendant une période limitée.

Business : 5 Avatars Express supplémentaires, 600 génération de portraits à partir d’instructions IA, 3 clonages de voix, 3 Vidéos Agentiques, traitement plus rapide, vérification manuelle du contenu, support Gold et licence commerciale, adapté aux équipes qui travaillent à un rythme plus élevé.

Prix Enterprise

Enterprise propose des devis sur demande, avec la possibilité de configurer des avatars V3 Pro et V4, davantage de clonages de voix, des watermarks personnalisés, des places pour équipe, SAML/SSO, sécurité d’entreprise, vérification manuelle, différents niveaux de support et une API à forte capacité de traitement. Les avatars émotionnels V4 et les déploiements en temps réel complexes nécessitent généralement un contact avec le service des ventes.

Comment calculer les minutes ?

La durée de la vidéo est arrondie à l’unité de 15 secondes la plus proche ; par exemple, 1 minute 10 secondes entraînera un coût de 1 minute 15 secondes. Studio, Agents, Campaign, Video Translate et API partagent ou allouent des minutes selon un plan préétabli, et les générations via l’API sont déduites du solde du même compte.

Mise à jour mensuelle toutes les minutes, la partie non utilisée n’est pas accumulée. La facturation des clients en flux en temps réel peut se faire selon des proportions indépendantes ou sur la base d’un contrat, et ne peut pas être calculée directement à partir de la durée normale d’enregistrement vidéo.

Marques d’eau et divulgation par l’IA

Free affiche le logo D-ID, l’ancienne version d’essai présente une watermark en plein écran ; Creator et Business affichent actuellement une sortie Studio sans watermark.

Les entreprises et les API peuvent personnaliser ou supprimer les filigranes de marque en fonction des droits accordés, mais D-ID insiste sur la transparence du contenu synthétique ; certaines solutions peuvent toutefois conserver des marques d’IA génériques.

Être en mesure de supprimer le logo de la marque ne signifie pas que l’identité de l’IA peut être cachée. Le marketing, les actualités, le service client et les avatars numériques humains doivent indiquer le contenu synthétique conformément à la loi et aux règles de la plateforme.

D-ID REST API

L’API utilise une authentification Basic et une clé API générée par le compte, couvrant V2 Talks, V3 Instant Scenes, V3 Pro Clips, V4 Expressive Avatars, Visual Agents, la diffusion en continu, Video Translate, le téléchargement audio et d’autres ressources. Les tâches sont généralement soumises de manière asynchrone ; on peut pollinger l’état ou recevoir les résultats via un Webhook.

Les fichiers audio temporaires téléchargés via l’API sont généralement conservés pendant 24 à 48 heures. Les développeurs doivent conserver les clés en toute sécurité, limiter les noms de domaine et les permissions, gérer les tentatives de récupération en cas d’échec, effectuer une modération du contenu et définir une durée de validité pour l’URL des résultats, sans exposer les clés au front-end.

Agents SDK et GitHub

D-ID met à disposition sur GitHub le SDK des Agents, des applications de exemple, une démo de streaming en temps réel et des exemples d’API. Le côté client peut installer le SDK officiel pour intégrer les Agents créés dans des pages web, et appeler des méthodes telles que connect, speak, chat, interrupt et l’envoi audio via le micro.

Le SDK prend en charge V2 Talks, V3 Clips et V4 Expressives ; l’Agent et la base de connaissances doivent être créés via Studio ou l’API des Agents.

Le fait que les SDK et les démos soient open source ne signifie pas que le modèle d’avatar D-ID, les services de rendu et la plateforme commerciale le soient également ; de plus, il n’est pas possible de déployer en mode privé et hors ligne un service complet.

Canva, PowerPoint et applications mobiles

Les plans gratuits et payants prennent en charge l’application Canva, l’add-in PowerPoint et l’application mobile D-ID, permettant de créer ou d’utiliser des vidéos de personas numériques dans les présentations, la conception et sur smartphone. Les abonnements mobiles doivent être résiliés via la boutique d’applications correspondante ; les prix et les avantages peuvent différer de ceux affichés sur le site web.

Utilisation commerciale et droits d’auteur

Creator, Business et Enterprise incluent une licence commerciale ; Free est destiné à un usage personnel.

L’utilisation à des fins commerciales suppose que l’utilisateur possède les droits sur les scripts, les photos, les sons, les logos et autres éléments, et qu’il respecte la procédure d’approbation pour les avatars et les sons.

La création de vidéos ne doit pas être utilisée à des fins de tromperie, de falsification sans autorisation, de manipulation politique, de fraude ou d’endossement frauduleux. Les résultats de synthèse peuvent encore contenir des erreurs et des contenus similaires à ceux de tiers ; l’auteur de la publication est responsable de leur vérification.

Annuler et supprimer le compte

L’abonnement au site web peut être résilié dans la section Facturation ; les avantages actuels restent valables jusqu’à la fin du cycle de paiement, après quoi ils sont réduits ; les minutes non utilisées ne sont valables que pendant ce cycle.

Les abonnements mobiles doivent être gérés sur l’App Store ou Google Play.

Pour supprimer un compte, il est nécessaire de contacter le service d’assistance ; cela entraînera la suppression permanente des vidéos générées et traduites, des Agents ainsi que des données stockées, sans possibilité de restauration. Avant de procéder, il convient de télécharger le projet, les sous-titres, les paramètres des Agents et les journaux.

Guide d'utilisation de D-ID

Terminer une tâche de base

1. Déterminer le public cible, la plateforme, l’aspect, la durée et les informations à communiquer ;
2. Préparer des scripts, des plans ou des matériaux de référence autorisés à utiliser dans D-ID ;
3. Sélectionnez « Parler avec des photos » et V2 Avatars pour générer une prévisualisation à faible coût ;
4. Utilisez V3 Instant Avatars pour ajuster l’image, le rythme, les sous-titres et le son ;
5. Vérifier frame par frame les personnages, le texte, le logo, la forme des lèvres et l’exactitude factuelle ;
6. Exporter selon les spécifications ciblées après confirmation de l’autorisation pour la musique, les portraits et les matériaux ;

Créer des flux de travail professionnels réutilisables

1. Créer des scripts, des fiches de tournage, des matériaux de marque et une liste d’éléments interdits ;
2. Conservation de paramètres unifiés pour parler à travers les photos et les V2 Avatars, V3 Instant Avatars et V3 Pro Avatars ;
3. Testez d’abord le modèle et les limites avec des scènes représentatives ;
4. Transférer les plans ratés pour un montage manuel ou une régénération ;
5. Unifier les sous-titres, le volume, les couleurs et les informations de droits d’auteur en fin de film ;
6. Enregistrez la version et l’auditeur avant de publier en masse ;

À qui s’adresse-t-il ?

• Entreprises qui produisent des vidéos de formation, d’intégration et de description de produits ;
• Équipe de marketing nécessitant des enregistrements audio numériques multilingues ;
• Personnel opérationnel chargé de générer en masse des vidéos de vente personnalisées ;
• Développeurs qui intègrent des agents visuels en temps réel dans des sites web et des applications ;
• Créateurs ayant besoin d’animations photo, de clonage de voix et de traduction vidéo.

Avantages du produit

• L’avatar passe d’une image unique à un avatar numérique V4 à multiples émotions, avec une structure complète ;
• Prend en charge plus de 120 langues et plus de 30 langues de traduction vidéo ;
• Unification de Studio, Campaign, Agents, Translate et API ;
• Il est possible de créer des avatars personnels et des clones de voix ;
• Fournit une diffusion en streaming en temps réel, un Agents SDK et des Webhooks ;
• Compatible avec Canva, PowerPoint, le web et les appareils mobiles.

Restrictions et précautions

• Les minutes sont comptées par tranches de 15 secondes sans report, et la durée des vidéos courtes peut également entraîner une consommation supplémentaire ;
• Les vidéos Studio Infinité sont une offre temporaire actuelle, tandis que les Agents, Campagnes et API restent soumis à des limites de 45 ou 100 minutes ;
• Les avatars numériques peuvent présenter des mouvements de lèvres, un regard, des dents et des gestes peu naturels, et les traductions ainsi que les réponses de l’agent peuvent également être erronées ;
• Tous les avatars numériques et voix humaines doivent faire l’objet d’une autorisation explicite et d’une divulgation concernant l’IA ;

Questions fréquentes

D-ID est-il gratuit ?

Il existe un forfait gratuit offrant 4 vidéos par mois ainsi que 5 minutes d’utilisation des Agents, Campaign ou API, avec une watermark D-ID et réservé à un usage personnel uniquement.

Combien coûte D-ID ?

Creator : 29 dollars par mois, ou 24 dollars par mois en paiement annuel ; Business : 89 dollars par mois, ou 69 dollars par mois en paiement annuel.

Tarif sur mesure Enterprise.

Puis-je utiliser ma propre photo de profil et ma propre voix ?

Oui. Il est possible de créer des avatars V2/V3 à partir de photos ou de vidéos. La version Creator inclut 1 clone de voix, tandis que la version Business en inclut 3 ;

La vérification du consentement doit être terminée.

La traduction vidéo est-elle prise en charge ?

Prend en charge plus de 30 langues de sortie, permet de traduire la voix, de cloner des voix et de reconstituer les mouvements des lèvres. Pour Creator et Business, la durée maximale d’un vidéo est d’environ 5 minutes.

Y a-t-il des API et des SDK ?

Il existe une API REST complète ainsi qu’un SDK officiel pour les agents frontaux, permettant de générer des vidéos de profil, de traduire du texte, de créer des proxies en temps réel et d’incorporer dans des pages web.

D-ID est-il open source ?

La plateforme et les modèles de génération ne sont pas open source ; l’éditeur met à disposition l’Agents SDK, des démos et du code d’exemple, mais leur utilisation reste dépendante de l’API cloud D-ID et des quotas payants.