Cloner sa voix avec Claude · Botanik · novembre 2026

Cloner sa voix avec Claude, gratuitement, en 7 prompts

Ma voix parle anglais, espagnol, italien, allemand, arabe, japonais et chinois. Je n'ai enregistré que le français. Voici les 7 prompts que j'ai donnés à Claude pour y arriver, à copier, avec ce que chacun a donné chez nous.

8

langues dans le même Reel : le français enregistré, les 7 autres jamais dites

7,8 s

la durée de notre voix de référence : une dizaine de secondes suffit

16 min 17

la version anglaise de notre vidéo de 21 min 12, sans retourner une image

Ce qu'on sait faire

Ma voix en 8 langues, une seule enregistrée

Le français, c'est moi : je l'ai enregistré d'une traite, 42 secondes. L'anglais, l'espagnol, l'italien, l'allemand, l'arabe, le japonais et le chinois, je ne les ai jamais dits.

Chaque phrase étrangère a été générée plusieurs fois, puis relue par Whisper (un modèle qui transcrit la parole en texte) dans sa langue. Les 8 sont revenues mot pour mot. Le motion en 3D et la musique sont faits par Claude aussi.

Petit warning : Whisper vérifie les mots, pas l'accent. Avant de publier dans une langue que tu ne parles pas, fais-la écouter à quelqu'un qui la parle.

Glisse, et regarde

Avant, un marché. Maintenant, tous.

Tire la poignée de gauche à droite.

Avant : un seul marché, le français, avec sa vidéo ; les 7 autres langues sans version, à tourner, avec un tournage, un traducteur, un comédien voix, un monteur et un devis par langueAvec le processus : les 8 marchés ont leur vidéo dans la même voix, de google.fr à baidu.com, avec un seul enregistrementAvantAvec mon processus

Avant, chaque langue se tournait, se traduisait, se doublait et se montait à part : un devis et des semaines par marché. Du coup, on s'arrêtait au premier. Maintenant, un enregistrement et ta voix clonée : la même vidéo part sur 8 marchés dans la journée.

La réponse courte

Claude ne fabrique pas la voix. Il installe sur ton ordinateur un modèle de voix libre et gratuit, Chatterbox, et il le pilote à ta place : tu lui donnes une dizaine de secondes de ta voix et un texte, il te rend ta voix qui dit ce texte, dans la langue que tu veux.

Les 7 prompts de cette page vont de l'installation à la vidéo doublée :

  1. Installer le modèle de voix sur ton ordinateur

  2. Choisir tes 10 secondes de référence

  3. Générer une phrase, et la faire relire

  4. Traduire tes phrases, puis les faire dire

  5. Doubler une vidéo entière

  6. Lister ce qu'il faut réécouter

  7. Publier la version traduite là où on la cherche

Le guide complet, offert

Débloque les 7 prompts, et le kit PDF

Ton mail pro, et la suite de la page s'ouvre : les 7 prompts à copier dans Claude, ce qu'il te faut avant de commencer, la méthode pour doubler une vidéo entière, et ce qu'il faut autour pour inonder chaque marché.

Et le kit PDF de 7 pages : nos réglages exacts, les pièges de la relecture, les 23 langues, la checklist SEO par langue.

Un ordinateur en 3D avec la forme d'onde d'une voix à l'écran, entouré de pastilles de langues : EN, ES, IT, DE, AR, JA, ZH, PT

Avant de commencer

Ce qu'il te faut : un ordinateur et dix secondes de ta voix

Trois choses. Claude Code, la version de Claude qui peut installer et lancer des programmes sur ton ordinateur. Un ordinateur récent : on a tout fait sur un Mac avec 16 Go de mémoire. Et un enregistrement propre de ta voix, sans musique derrière.

Le modèle s'appelle Chatterbox. Il est libre : tu ne paies pas à la minute de voix, et rien ne t'oblige à envoyer tes enregistrements à un service en ligne. Sa version multilingue parle 23 langues.

Ce que tu paies, c'est du temps de calcul. Chez nous, une phrase prend un peu moins d'une minute, parce qu'on la génère plusieurs fois et qu'on la fait relire. Un Reel de 8 phrases, c'est quelques minutes. Une vidéo de 21 minutes, c'est 2 h 30.

À copier dans Claude Code

Les 7 prompts pour cloner ta voix et doubler une vidéo

Les [crochets] sont à remplacer par ton cas. Sous chaque prompt : ce qu'il faut lui donner avec, et ce que ça a donné chez nous. Donne-les dans l'ordre : chacun s'appuie sur le précédent. Ce que tu écoutes à chaque étape et nos réglages exacts sont dans le kit PDF.

  1. 01
    Installer

    Installer le modèle de voix sur ton ordinateur

    À donner avec : rien. Il te faut Claude Code (la version de Claude qui agit sur ton ordinateur) et un ordinateur récent.

    Installe sur cet ordinateur de quoi cloner ma voix en local, gratuitement : un environnement Python à part, le modèle libre Chatterbox (paquet chatterbox-tts, version multilingue) et faster-whisper pour relire ce qui est généré. Vérifie que ffmpeg est installé. Ne touche à rien d'autre, et dis-moi combien de place ça prend.

    Chez nous : un Mac avec 16 Go de mémoire. Les modèles se téléchargent une fois, puis la voix se fabrique sur la machine, sans abonnement à un service de voix.

  2. 02
    Ta voix

    Choisir tes 10 secondes de référence

    À donner avec : un enregistrement de toi, propre, sans musique : une vidéo, un mémo vocal.

    Voici un enregistrement de ma voix : [fichier]. Trouve le meilleur passage de 8 à 12 secondes où je parle seul, sans musique ni bruit, avec de l'énergie, et enregistre-le comme voix de référence.

    Chez nous : notre référence dure 7,8 secondes. Le ton du passage se retrouve dans tout ce qui est généré : une référence posée donne une voix posée, une référence qui a du rythme donne du rythme.

  3. 03
    Ta voix

    Générer une phrase, et la faire relire

    À donner avec : ta voix de référence, et une phrase dans la langue que tu veux.

    Avec ma voix de référence, fais-moi dire cette phrase en [langue] : « [phrase] ». Génère-la 4 fois, fais relire chaque essai par Whisper dans cette langue, et garde l'essai le plus fidèle au texte. Dis-moi la note de fidélité et ce que Whisper a entendu.

    Chez nous : une phrase est sortie « comme on te voit » au lieu de « commente voix ». À l'oreille, en passant vite, on la laissait. La relecture l'a attrapée.

  4. 04
    Langues

    Traduire tes phrases, puis les faire dire

    À donner avec : ton texte, une phrase par ligne.

    Traduis ces phrases en [anglais, espagnol, italien, allemand, arabe, japonais, chinois]. Traduction fidèle, phrases courtes, comme on parle. Écris les nombres en toutes lettres et les noms propres comme ils se prononcent dans la langue. Puis génère chaque phrase avec ma voix, relue par Whisper.

    Chez nous : dans une phrase anglaise, « can't » a été entendu « can » : le sens s'inversait. On l'a réécrite « It can never be ». Les négations sont les premières phrases à relire.

  5. 05
    Vidéo

    Doubler une vidéo entière

    À donner avec : ta vidéo finale et ses sous-titres (le fichier .srt).

    Voici ma vidéo et ses sous-titres. Découpe-les en phrases, traduis chaque phrase en [langue] en retirant les hésitations de l'oral, génère la voix phrase par phrase, puis remonte la vidéo en calant chaque plan sur la durée de sa nouvelle voix. Sors aussi les sous-titres traduits.

    Chez nous : 21 min 12 en français, 16 min 17 en anglais : même débit, les hésitations en moins. Le calcul a pris environ 2 h 30 pour 194 phrases, soit un peu moins d'une minute par phrase.

  6. 06
    Contrôle

    Lister ce qu'il faut réécouter

    À donner avec : rien : les notes de fidélité sont déjà là.

    Liste-moi toutes les phrases dont la note de fidélité est sous 0,9, avec ce que Whisper a entendu à la place. Pour chacune, dis-moi si c'est un nom propre mal transcrit ou un vrai défaut, et refais les vrais défauts.

    Chez nous : Whisper a écrit « 11 laps » pour « ElevenLabs » alors que la phrase était bien dite. Un nom propre mal transcrit n'est pas un défaut : c'est pour ça qu'on regarde ce qu'il a entendu, pas seulement la note.

  7. 07
    SEO

    Publier la version traduite là où on la cherche

    À donner avec : la version traduite de ta vidéo, et la page de ton site qui porte la vidéo d'origine.

    Pour la version [langue] de ma vidéo : écris le titre, la description et les chapitres YouTube dans cette langue. Prépare aussi la page de mon site dans cette langue, avec la transcription, les balises hreflang vers la page d'origine et les données structurées de la vidéo.

    Chez nous : notre vidéo sur l'audit GEO est sortie en anglais le 22 octobre 2026, avec sa page en anglais reliée à la page française.

Par où commencer ? Les prompts 1 à 3, sur une seule phrase. Si ta voix ne te ressemble pas, change de référence avant d'aller plus loin : c'est le réglage qui compte le plus.

Trois dalles en 3D : « Comment j'ai fait », « Claude installe un modèle gratuit », « 10 secondes de ma voix »

Comment ça marche

Générer plusieurs fois, relire à chaque fois

Un modèle de voix se trompe. Il avale un mot, il en invente un, il ajoute un souffle à la fin. Si tu génères une fois et que tu publies, tu publies ses erreurs.

Du coup, la méthode tient en une boucle. Chaque phrase est générée plusieurs fois. Chaque essai est transcrit par Whisper. On compare ce qu'il a entendu au texte, et on garde l'essai le plus fidèle. Tout ce qui est sous 0,9 est refait ou réécouté.

C'est ce que Claude fait pendant que tu fais autre chose. Toi, tu écoutes à la fin, et tu ne réécoutes que ce qu'il te signale.

Quatre tuiles en 3D se retournent du français vers l'anglais : Video, Voice, Slides, Sous-titres

Sur une vidéo entière

21 minutes en français, 16 minutes en anglais

Notre vidéo « Comment faire un audit GEO » dure 21 min 12 en français. Sa version anglaise dure 16 min 17. Rien n'a été coupé : à débit égal, ce sont les hésitations et les redites de l'oral qui ont disparu à la traduction.

Doubler une vidéo, ce n'est pas seulement changer la piste de son. Une phrase anglaise n'a pas la durée de la phrase française : chaque plan est recalé sur sa nouvelle voix. Les slides et les sous-titres sont traduits aussi. C'est le prompt 5.

Une limite : on ne garde pas le visage à l'écran dans la version doublée. Les lèvres parlent français, la voix parle anglais, et ça se voit.

Ce qu'une voix clonée ne fera pas pour toi

  • Garantir l'accent. La relecture vérifie les mots. Pour l'accent, il faut une oreille : quelqu'un qui parle la langue.
  • Traduire tes mots-clés. Une recherche ne se traduit pas mot à mot. Ce que les gens tapent en allemand se cherche en allemand.
  • Mettre en page l'arabe. La voix marche. Les slides, elles, se lisent de droite à gauche : c'est une autre mise en page.
  • Cloner la voix d'un autre. Ta voix, oui. Celle de quelqu'un d'autre, seulement avec son accord écrit.

Ce qu'elle fait bien

  • Dire ce que tu n'as jamais enregistré. Une phrase, un Reel, une vidéo de 16 minutes.
  • Parler des langues que tu ne parles pas. 23 langues pour le modèle multilingue, 7 utilisées dans notre Reel.
  • Tourner sur ton ordinateur. Pas de facture à la minute de voix, pas d'enregistrement envoyé à un service.
  • Se corriger. Une phrase ratée se refait seule, sans toucher aux autres.

Et maintenant, le SEO

Imagine tous les marchés que tu peux aller capturer en SEO

Une vidéo en français ne répond qu'aux recherches faites en français, sur Google comme sur YouTube. La même vidéo en anglais, en espagnol ou en allemand répond à d'autres recherches, devant d'autres concurrents. Jusqu'ici, ça voulait dire retourner la vidéo, ou payer un doublage. Plus maintenant.

Mais la vidéo doublée ne se référence pas toute seule. Ce qui la porte, c'est tout ce qui est écrit autour. Quatre choses, pour chaque langue :

  1. 01

    La vidéo, dans la langue

    Ta voix, les slides et les sous-titres. C'est le prompt 5.

  2. 02

    Le titre, la description, les chapitres

    Écrits dans la langue, pas traduits à la volée par la plateforme : c'est ce que YouTube et Google lisent pour savoir à qui montrer ta vidéo.

  3. 03

    La page de ton site, dans la langue

    Avec la transcription, et reliée à la page d'origine par une balise hreflang. En clair : la ligne qui dit à Google « cette page existe aussi dans telle langue, pour tel pays ».

  4. 04

    Les mots-clés du pays

    Une recherche ne se traduit pas mot à mot. Ce que les gens tapent en allemand se cherche en allemand, pays par pays, avant d'écrire le titre.

Un globe en 3D entouré des moteurs de recherche d'autres pays : google.de, google.es, google.it, google.co.jp, google.ae, baidu.com

Ce qu'on a fait

L'audit GEO en anglais : une vidéo, et sa page

La version anglaise de notre vidéo sur l'audit GEO est en ligne depuis le 22 octobre 2026. Elle n'est pas seule : elle a sa page en anglais sur notre site, avec la transcription et les données de la vidéo, reliée à la page française.

Chaque langue devient un nouveau terrain : sa page Google, sa recherche YouTube, et ses réponses dans les IA, qui lisent aussi ce qui est écrit dans leur langue.

Petit warning : on n'a pas encore assez de recul pour te donner un chiffre de trafic sur cette version anglaise. Et un marché ne se gagne pas avec une traduction : c'est une vraie stratégie par pays, la voix clonée enlève seulement le coût du tournage.

Les questions sur le clonage de voix

Peut-on cloner sa voix gratuitement ?

Oui. Le modèle Chatterbox est libre et tourne sur ton ordinateur : tu ne paies pas à la minute de voix. Ce que tu paies, c'est ton abonnement à Claude, qui installe et pilote le modèle, et du temps de calcul.

Claude peut-il cloner une voix tout seul ?

Non. Claude ne fabrique pas de son. Il installe un modèle de voix, lui donne ta référence et ton texte, fait relire le résultat et recommence quand c'est raté. C'est lui qui fait le travail d'un technicien, pas celui du modèle.

Combien de temps de voix faut-il enregistrer ?

Une dizaine de secondes propres, sans musique ni bruit. Notre référence dure 7,8 secondes. Le ton de ce passage se retrouve dans tout ce qui est généré : choisis un moment où tu parles comme tu veux qu'on t'entende.

Faut-il un ordinateur puissant ?

On a tout fait sur un Mac avec 16 Go de mémoire. Une phrase prend un peu moins d'une minute, relectures comprises. Sur une vidéo longue, tu lances le calcul et tu reviens plus tard : 2 h 30 pour nos 194 phrases.

Dans quelles langues peut-on faire parler sa voix ?

La version multilingue de Chatterbox parle 23 langues. Dans notre Reel : anglais, espagnol, italien, allemand, arabe, japonais et chinois. Pour l'arabe, la voix marche ; ce sont les slides, à écrire de droite à gauche, qui demandent du travail en plus.

Est-ce aussi bien qu'ElevenLabs ?

On n'a pas fait de comparaison mesurée, donc je ne te donnerai pas de verdict. ElevenLabs est un service en ligne, plus simple à prendre en main. Ici, tout tourne chez toi, sans facture à la minute, au prix d'une installation et d'un peu de patience. Pour nos vidéos, ça nous suffit.

Ai-je le droit de cloner une voix ?

La tienne, oui. Celle de quelqu'un d'autre, seulement avec son accord écrit. Et quand tu publies une vidéo dont la voix est synthétique, regarde ce que la plateforme te demande de déclarer : YouTube a une case pour ça dans YouTube Studio.

Que contient le kit PDF ?

Les 7 prompts, et pour chacun : ce que tu donnes à Claude, ce que tu écoutes, ce que ça a donné chez nous. Plus nos réglages exacts, les pièges de la relecture (nombres, marques, négations, fins de phrase), les 23 langues du modèle et la checklist SEO par langue. 7 pages, gratuit, contre ton mail pro.

Une vidéo doublée se référence-t-elle sur Google ?

Pas toute seule. Il lui faut un titre, une description et des chapitres dans la langue, et une page dans cette langue sur ton site, reliée à la page d'origine. C'est le prompt 7. Le reste, c'est du SEO YouTube.

Tes vidéos dans d'autres langues, on regarde ensemble ?

30 minutes avec moi : quelles vidéos valent le coup d'être doublées, dans quelles langues, et ce qu'il faut autour pour qu'on les trouve. Sans slide de vente.