Monter des shorts en local, sans cloud ni abonnement.
Les outils qui montent automatiquement des vidéos courtes sont presque tous en ligne et payants. Il faut leur envoyer ses rushs, et ils limitent la personnalisation des sous-titres. Je voulais l'inverse : un outil qui fait le travail répétitif (couper les silences, sous-titrer) en quelques secondes, sur ma propre machine, en laissant le contrôle total sur le rendu final. Montage IA est une application de bureau open source (MIT), disponible sous Windows via un installeur autonome, et sous macOS et Linux depuis les sources.
Ce que fait l'application
- Transcription locale au mot près avec Whisper large-v3-turbo, sur GPU NVIDIA ou sur processeur.
- Coupes automatiques des silences (seuil réglable) et des tics de langage (« euh », « du coup »…). Chaque coupe est repérée sur la timeline et peut être annulée d'un clic.
- Éditeur de sous-titres dans le navigateur : déplacer, redimensionner, restyler directement sur la vidéo, avec cinq styles, un surlignage mot à mot ou en karaoké, des émojis, la sélection multiple et l'annulation.
- Traduction du français vers l'anglais, hors ligne, en environ une seconde.
- Recadrage 9:16 et export fidèle : la vidéo finale est identique à l'aperçu de l'éditeur.
- Bibliothèque de projets enregistrée sur disque, ligne de commande pour le traitement par lots, installeur Windows sans droits administrateur.
Analyser une fois, éditer gratuitement
La transcription, seule étape coûteuse, n'a lieu qu'une fois par vidéo. Un projet ne stocke que les mots horodatés et les réglages ; les coupes sont recalculées à partir d'eux, donc sous-titres et montage ne peuvent jamais se désynchroniser. Pendant l'édition, rien n'est réencodé : les sous-titres sont dessinés en HTML par-dessus un aperçu léger, et seul l'export final relance ffmpeg.
Un rendu identique entre le navigateur et ffmpeg
Chaque sous-titre porte sa position normalisée, sa taille et ses couleurs. Le serveur traduit exactement ces valeurs en balises libass, à partir des mêmes styles que l'éditeur. libass ne sachant dessiner les émojis qu'en noir et blanc, ceux-ci sont rendus en images couleur puis superposés par ffmpeg dans la même passe d'encodage.
Traduire des sous-titres de quatre mots sans perdre le sens
Traduire ligne par ligne produit du charabia. Les lignes sont donc regroupées en phrases, traduites d'un bloc par un modèle Opus-MT exécuté avec CTranslate2, puis les mots traduits sont répartis sur les lignes d'origine au prorata de leur longueur et recalés sur leurs horaires. Le texte original est conservé : la traduction est réversible, et elle se refait seule quand le montage change. Résultat : 102 lignes traduites en 0,7 s sur processeur.
Fonctionner sur n'importe quel PC
Le matériel est détecté automatiquement, avec un repli à chaque étape. Si le GPU échoue pendant la transcription (bibliothèques CUDA absentes, mémoire saturée), elle reprend sur le processeur. L'encodage matériel NVENC est testé sur une image avant l'export : ffmpeg l'annonce comme disponible même quand le pilote est trop ancien, et l'échec n'apparaissait qu'à la fin. Un vrai bug rencontré sur ma machine, corrigé en basculant alors sur l'encodeur logiciel.
Distribuer une application IA de 2 Go
L'installeur Windows (PyInstaller et Inno Setup) embarque Python, le moteur, ffmpeg, les bibliothèques CUDA et le modèle de traduction. L'utilisateur n'a rien d'autre à installer, et les projets survivent aux mises à jour.
Qualité et open source
- 120 tests pytest qui tournent sans GPU, sans modèle et sans vraie vidéo grâce à des doublures pour les parties lourdes, plus un test d'intégration ffmpeg de bout en bout.
- Intégration continue GitHub Actions sur Linux (Python 3.10 et 3.12) et Windows.
- Prêt pour les contributeurs : installation en quatre commandes, script de téléchargement des modèles, documentation en anglais et en français, guide de contribution, inventaire des licences tierces.
Sous le capot
- Moteur : Python 3.10 à 3.12, FastAPI, Uvicorn, Pydantic.
- IA locale : faster-whisper (Whisper large-v3-turbo), CTranslate2, SentencePiece, Opus-MT.
- Vidéo : ffmpeg (trim/concat, recadrage, NVENC ou libx264), libass, Pillow.
- Interface : HTML, CSS et JavaScript natifs, dans un seul fichier, sans étape de build.
- Distribution et qualité : PyInstaller, Inno Setup, pytest, GitHub Actions.