Booq — traduction et doublage vidéo par IA, pensés d'abord pour le persan

En bref

• Localiser des médias supposait toute une chaîne de traducteurs, de comédiens de doublage, de studios et de monteurs : autant de prestataires et de factures distincts.
• Une application web pensée d'abord pour le persan, qui réunit traduction, doublage, podcasts, musique, images et film, le tout réglé depuis un portefeuille unique.
• En production et en développement actif, avec des notes de version pour les clients générées à partir des déploiements en production.

Points forts

• Cinq façons de localiser une vidéo

  Sous-titres d'origine ou traduits, doublage, ou doublage avec l'une ou l'autre piste de sous-titres ; un résultat par langue, ainsi qu'un lot unique.

• Une voix distincte pour chaque locuteur

  Le doublage multi-locuteurs détecte qui parle, attribue à chaque locuteur une voix distincte et cale le minutage sur l'original.

• 30 voix et une timeline pour les podcasts

  Narration, silences et extraits musicaux sur une même timeline ; la musique ne baisse que lorsque quelqu'un parle.

• Musique et chansons à partir d'un brief

  Morceaux instrumentaux originaux et chansons complètes, avec un mode strict qui conserve mot pour mot les paroles de l'utilisateur, et une traduction des paroles en option.

• 115 styles visuels en 6 groupes

  Caméra, couleur, éclairage, matière, style artistique et technique, combinés sans jargon de prompt ; une copie en plus haute résolution de chaque image, en option.

• De l'histoire au film en 9 étapes guidées

  Chaque étape présente d'abord son plan ; l'utilisateur peut l'accepter, le régénérer, le modifier ou importer le sien. Les fiches personnages assurent la cohérence des personnages d'un plan à l'autre.

Le défi

Localiser une vidéo mobilise généralement toute une chaîne de spécialistes : un traducteur, des comédiens de doublage, un studio d'enregistrement et un monteur, et souvent aussi un graphiste et un compositeur. Chaque maillon est un prestataire distinct, avec son propre format de fichier et sa propre facture, et le calendrier dérape dans les passages de relais entre eux.

Pour les créateurs, les entreprises et les formateurs persanophones auxquels Booq s'adresse, les conditions placent la barre encore plus haut. Les paiements se font en tomans via une passerelle locale, les fichiers vidéo volumineux transitent par des connexions inégales, et l'interface doit sembler native dans une langue qui s'écrit de droite à gauche, plutôt que simplement traduite dans cette langue.

En coulisses, chaque fonctionnalité dépend de fournisseurs d'IA externes, dont chacun peut tomber en panne ou évoluer indépendamment des autres. La plateforme devait continuer de fonctionner dans ce cas, et la personne qui a quelque chose à dire ne devrait jamais avoir à devenir monteur vidéo pour le dire.

Architecture

Booq est un ensemble de services indépendants derrière une seule application web, avec une passerelle distincte pour chaque fournisseur d'IA. C'est cette décision, à elle seule, qui permet de changer de modèle, de renouveler une clé ou de contourner automatiquement un fournisseur défaillant, sans toucher au reste du produit.

• Chaque tâche passe par une file d'attente. Les traitements lourds attendent dans des files prioritaires persistantes, avec des limites propres à chaque service, au lieu de s'exécuter au sein d'une requête web.

• Le travail reprend au lieu de recommencer. Les traductions enregistrent des points de reprise et repartent de là où elles s'étaient arrêtées après un plantage, et les transferts de fichiers volumineux reprennent sur une connexion médiocre au lieu de repartir de zéro.

• L'argent suit le travail. Un portefeuille prépayé unique en tomans, la TVA affichée d'emblée, un registre permanent, des remises appliquées exactement comme annoncées et des remboursements automatiques en cas d'échec d'une tâche.

• Trois applications, et non une seule. Clients, administrateurs et équipe support utilisent chacun une application déployée séparément, et une session ouverte dans l'une n'est pas valable dans une autre.

• Des bascules plutôt que de nouvelles versions. Les modules du produit s'activent ou se désactivent sans nouvelle version, et les modèles comme les clés des fournisseurs se changent depuis le panneau d'administration.

La plateforme tourne sur un cluster de conteneurs décrit sous forme de code, les charges lourdes étant placées au plus près de leurs données. Chaque version passe par la compilation, les tests, un déploiement en préproduction et un test de fumée avant qu'une personne ne valide sa mise en production, et un retour d'urgence à la version précédente peut être déclenché manuellement.

Ce que j’ai construit

Un seul espace de travail couvre tout le parcours, du matériau source au fichier fini.

Traduction et doublage vidéo

• Cinq modes de sortie : sous-titres dans la langue d'origine, sous-titres traduits, doublage seul, doublage avec sous-titres d'origine, ou doublage avec sous-titres traduits.

• Doublage multi-locuteurs : les locuteurs sont détectés, chacun reçoit une voix distincte, et le minutage est calé sur l'original.

• Automatique ou interactif : exécution sans intervention, ou pause pour relire et modifier les sous-titres avant tout rendu.

• Finition prête à diffuser : sous-titres incrustés et stylisés pour la vidéo verticale comme pour le format panoramique, avec l'audio d'origine ou la musique de fond conservés à faible volume sous le doublage.

• Import par lot ou par lien : envoi d'une archive de vidéos ou collage d'un lien de réseau social, avec détection automatique de la langue source et affichage du prix avant tout débit.

Voix, podcasts et musique

• 30 voix IA avec des indications de ton, appliquées comme des consignes plutôt que lues à voix haute.

• Studio Podcast : narration, silences et extraits audio sur une même timeline ; la voix peut entrer sur la fin d'un extrait musical, et la musique ne baisse que pendant que quelqu'un parle.

• Musique et chansons : morceaux instrumentaux originaux à partir d'un brief, et chansons complètes avec des paroles générées par l'IA ou fournies par l'utilisateur, y compris un mode strict qui conserve les paroles mot pour mot et une traduction des paroles en option.

• Transcription en sous-titres ou en texte brut, avec ponctuation par IA et relecture humaine en option.

Images et film

• Studio de styles visuels : 115 styles répartis en 6 groupes, pour composer un rendu sans jargon de prompt, et, en option, une copie en plus haute résolution de chaque image.

• Studio vidéo IA : un sujet ou une histoire devient un film finalisé en 9 étapes guidées : histoire, découpage, style visuel, personnages, fiches personnages, bande-son, plans, montage et rendu.

• Conception sonore : 744 effets sonores gratuits du domaine public intégrés au studio, sur une timeline audio multipiste.

Autour de la production

• Ma bibliothèque rassemble au même endroit tous les fichiers importés et tous les résultats, disponibles partout où un fichier est nécessaire.

• Privé par défaut : seul le propriétaire peut télécharger un résultat, sauf s'il crée un lien de partage.

• Trois langues d'interface : le persan par défaut, ainsi que l'anglais et l'arabe, avec une prise en charge complète de l'écriture de droite à gauche et une installation possible comme application web.

• Un éditeur de pages et un blog bilingues, pour publier des pages marketing sans développeurs.

Résultat

Booq est en production et en développement actif. Les déploiements en production génèrent des notes de version destinées aux clients, débarrassées des noms internes, traduites en persan et en arabe et modifiables par les administrateurs.

Un créateur peut désormais décliner une vidéo en plusieurs langues au sein d'un même projet, sous forme de sous-titres, de doublage ou des deux, et produire podcasts, musique, images et films dans le même espace de travail, chaque résultat arrivant dans une bibliothèque unique. Chaque tâche affiche son prix, ou son estimation de départ, avant de s'exécuter, et une tâche qui échoue est automatiquement remboursée.

L'équipe d'exploitation peut changer de modèle, renouveler les clés des fournisseurs et activer ou désactiver des modules du produit sans nouvelle version, et publier des pages marketing sans développeur. Les sauvegardes s'exécutent toutes les heures, et une sauvegarde de production a été vérifiée par une relecture intégrale.

Post-mortem

L'exploitation de la plateforme en production a conduit à plusieurs changements de cap. Chacun a remplacé une hypothèse confortable par un comportement par défaut plus sûr.

Synthèse vocale. La synthèse vocale était d'abord volontairement confiée à un seul fournisseur, car changer de fournisseur, c'est changer de voix. Lorsque ce fournisseur a subi une panne, des doublages ont été assemblés avec des silences à la place des répliques manquantes. Désormais, la synthèse vocale bascule d'un fournisseur à l'autre le long d'une chaîne de secours, selon le principe qu'une voix légèrement différente vaut mieux que le silence.

Modération. Le filtrage des contenus s'exécutait auparavant pendant la création du projet, si bien que les utilisateurs attendaient entre la fin de leur envoi et l'affichage de leur page de projet. Il s'exécute désormais en arrière-plan, et un résultat terminé reste au statut « vérification du contenu en cours » jusqu'à ce que celle-ci soit terminée, afin qu'aucun résultat ne soit présenté comme prêt tant que sa vérification n'est pas achevée.

Mises en production et sauvegardes. Les déploiements en production sont passés d'un mode automatique à une approbation manuelle, qui ne se débloque qu'une fois les contrôles de préproduction réussis. Les sauvegardes sont devenues horaires, et la plus récente a été relue intégralement, car une sauvegarde que personne n'a jamais relue n'est pas une sauvegarde.

Mon rôle

• Définition de l'architecture de Booq en tant que directeur technique : des services indépendants, une passerelle distincte pour chaque fournisseur d'IA et trois applications déployées séparément pour les clients, les administrateurs et le personnel.
• Conduite de la plateforme depuis le premier commit jusqu'à un cluster de conteneurs de production décrit sous forme de code, avec des étapes de validation qui aboutissent à une approbation manuelle.
• Responsabilité des décisions produit et tarifaires du programme de lancement (campagnes tarifaires, politique de licences et de stockage), conduit comme un programme structuré, avec des étapes de vérification et de retour arrière.
• Définition des exigences du Studio vidéo IA en tant que product owner, et constitution du catalogue initial du Studio de styles visuels à partir de sa propre sélection de styles.
• Pilotage d'un processus d'ingénierie augmenté par l'IA, avec des agents de codage chargés d'étudier les bonnes pratiques, de planifier par phases et de livrer en production en passant par la préproduction.

Ingénierie

• Les fournisseurs flanchent, le produit tient bon

  Chaque fournisseur d'IA se trouve derrière sa propre passerelle, avec bascule automatique, et modèles comme clés se changent depuis le panneau d'administration sans redéploiement.

• Pensé pour résister aux plantages et aux connexions faibles

  Après un plantage, les traductions repartent de leurs points de reprise, et les transferts de plusieurs gigaoctets se poursuivent sur un réseau médiocre au lieu de repartir de zéro.

• Une gestion prudente de l'argent

  Les tâches en échec sont remboursées automatiquement, les remboursements sont protégés contre tout double versement, et chaque transaction est inscrite dans un registre permanent.

• Vérifié avant d'être présenté comme prêt

  Images, vidéos, audio et textes sont filtrés en arrière-plan, avec une voie de recours ; un résultat terminé reste en attente jusqu'à la fin de sa vérification.

• Un contrôle d'accès à plusieurs niveaux

  Des applications distinctes pour les clients, les administrateurs et le personnel ; les consoles exigent un second facteur et appliquent des permissions fondées sur les rôles.

• Supervisé, testé en charge, sauvegardé

  Des tableaux de bord avec des alertes acheminées selon leur gravité, des tests de charge avant lancement confrontés à des seuils de réussite ou d'échec, et des sauvegardes horaires, dont l'une a été vérifiée par une relecture intégrale.

Résultats

• En production et en développement actif, avec une interface pensée d'abord pour le persan, disponible en persan, en anglais et en arabe.
• Un créateur peut décliner une vidéo en plusieurs langues au sein d'un même projet, sous forme de sous-titres, de doublage ou des deux.
• Podcasts, musique, images et films sont produits dans le même espace de travail et rejoignent une bibliothèque unique.
• L'équipe d'exploitation change de modèle, renouvelle les clés et active ou désactive des modules du produit sans publier de nouvelle version.
• Les déploiements en production génèrent des notes de version pour les clients, traduites en persan et en arabe et modifiables par les administrateurs.