Et si tu pouvais sortir ta propre chanson, chantée avec TA voix, et son clip musical, sans savoir chanter, sans caméra et sans studio ? C’est exactement ce que j’ai fait : un clip de rap complet, « 1er sur l’IA », tourné à Cannes avec tapis rouge, Lamborghini et concert en plein air. Sauf que je n’ai jamais quitté mon bureau.
Tout a été créé de A à Z par Bionic, le nouvel agent de LM Studio, en pilotant à la voix 3 IA open weight sorties cet été : MiniMax Music 3.0 pour la chanson, MiniMax H3 pour le clip vidéo, et Kimi K3 pour orchestrer le projet. Et la bonne nouvelle, c’est que tu peux reproduire tout ça gratuitement, sur un simple Mac, PC ou smartphone.
Dans cet article, je te détaille les 8 étapes du process complet : les paroles, la chanson, le clonage de voix, le character sheet, la génération du clip avec lip-sync et le montage final avec sous-titres karaoké. Avec à chaque fois comment faire sans payer.
Pas le temps de lire, regarde ma vidéo
Le résultat : le clip « 1er sur l’IA »
Avant de rentrer dans la méthode, voilà ce qu’on va fabriquer ensemble. 60 secondes, 4 plans générés par IA, ma voix clonée, des sous-titres karaoké :
Cannes, la plage, le tapis rouge du Palais des Festivals, un flyboard sur la mer, une Lambo devant un palace et un concert où je distribue des billets à mes fans. Ambiance clip de rap des années 90, bling-bling assumé. Et le personnage reste strictement identique d’un plan à l’autre — je t’explique comment à l’étape 6.
Les outils : 3 IA open weight + un agent
Le principe : on ne va pas utiliser 10 applications. On va utiliser un seul outil qui pilote les autres.
- Bionic, l’agent de LM Studio (sorti cet été lui aussi) : c’est le chef d’orchestre. Un équivalent de Claude Code, gratuit, qui crée des fichiers, lance des outils et exécute ce que tu lui demandes — ici, simplement à la voix.
- MiniMax Music 3.0 : le générateur de chansons. Une sorte de Suno open weight — tu lui donnes des paroles et un style, il sort un morceau complet, voix et arrangement compris.
- MiniMax H3 : le modèle vidéo. Il génère des clips de 15 secondes en 2K avec audio natif, et surtout il sait faire du lip-sync à partir d’une image de référence + d’une piste audio.
- Kimi K3 : l’IA agentique open weight qui pilote tout ça dans Bionic. C’est elle qui écrit les prompts, découpe les audios et lance les générations.
Autour de ce quatuor, quelques utilitaires gratuits : un vocal remover pour séparer le chant de l’instru, RVC pour cloner ma voix, Nano Banana 2 pour le character sheet, et FFmpeg pour le montage.
Étape 1 : écrire les paroles avec un LLM
Premier réflexe : ne pas écrire les paroles soi-même. J’ai demandé à une IA, à la voix, de m’écrire un rap. Le brief, tel quel :
« Fais un rap sur Jeanviet, style de musique rap. Place des trucs drôles, comme premier sur les mois de l’année, t’étais pas né que j’étais déjà premier sur les blogs, YouTube et les mois de l’année. Sous ma casquette pas de cheveux mais des idées. »
Le résultat, un concentré de punchlines absurdes et fières :
« Jeanviet, Jeanviet, non, cherche pas dans ton calendrier. Sous ma casquette, pas de cheveux, mais des idées. T’étais même pas né, que j’étais premier. J’ai jamais su chanter, l’IA s’en est chargée. Zéro billet, un iPhone, et me voilà signé. »
Tu peux faire cette étape dans ChatGPT, Claude, DeepSeek ou n’importe quel LLM. Aucun problème, c’est la partie la plus simple.
Étape 2 : générer la chanson avec MiniMax Music 3.0
Direction minimax.io/audio/music. Tu colles les paroles, tu décris le style musical, tu lances. En une seule passe, Music 3.0 te sort deux propositions de morceaux complets — comme Suno, tu choisis celle que tu préfères. Et par défaut, c’est gratuit.
Astuce de contrôle que je te recommande : demande le même texte dans un style totalement différent (j’ai fait une version rock, façon Guns N’Roses). Ça prouve que tu pilotes vraiment le rendu, et c’est très drôle.
Un point important : la voix qui sort de Music 3.0 n’est pas la tienne, et c’est normal — ce modèle ne sait pas imiter quelqu’un. C’est tout le sujet des deux étapes suivantes.
Étape 3 : séparer la voix et la musique
Pour remplacer la voix du morceau par la mienne, il faut d’abord l’isoler. On garde l’instru d’un côté, la voix de l’autre : c’est elle qui servira de référence pour le clonage.
Deux façons de faire : directement dans Bionic avec une skill vocal remover (c’est ce que j’ai fait), ou par un site de séparation de pistes. Dans les deux cas, tu obtiens deux fichiers : le chant seul, et l’instrumental seul.
Étape 4 : cloner ta voix chantée avec RVC
On arrive à l’étape la plus impressionnante. Et attention, il y a un piège : cloner une voix parlée et cloner une voix chantée, ce ne sont pas les mêmes outils. Ici, on ne fabrique pas une voix à partir d’un texte : on prend une performance qui existe déjà — le chant de Music 3.0 — et on remplace le timbre par le tien, en gardant le flow et la mélodie.
- RVC : le meilleur résultat, mais il faut entraîner un modèle sur ta voix. Gratuit.
- Vevo 2 : un Space gratuit sur Hugging Face, qui marche en zéro-shot, sans entraînement. Plus rapide, mais la ressemblance sur les mots est moins nette.
- ElevenLabs Voice Changer : l’option payante de secours.
Mon conseil : utilise RVC si tu peux entraîner, Vevo 2 pour tester rapidement. Et je le précise parce que tu vas avoir envie d’essayer : là, on clone sa propre voix. Celle de quelqu’un d’autre sans son accord, c’est une autre histoire, et pas une bonne.
Étape 5 : assembler voix clonée + instrumental
Maintenant, on remonte le morceau : la voix clonée par-dessus l’instru. J’aurais pu le faire à la main dans Audacity, mais j’ai préféré le demander à Bionic. Et c’est exactement ça, la différence entre un chatbot et un agent : il va chercher les programmes qu’il faut tout seul — FFmpeg en l’occurrence — et il fait le boulot.
Astuce : demande-lui aussi une version coupée de 60 secondes. C’est le format idéal pour un clip partageable, et ça tombe bien, c’est exactement 4 × 15 secondes, la durée max d’une génération H3.
Étape 6 : créer le character sheet (l’étape qui change tout)
Le morceau est fini, il nous faut le personnage. Et c’est LE point que tout le monde rate : si tu génères ton rappeur plan par plan sans référence, tu te retrouves avec cinq personnes différentes dans le même clip.
La solution : un character sheet, une planche qui fixe le personnage une bonne fois pour toutes — face, profil, dos, détails des vêtements, palette de couleurs. Je l’ai généré avec ma skill Nano Banana 2 dans Bionic, à partir de quelques photos de moi :
« Crée un character sheet de ce personnage, à partir de toutes les photos du dossier personnage Jeanviet. Format 16/9, fond gris neutre. »
Précision honnête : Nano Banana 2, c’est Google, ce n’est pas de l’open weight. Mais n’importe quel générateur d’images capable de suivre une référence fait l’affaire.
Étape 7 : générer le clip avec MiniMax H3 (4 × 15 secondes)
Character sheet + chanson = clip de rap. La force de MiniMax H3 : il accepte des images et de l’audio en référence, et il synchronise les lèvres sur la piste. Donc la recette :
- Découper le morceau en 4 segments de 15 secondes (Bionic le fait avec FFmpeg).
- Écrire 4 prompts, un par segment, avec un découpage seconde par seconde : lieu, cadrage, mouvement de caméra, action.
- Pour chaque génération : le character sheet en image de référence + le bon segment audio. Le personnage chante réellement les paroles de chaque section.
La direction artistique que j’ai donnée : Cannes, la plage, le tapis rouge du Palais des Festivals, un flyboard sur la mer, une voiture de sport devant un palace, la course au ralenti sur le sable, et un concert en plein air où je distribue des billets. Ambiance clip de rap des années 90, fisheye, grain VHS. Et la casquette NY bordeaux ne quitte jamais le personnage.
Structure d’un bon prompt H3 pour ce genre de clip : le format et le style global, puis le sujet en renvoyant explicitement à la référence (« same man as the reference character sheet… »), l’instruction de lip-sync, un découpage temporel plan par plan (0-4s, 4-8s, 8-12s, 12-15s), et le style final (colorimétrie, objectif, grain).
Étape 8 : le montage final (sans toucher à un logiciel de montage)
Dernière étape : assembler. J’ai donné à Bionic le dossier complet — la chanson, le character sheet, les paroles, les 4 vidéos, le fichier SRT des sous-titres — et une phrase :
« Assemble les vidéos, mets des sous-titres style karaoké à partir du SRT, et ajoute un petit insert d’intro avec qui chante Jeanviet, et un outro qui explique comment le clip a été créé. »
Résultat : les 4 clips assemblés à la suite, des transitions entre les plans, une carte d’intro avec jingle (« Jeanviet — 1er sur l’IA — 23.08.2026 »), un carton de fin qui liste les outils, et des sous-titres karaoké mot à mot qui passent à l’or pendant qu’ils sont chantés — de quoi chanter en même temps que le clip.
Temps de travail de l’agent : 7 minutes 30. C’est lui qui bosse, pas moi.
Comment faire tout ça gratuitement ?
C’est la promesse du début, la voilà tenue, poste par poste :
- Bionic et LM Studio : gratuits. Les modèles qui tournent sur ta machine : gratuits et illimités. Avec une bonne carte graphique, tu peux même piloter le projet avec un modèle local comme Qwen 3.8.
- MiniMax Music 3.0 : gratuit sur leur site pendant une période limitée — tu peux vraiment te lâcher sur les générations.
- Vocal remover, Vevo 2, RVC : gratuits (les deux derniers sur Hugging Face).
- MiniMax H3 : le seul poste payant. La génération se fait via l’API, facturée à la seconde. Compte quelques euros pour un clip de 4 plans en 2K. Des crédits gratuits existent aussi en téléchargeant le Hub MiniMax.
Et pour t’aider à démarrer, j’ai un bon plan : les 20 premiers qui commentent cet article (ou la vidéo) en expliquant comment ils comptent utiliser Bionic reçoivent 5 $ de crédit sur le cloud Bionic — de quoi tester Kimi K3, DeepSeek V4 Pro ou GLM 5.2 gratuitement. Je ne suis pas payé par LM Studio, j’aurais fait cette vidéo de toute façon, mais autant que ça te serve. Avant le 8 septembre !
Ce qu’il faut retenir
Créer une chanson et son clip avec l’IA en 2026, ce n’est plus une démo technique : c’est un process complet, accessible, et presque entièrement gratuit. La recette : un LLM pour les paroles, Music 3.0 pour le morceau, RVC pour ta voix, un character sheet pour le personnage, H3 pour la vidéo, et un agent comme Bionic pour orchestrer le tout à la voix.
Le point critique à ne pas zapper : le character sheet (sinon, cinq rappeurs différents dans le même clip). Alors, quel personnage tu ferais, toi ? Dis-le moi en commentaire — et si tu bloques quelque part en refaisant le process, dis-moi où, je te dépanne 🙂