Captions

Captions est une application de création et de montage vidéo propulsée par l'IA, développée par Mirage, l'entreprise new-yorkaise fondée en 2021 par Gaurav Misra et Dwight Churchill. L'application est conçue pour automatiser les parties les plus chronophages de la production de vidéos courtes : l'ajout de sous-titres animés, la correction du contact visuel, la suppression des mots de remplissage, le doublage des séquences dans d'autres langues et la génération de publicités basées sur des avatars sans aucun tournage. En juillet 2024, lorsque l'entreprise a clôturé une série C de 60M$ pour une valorisation de 500M$ menée par Index Ventures, elle comptait 10 millions de créateurs inscrits produisant 3,5 millions de vidéos par mois sur la plateforme. En mars 2026, l'entité mère a été rebaptisée Mirage et a levé 75M$ supplémentaires auprès de General Catalyst, signalant 200 millions de vidéos créées au total et 28,4M$ de revenus in-app.

L'ensemble des fonctionnalités de base couvre la boucle de production complète depuis un seul appareil : un mode d'enregistrement assisté par prompteur, AI Edit (application de style en un clic), AI Eye Contact (qui réaligne le regard vers la caméra en post-production), AI Filler Word Removal (supprime les « euh », « hum » et autres hésitations similaires de la piste audio), AI Dubbing (traduction par clonage vocal dans 28 langues avec mouvement des lèvres synchronisé), AI Twins (un avatar numérique créé à l'image de l'utilisateur), AI Ads (génère de multiples variantes de publicités de style UGC à partir de l'URL d'un produit) et AI Shorts (extrait automatiquement les extraits les plus engageants de séquences plus longues). Le style des sous-titres couvre plus de 100 formats animés avec une mise en évidence des mots façon karaoké. Les forfaits Scale et Enterprise incluent un accès API pour la génération de vidéos programmatique.

Ce que Captions produit en mai 2026

Captions est conçu autour de la vidéo courte, principalement des clips verticaux pour TikTok, Instagram Reels et YouTube Shorts, bien que les exports horizontaux 16:9 pour YouTube aient été ajoutés fin 2024. Le pipeline AI Edit accepte les séquences brutes face caméra et applique des coupes de scènes automatisées, l'insertion de B-roll, des effets de zoom, des superpositions de sous-titres et un nettoyage audio en un seul passage. La précision des sous-titres est annoncée entre 93 et 99 % dans les plus de 28 langues prises en charge, le plafond de précision s'appliquant à un anglais clair et sans accent, et diminuant pour les dialectes régionaux et les discours non standard.

AI Creator permet aux utilisateurs de générer des vidéos face caméra entièrement nouvelles à partir d'un script textuel à l'aide d'un avatar 3D, sans aucun tournage. AI Twin personnalise cela avec un avatar numérique créé par l'utilisateur, entraîné sur un court téléchargement de séquences réelles. L'AI Ad Generator prend un lien de produit et un ton de script sélectionné, puis génère plusieurs variantes de publicités complètes combinant la présentation par avatar, le sous-titrage et l'image de marque, conçues pour les placements à réponse directe de Meta et TikTok. En mars 2026, Mirage a publié un nouveau modèle audio qui préserve les caractéristiques de l'accent dans les vidéos générées et doublées, comblant ainsi une lacune signalée par les créateurs internationaux dont le rendu doublé semblait auparavant neutralisé.

« La fonctionnalité de contact visuel change la donne. Je peux lire des notes sans avoir l'air de lire un script. » -- Évaluateur de l'App Store iOS, 2025

Mirage Edit, sorti en avril 2025, a combiné les séquences AI Twin avec des clips enregistrés en direct pour assembler automatiquement une vidéo courte finalisée, gérant les coupes, les sous-titres et les mouvements en une seule action. Un mode Co-Editor (ajouté en août 2025) permet un montage collaboratif en temps réel sur des projets partagés. La transcription prend désormais en charge les fichiers jusqu'à 30 minutes, et l'exportation SRT est disponible sur tous les forfaits payants pour les créateurs qui ont besoin de fichiers de sous-titres pour les télécharger sur les plateformes.

Où se situe Captions par rapport à Submagic et Opus Clip

Submagic et Captions se chevauchent considérablement sur la couche de sous-titrage, mais divergent en termes d'architecture, d'interface et de portée. Submagic est un outil basé sur le web : les utilisateurs téléchargent un clip préenregistré, Submagic applique des sous-titres animés et le résultat est exporté. C'est en grande partie le flux de travail complet. Captions est une application mobile native qui couvre l'enregistrement, le montage, le sous-titrage, le doublage et la génération d'avatars de manière séquentielle. Un créateur qui souhaite enregistrer de zéro, appliquer des passes de montage IA, ajouter des sous-titres et exporter sans toucher à un ordinateur de bureau décrit le cas d'usage de Captions, et non celui de Submagic. Le module complémentaire Magic Clips de Submagic (12$/mois en plus du forfait de base) extrait les moments viraux de contenus longs jusqu'à 30 minutes ; l'équivalent de Captions (AI Shorts) est limité par des crédits derrière le forfait Max à 24.99$/mois. Concernant la variété des sous-titres, Submagic propose plus de 35 styles animés avec des effets de mots réactifs aux émotions ; Captions propose plus de 100 styles. Submagic n'inclut pas la correction du contact visuel, les avatars numériques ou le doublage vocal. La tarification est également structurellement différente : Submagic facture au nombre de vidéos (20 vidéos/mois sur Starter à environ 20$/mois), tandis que Captions facture par crédits consommés par action IA, ce qui crée une imprévisibilité au niveau du forfait Pro.

Opus Clip appartient à une catégorie d'outils différente. Sa fonction est le recyclage de formats longs en formats courts : un utilisateur télécharge un podcast, un webinaire ou une vidéo YouTube de 30 à 180 minutes, et l'algorithme Virality Score d'Opus Clip analyse l'énergie de la parole, les transitions de sujets et croise les données sociales tendances pour classer les moments en fonction de l'engagement prédit, puis génère automatiquement 5 à 10 clips sous-titrés avec des scores associés. Captions ne dispose pas d'un modèle de notation de viralité qui croise les données tendances. Opus Clip ne propose pas d'enregistrement, de génération d'avatars, de correction du contact visuel ou de doublage. La distinction pratique est la suivante : Opus Clip est le bon outil pour un podcasteur ou un YouTuber disposant de contenu long existant à recycler ; Captions est le bon outil pour un créateur générant du contenu court original de zéro sur mobile. Le forfait Starter d'Opus Clip coûte environ 9$/mois avec 150 minutes de traitement. Les deux outils sont plus complémentaires que concurrents pour les créateurs qui réalisent les deux formats. Pour plus de contexte sur les flux de travail de recyclage de formats longs, voir également 2short.ai et Opus Clip.

Pour les créateurs qui ont besoin d'un flux de travail de sous-titrage axé sur l'ordinateur de bureau avec un montage audio précis, Descript propose un modèle de montage basé sur le texte où la transcription pilote la coupe, ce qui est mécaniquement différent de l'approche de passe IA en un clic de Captions. Vizard se situe entre les deux, offrant un découpage web de formats longs en formats courts avec un style de sous-titres plus proche de la gamme de Submagic. Pour la vidéo basée sur des avatars à l'échelle de l'entreprise, HeyGen offre plus d'options de personnalisation d'avatars et de licences d'équipe adaptées à la formation en entreprise et au marketing en volume, tandis que l'AI Twin de Captions s'adresse aux créateurs individuels développant une présence de marque personnelle.

« Captions a complètement changé mon flux de travail. Ce qui prenait auparavant une heure de sous-titrage manuel prend désormais cinq minutes avec AI Trim et les styles automatiques. » -- Avis de créateur, fahimai.com, 2026

Le coût réel de la génération de vidéos avec Captions

Le forfait Free est un point d'entrée fonctionnel pour le montage de base, mais exclut toutes les fonctionnalités génératives de l'IA. Le forfait Pro à 9.99$/mois supprime les filigranes et débloque AI Eye Contact, AI Filler Word Removal et la bibliothèque complète de styles de sous-titres, avec 200 crédits par mois. Les crédits sont consommés par action IA, et le taux de conversion entre les crédits et les minutes de production n'est pas affiché d'emblée pendant le flux de travail de montage, mais seulement après l'utilisation d'une fonctionnalité. C'est la plainte la plus courante concernant la tarification de la part des utilisateurs Pro : une session qui semblait simple peut brûler des crédits plus rapidement que prévu lors de la combinaison de passes AI Edit avec la correction du contact visuel et le nettoyage audio sur le même clip.

Le forfait Max à 24.99$/mois ajoute AI Creator, AI Twins, AI Ads, AI Shorts et le doublage, avec 500 crédits. Pour un créateur produisant régulièrement des publicités basées sur des avatars ou du contenu doublé, c'est effectivement le minimum fonctionnel. Le forfait Scale à 69.99$/mois fournit 1 400 crédits, un support prioritaire, un accès API et un accès anticipé aux fonctionnalités, adapté aux agences ou aux marques générant des vidéos en volume. L'API sur Scale permet la génération par lots programmatique, ce qui est là où l'outil commence à avoir un sens économique pour les flux de travail de test publicitaire qui nécessitent 20 à 50 variantes par semaine.

La facturation annuelle réduit le coût mensuel, bien que le tarif exact ne soit pas divulgué publiquement sur la page de tarification. Les crédits ne sont pas reportés ; les crédits inutilisés expirent à chaque réinitialisation du cycle de facturation. Comparez avec Submagic, dont le modèle basé sur le nombre de vidéos est plus prévisible pour les créateurs qui connaissent leur volume de production à l'avance.

Là où Captions échoue systématiquement

La fiabilité de l'exportation est le problème le plus persistant et le plus largement signalé de la plateforme. Sur Trustpilot, Capterra, Reddit et les sites d'avis indépendants, le schéma est constant : un utilisateur applique des modifications IA, l'aperçu semble correct, l'exportation s'exécute et la sortie présente un son désynchronisé par rapport à la vidéo. Cela est plus fréquent sur les clips où plusieurs passes IA sont empilées (AI Edit plus contact visuel plus suppression des mots de remplissage sur le même clip) et est apparu dans les avis de 2023 à 2026, suggérant un défi structurel de rendu plutôt qu'un bug transitoire.

La vitesse de traitement est le deuxième point de friction majeur. La génération de vidéos et le rendu du montage IA peuvent prendre plusieurs minutes sur des clips qu'un éditeur de bureau comparable traiterait en moins de 30 secondes. Sur l'application mobile, cela verrouille l'interface pendant le rendu, forçant le créateur à attendre avant de continuer. Les utilisateurs ayant des calendriers de publication sensibles au temps décrivent cela comme un véritable blocage du flux de travail.

L'expérience Android est matériellement pire que celle d'iOS. Les nouvelles fonctionnalités sont d'abord déployées sur iOS, parfois en exclusivité pendant des semaines ou des mois. Les utilisateurs d'Android signalent des taux de plantage plus élevés, des échecs d'exportation plus fréquents et des fonctionnalités IA manquantes qui sont disponibles sur iOS. Il s'agit d'une décision commerciale au niveau de la plateforme (iOS génère des revenus in-app plus élevés par utilisateur dans la démographie des créateurs), mais cela crée une véritable fracture dans la qualité du produit que les créateurs utilisant principalement Android devraient prendre en compte.

La synchronisation multi-appareils entre le mobile et l'éditeur web est incohérente. Les projets commencés sur l'application mobile peuvent ne pas s'afficher correctement dans l'interface web, et les modifications apportées sur le web peuvent ne pas se propager aux sessions mobiles. La fonctionnalité de synchronisation en temps réel introduite en 2025 a amélioré cela, mais ne l'a pas entièrement résolu selon les rapports continus des utilisateurs.

Meilleurs cas d'usage contre scénarios à éviter

Captions gagne sa place le plus clairement pour les créateurs solos réalisant du contenu face caméra à fort volume sur iPhone. Un créateur publiant 5 à 10 vidéos courtes par semaine, enregistrant sur mobile et ayant besoin d'un style de sous-titres cohérent et d'un polissage audio sans embaucher de monteur verra une véritable réduction du temps par vidéo. Les estimations rapportées par les utilisateurs vont de 30 minutes à 90 minutes gagnées par vidéo selon le flux de travail antérieur. À 9.99$/mois sur Pro, le calcul est favorable par rapport à tout coût de montage freelance ou flux de travail de sous-titrage manuel.

Le forfait Max est judicieux pour les créateurs qui ont besoin d'une portée internationale. Un créateur qui enregistre dans une langue et souhaite publier des versions doublées dans 3 à 5 autres, avec une synchronisation labiale préservant la voix, aurait autrement besoin d'un studio de doublage ou d'un pipeline multi-outils complexe. À 24.99$/mois, le forfait Max consolide cela en un seul flux de travail. La fonctionnalité AI Ads sur Max est directement utile pour les marques DTC et les entrepreneurs solos diffusant des publicités sociales payantes qui souhaitent tester plusieurs variantes de créations publicitaires sans budget de production.

Évitez Captions si votre surface de montage principale est un ordinateur de bureau et que vous avez besoin d'une fiabilité d'exportation garantie avec une date limite de production. Le taux d'échec d'exportation est trop élevé pour les flux de travail professionnels où une livraison manquée a un coût réel. Évitez-le si votre contenu est principalement de format long : extraits de podcasts, essais YouTube, vidéos de style documentaire. L'outil n'est pas conçu pour ce format et l'interface de la chronologie devient maladroite au-delà de 5 à 10 minutes de séquences sources. Évitez-le si vous êtes principalement un utilisateur Android et que la parité des fonctionnalités compte pour votre flux de travail -- l'avantage d'iOS est suffisamment significatif pour que les créateurs privilégiant Android se heurtent constamment à des limitations que les utilisateurs d'iOS ne rencontrent pas. Pour les flux de travail axés sur l'ordinateur de bureau, Descript propose un modèle de montage piloté par le texte qui est plus stable dans des conditions professionnelles.