Kalyzée · Synchro vidéo – version pilote

Les vidéos choisies sont lues et traitées sur l’ordinateur de l’utilisateur.
Le serveur fournit uniquement les fichiers de l’application et ses modèles.
Aucun service de télémétrie n’est intégré à cette application.

COMPOSANTS

FFmpeg.wasm : @ffmpeg/ffmpeg 0.12.15 (MIT), @ffmpeg/core 0.12.10
(GPL-2.0-or-later). Distributions non modifiées, sauf segmentation binaire
du fichier WASM reconstitué à l’identique et vérifié par SHA-256.
Sources, instructions de construction et sources des bibliothèques du core :
https://github.com/ffmpegwasm/ffmpeg.wasm
https://github.com/ffmpegwasm/ffmpeg.wasm/tree/main/build
Distributions exactes :
https://registry.npmjs.org/@ffmpeg/ffmpeg/-/ffmpeg-0.12.15.tgz
https://registry.npmjs.org/@ffmpeg/core/-/core-0.12.10.tgz
Licences : licenses/ffmpeg-wrapper.txt et licenses/FFmpeg-core-GPLv2.txt

ONNX Runtime Web 1.22.0 – MIT.
https://github.com/microsoft/onnxruntime/tree/v1.22.0
Licence : licenses/ONNX-Runtime.txt

OpenCV.js – distribution officielle 4.x téléchargée le 14 octobre 2026.
https://docs.opencv.org/4.x/opencv.js
Sources : https://github.com/opencv/opencv
OpenCV : Apache-2.0. Licence : licenses/OpenCV.txt
La cascade Haar haarcascade_frontalface_default.xml est distribuée avec sa
notice originale incluse dans models/face.xml.

SyncNet – Joon Son Chung et Andrew Zisserman. Dépôt sous licence MIT.
https://github.com/joonson/syncnet_python
Chung, J. S. et Zisserman, A. (2016). Out of time: automated lip sync in the
wild. Workshop on Multi-view Lip-reading, ACCV.
Modèle préentraîné officiel syncnet_v2, converti en deux graphes ONNX pour
l’inférence. Les modèles sont segmentés pour la distribution, sans changement
de leurs octets ; le chargement contrôle leur SHA-256.
Licence : licenses/SyncNet.txt

PARAMÈTRES ET LIMITES
MFCC à 16 kHz : préaccentuation 0,97, fenêtres de 25 ms, pas de 10 ms,
FFT 512, 26 filtres Mel, 13 coefficients, lifter 22, énergie en coefficient 0.
Parité numérique testée avec python_speech_features.
Analyse des images à 25 images/s et recherche de ±25 images (±1 seconde).
Trois passages de 12 secondes sont analysés. Le visage doit rester stable,
visible et seul. La confiance et la cohérence entre passages conditionnent
la proposition automatique ; elles ne remplacent pas la vérification humaine.
Un recadrage fixe par passage est estimé sur trois détections du visage.
Les caractéristiques des lèvres sont calculées toutes les deux images.
Cette version ne traite pas les plans mobiles ni les changements de locuteur.

La copie corrigée conserve le flux vidéo compressé. L’audio est réencodé en
AAC 192 kbit/s après application du décalage. Un retard positif ajoute du
silence au début ; une avance retire le début de la piste audio. La durée
globale peut changer légèrement. L’original n’est jamais écrasé.